从 DEV 社区的 GPT+n8n 实操文与多个官方模板中提炼的共性打法：所有自动化里的 LLM 环节都不写「帮我分类一下」这类散文提示，而是用「角色 + 封闭枚举 + 只输出合法 JSON + 给边界例子」的结构化提示，Code 节点 parse 失败即走重试/人工队列。附三套可直接替换变量的模板：邮件/工单分类、长文三段式摘要、多标签打标+情感。本条无单一出处页，以 DEV 实操文为方法来源。
适用场景：任何平台（n8n/Activepieces/Kestra/自写脚本）里需要让 LLM 输出能被程序稳定消费的结果时，先套这组模板再调业务口径。
提示词包 结构化输出 JSON 分类 摘要 打标
操作步骤
- 模板A分类：「You are classifying {对象}. Respond ONLY in valid JSON: {category: one of [枚举], urgency: low|medium|high, reason: <=20 words}. If uncertain
- category='needs_review'.」后附 2 个边界例子；模板B摘要：「Summarize in exactly 3 bullets: 事实 / 影响 / 待办；不得引入原文没有的信息；总长 ≤{N} 字」；模板C打标：「Return JSON {tags: 从[候选标签]中选 1–3 个, sentiment: positive|neutral|negative, confidence: 0–1}；confidence<0.6 时 tags 置空」；上线前各用 30 条历史数据回归，三模板准确率达标后再接自动动作
工具链
- 任意工作流平台
- LLM API
- Code/JSON 解析节点
- 人工复核队列
接入本站 API：三套模板与平台无关，统一以
{{API_KEY}} 调 https://tokenbuddy.cc：分类/打标用便宜小模型 + temperature 0，摘要用中等模型 + temperature 0.3；在 LIN 后台按「自动化专用 Key」单独发一把 Key 跑这组模板，用量与成本可独立统计、独立设上限。注意事项
- ⚠️ 不写「ONLY JSON」与枚举时，模型会输出解释文字导致下游 parse 崩溃，这是自动化里第一大故障源；枚举口径要与业务词表一致并版本化，改枚举等于改数据口径、历史数据需标注版本；置信度是模型自报的、不可当真概率用，只能作分流参考，阈值要用自己的回归集校准