用途：当需要构建或评估情感与观点挖掘系统时使用，包括定义标签体系、选择模型方案、设计标注流程、开展评估与错误分析、进行领域适配、处理边界情况，以及规划生产推理与监控治理。
主要能力：定义文档级极性、方面级（ABSA）、情绪分类或多标签等标注模式；选择并实现词典/规则、经典机器学习、微调 Transformer 或 LLM 提示分类器；设计标注指南、裁决流程、标注者间一致性（IAA）与金标准更新；执行评估与错误分析，如 macro-F1、校准、混淆切片与失败模式目录；适配产品评论、社交帖子、支持工单、新闻或金融文本等不同领域；处理否定、讽刺、实体、语码转换及人口或主题偏差等边界情况；规划批量与流式推理、延迟预算、模型服务与 API 契约；运营标签漂移、分数漂移、人工审计循环与仪表盘集成。
使用方式：按核心工作流推进——先明确分析单元、标签集、语言、延迟与成功指标；再起草标注指南、试点批次、测量 IAA 并锁定金标准；随后比较词典、经典、微调编码器与 LLM 提示基线并记录权衡；接着报告切片指标、校准与定性失败桶；再规划领域适配、翻译与原生模型选择及讽刺、否定、偏差测试；最后明确服务路径、SLA、漂移监控、人工复核队列与分析交接。
适用场景：产品评论、社交帖子、支持工单、新闻或金融文本的情感与观点挖掘系统建设与评估。
限制：不适用于撰写营销文案、品牌语调或内容策略；不适用于无情感/NLP 范围的通用 MLOps 平台；不适用于无文本情感重点的探索性分析或预测建模；不适用于社交媒体活动、日历或渠道策略；不适用于仅做 AI 安全分类器或危害基准研究；不适用于仅凭情感分数得出法律、监管或合规结论；不适用于生产 LLM 智能体、RAG 或 copilot 功能（除非情感仅为一个组件）；不适用于不构建或评估情感系统的文献综述。相关技能包括 data-scientist、ai-engineer、ai-researcher、analytics-engineer、marketing-analyst、content-humanizer、ml-ops-engineer。