cawplan-internal-qa-coding-humaninputs

CawPlan 内部 QA — 对一条人工输入进行分类

任务

给定一段 content（必填），以及可选的配对内容 assistant_message（本轮 AI 回复）和 prev_message（紧邻的上一条助手回复的最后一段——不是上一轮人工输入），使用 references/CATEGORY_TAXONOMY.md 和 references/TOPIC_TAXONOMY.md 进行分类。此操作不会调用任何 CawPlan API，也无需 cawplan 身份验证——它是根据 uid.core-product 当前分类规则进行的纯推理检查，而非查询。

工作流

1. 如果本次会话中还没有阅读过，请阅读 references/CATEGORY_TAXONOMY.md、references/TOPIC_TAXONOMY.md 和 references/PRODUCTION_CLASSIFY_PROMPT.md（完整生产快照）。如果整理后的文档与快照不一致，以快照为准。
2. new_feature 是最后的选择。 当多个主题都有合理依据时，不要选择它——优先选择具体主题（任何关于内容如何呈现的事项，包括新增节点／面板／屏幕且需求关注其显示内容时，选 design_ui；需要接线或外部系统必须携带某个字段时，选 integration_api；以及 security、infra、refactor、bug、investigation）。新增屏幕或新增字段本身并不意味着主题是 new_feature。
3. 按生产环境的方式预处理 assistant_message，然后再阅读——不要基于未经截断的原始文本进行判断：
   • 将字面量 \n／\t 转义符和换行符规范化为空白字符。
   • 去掉 [REDACTED] 占位符（上传时的脱敏内容——真实的方括号文本，如 [Done]／[QA Testing]，必须保留）。
   • 去掉每个段落中的 Markdown 噪声（表格分隔线、--- 水平线、标题／粗体标记、表情符号）。
   • 按空行拆分段落；仅保留前 3 个段落。
   • 用 \n\n 连接这些段落，然后限制为约 1200 个字符（如果更长，从开头截断并加上 ...）——这与 ClassifyAssistantSnippet／AISessionClassifyAssistantMaxRunes 的处理方式一致。
4. 如果提供了 prev_message，请进行预处理（采用第 2 步中的段落拆分和逐段清理方式，但只取最后一个段落；限制为约 500 个字符）——这与 ClassifyPrevAssistantTail／AISessionClassifyPrevMaxRunes 的处理方式一致。省略时，将 prev 视为空；若没有它，简短的后续消息（如“commit & push”“直接改”）可能会有歧义。
5. 严格按照生产环境的方式路由类别（参见 CATEGORY_TAXONOMY.md）：
   • 首要信号：content。 始终先阅读它。
   • prev： 仅用于区分简短、直接的后续消息（通常不超过 12 个汉字或 6 个英文单词）属于 decision（用户提及或重复了助手提出的具体操作），还是 approval（笼统的许可，如“直接改”“可以”“do it”）。对于任何其他类别都不得使用 prev；也不得将其视为用户先前提出的要求。
   • assistant_message： 仅当 content 是不带意图词的纯交接内容（URL、文件路径、截图路径、日志路径）时，才用于判断类别。不得根据助手已经执行或验证的内容推断类别。
6. 根据分类法确定所有明显适用的类别，然后按照参考文档中的优先级顺序排序（从高到低）。使用准确的 snake_case 叶节点名称（如 direction_constraint、rejection_rollback、question_clarification、other_meta 等——不得使用 direction／rejection／question／other 等简写形式）。不要为了填满列表而凭空添加次要类别。若仅有一个适用类别，列表中就只放一个元素。
7. 排序后列表中的第一个元素是主要类别。
8. 根据 content 和经过预处理的 assistant_message，从 TOPIC_TAXONOMY.md 中恰好选择一个主题——绝不可使用 prev_message 判断主题。遵循 ASKING 与 CHANGING 的区分、将纯粹的 commit & push 归为 git_ops，以及参考文档中有关 Slack 的提示。
9. 撰写一句简短的 topic_reason，并按照 TOPIC_TAXONOMY.md 的要求设置 topic_confidence（0.0–1.0），与生产环境保持一致。

输出

报告：

• category — 主要类别（categories 的第一个元素）。
• categories — 按优先级排序的完整列表（可以只有一个值）。
• topic — TOPIC_TAXONOMY.md 中 17 个主题之一，且只能有一个值。
• topic_reason — 用一个简短句子解释主题选择。
• topic_confidence — 0.0–1.0 之间的浮点数（表示对主题选择的把握程度）。
• 用一个简短句子解释主要类别的选择，并引用 content、prev_message 或准备好的 assistant_message 中促成该判断的具体短语——这样，当调用方对此有异议（例如与已持久化的云类别不一致）时，可以进行审核，而不是面对一个不透明的结果。

参考资料

• references/PRODUCTION_CLASSIFY_PROMPT.md — 从 uid.core-product 导出的完整提示词
• references/CATEGORY_TAXONOMY.md — 精心整理的类别路由规则与示例
• references/TOPIC_TAXONOMY.md — 精心整理的主题路由规则与示例

提示词发布后的同步快照：

node skills/cawplan-internal-qa-coding-humaninputs/scripts/sync-classify-prompt-from-core-product.mjs