用户反馈分类与人工复核工具产品系统Vibe Coding

商品评价、客服记录和应用反馈通常分散在不同渠道，人工整理时容易出现分类口径不一致、重点问题遗漏和修订记录难以追溯等情况。本个人演示项目使用模拟中文反馈，展示本地文本分类、问题统计、原文检索与人工复核的完整流程，适用于需要先形成可核对问题清单，再逐步积累标注数据的运营分析场景。

项目包含反馈文件导入、字段校验、本地文本分类、待复核标记、人工修订导入、问题统计和独立评估模块。系统按物流、商品质量、服务、价格、功能和其他类别整理反馈，展示类别分布、来源分布与日期趋势。原文页面支持关键词、问题类别和复核状态筛选，同时保留模型原始预测、最终分类及内部置信度。可下载修订模板，填写后重新运行完成修订，并导出分类结果及异常清单。评估页面展示独立模拟样例的准确率、混淆矩阵和逐条预测明细。

我负责本个人演示项目的数据结构、模拟训练与评估样例、分类算法、人工复核流程和可视化报告，使用 AI 辅助编码并通过测试核对结果。项目使用 Python 实现字符二元特征与平滑多项式朴素贝叶斯，使用 SQLite 保存分类和评估结果，使用 HTML、CSS 和 JavaScript 展示交互页面。实现重点是训练与评估文本隔离、低置信度标记、原始预测与人工修订同时留存，以及无效修订的明确校验。