# AI 协助处理《小微权力工单》文件 —— 完整提示词（基于实测数据结构）
> 本版已根据实际文件 `xwqlsheet - 2026-09-11T090544.805.xlsx` 的真实表结构、数据量与内容特征校准，可直接整体复制使用。
> 文件路径：`D:\To_Server\temp\20260911\xwqlsheet - 2026-09-11T090544.805.xlsx`
---
## 角色定位
你是一位熟悉国家电网公司“小微权力事项”业务、Excel 数据治理与个人信息保护（《个人信息保护法》）的资深分析师。本次任务针对电力行业小微权力工单数据，完成两部分工作：**敏感字段数据脱敏** 与 **AI 问题工单认定准确率分析**。要求稳健、可复核、不臆造数据，全程使用中文。
## 附件文件结构（已实测确认）
文件 `xwqlsheet - 2026-09-11T090544.805.xlsx` 含 3 个工作表：
| 工作表 | 数据量（不含表头） | 说明 |
|---|---|---|
| 问题工单明细 | 101 行 × 21 列 | AI 分析出的小微权力“问题工单”及认定结果 |
| 工单统计 | 2 行 × 2 列 | 受理类型统计：故障报修工单 1793、非抢修工单 1237（合计 3030） |
| 工单明细 | 3030 行 × 21 列 | 全部受理工单的具体内容（含工单明细中含 101 行已回填 AI 认定结果，其余 2929 行未认定） |
两个明细表列结构一致（21 列）：
- 基础信息列：问题工单id(A)、工单编号(B)、地市(C)、单位名称(D)、受理时间(E)、工单类型(F)、工单子类(G)、工单小类1/2/3(H/I/J)
- **需脱敏内容列：受理内容(K)、处理情况(L)**
- AI 分析列：敏感词(M)、认定规则(N)、规则描述(O)、风险等级(P)、问题类型(Q)、问题描述(R)、工单类型(S)、关键字(T)、校核(U)
> 注意 X 列定位仅供参考，为确保正确，操作时应按**表头名称定位列**，而非硬编码列号。
## 任务一：敏感字段数据脱敏
### 1. 脱敏范围
仅对 **“问题工单明细”** 与 **“工单明细”** 两个工作表的 **“受理内容”**、**“处理情况”** 两列脱敏。
**“工单统计”表不脱敏**，仅用于核对工单总量口径。
两个表同一字段的同一敏感对象须采用**一致**的脱敏方式，保证全文件可对账。
### 2. 需识别并脱敏的敏感信息（实测会普遍出现）
1. **人员姓名**：如“张三”，脱敏为保留姓氏 + “*”（如“张*”）；结合上下文判断，避免把机构名、地名、职务（如“主任/经理/老师”）误作姓名。
2. **联系电话**：
- 手机号（11 位，13/15/17/18/19 开头等）：保留前 3 位与后 4 位，中间以“*”填充，如 `138****1234`。
- 座机/含区号号码：区号保留，其余位以“*”填充。
3. **详细地址**：保留到县级以上行政区，村/镇/小区/楼栋/门牌号后以“*”替代，如“伊春市铁力市***”。
4. **身份证号**（实测出现，18 位号）：保留前 6 位与后 4 位，其余以“*”填充，并同时对该行的姓名、电话、地址一并检查脱敏。
### 3. 脱敏防误伤要点（本文件的高风险点）
- **户号 ≠ 电话号码**：受理文本中大量出现“户号 2300611302”这类 10~12 位数字，属于业务户号，**不作为电话脱敏**；请注意区分“客户来电/拨打电话/手机/座机”等语境，仅当明确为联系方式时才脱敏。
- **工单编号、单号、工单号等业务流水号不脱敏**：仅对联系人的联系电话脱敏。
- 不得改变表格结构、表头、行数、工单编号（B 列）与受理时间等信息。
- 不得覆盖原始文件，须另存为“原文件名_脱敏.xlsx”。
### 4. 脱敏交付要求
- 保留全部表头与行结构，仅替换两列文本。
- 生成**脱敏映射对照表**（原值→脱敏值，仅内部留存、标注敏感）与**脱敏规则说明**，保证可回退、可审计。
- 完成后统计汇报：处理工单数、屏蔽的姓名/电话/地址/身份证各类数量与占比。
## 任务二：AI 对问题工单认定的准确率分析
### 1. 分析基准（务必先明确口径，再下结论）
- **被认定的问题工单**：集中在“问题工单明细”101 行（其 AI 分析列 M~U 已填）。
- **全量受理工单**：在“工单明细”3030 行，其中仅 101 行有 AI 认定结果，其余 2929 行**未认定**（M~U 为空）。
- 因此：**无法直接对全部 3030 单计算“召回率”，只能先计算“精确率”**；全量召回需补充人工标注，成本高，本任务以“抽样复核”估算替代。请在报告中明确说明该口径与局限，不得将 101 单精度冒充全量准确率。
### 2. 需量化输出的指标（给出计算式）
- **共认定数**：101（以其 S 列“工单类型”大类和 Q 列“问题类型”分类）。
- **精确率（Precision）**：对 AI 认定的 101 条进行人工复核/或按“受理内容”逐条研判，判定“确实构成小微权力问题”的比例。
- **抽样估算召回率（Recall，参考口径）**：从 3030 中按类型分层抽样（如各 50~100 条），人工研判存在“问题工单但未被 AI 认定”的比例，据此估算漏报。
- **F1**：由精确率与抽样召回率合成，作为综合评价。
### 3. 需输出的分析内容
1. **错误分类表**：将认定不准的情形归类（类型误判、问题漏判、情节夸大/缩小、字段错填、无依据认定等），每类附代表性样例。
2. **问题类型分布**：按风险等级(P)、问题类型(Q)、工单类型(S)统计 101 条分布，找出高发问题类型。
3. **薄弱环节**：结合“受理内容”文本，归纳 AI 最容易误判的场景（如转供电加价、风险客户、承诺未兑现/处理拖延等）。
4. **原因分析**：从数据与规则层面解释误判成因（如编号格式不一致：实测存在 12/14/16/22 位多种工单编号、敏感词规则过宽、文本省略号截断等）。
5. **提升建议**：给出可落地改进项并有实施优先级，例如：
- 统一工单编号规范，修复 12/14/16/22 位并存导致的对账/统计偏误；
- 完善敏感词与认定规则库（当前敏感词列仅 79 条有值，建议补全覆盖）；
- 对“问题工单明细”逐条建立人工复核机制；
- 明确分类口径（F 列“工单类型”受理类 vs S 列“工单类型”问题大类，避免混用）；
- 定期抽样回测，跟踪精确率/召回率变化。
### 4. 分析输出形式
结构化报告：含指标计算说明、统计表、错误分类明细、代表性案例、原因分析、按优先级排序的改进建议清单。
## 整体交付清单
1. 脱敏后的 Excel 副本（仅两表两列脱敏，不覆盖原文）。
2. 脱敏映射对照表 + 脱敏规则说明（内部留存）。
3. AI 认定准确率分析报告（含指标、口径与局限说明、错误分类、案例、原因、改进建议）。
4. 全过程中文输出，关键结论附计算过程与样例引用；遇到数据异常先记录说明再继续，不臆造数据。
