docs(copy): 用「归类」替换易误解的「桶」表述

报告说明、docstring 与情感分析 LLM 提示中的「分桶/乱桶」等改为归类、关键词规则等通俗说法；JSON 字段名 sentiment_bucket_method 未改。

Made-with: Cursor

backend/crawler_copy/jd_pc_search/jd_competitor_report.py

@@ -1126,10 +1126,10 @@ def build_comment_sentiment_llm_payload(
     shuffle_seed: str = "",
 ) -> dict[str, Any]:
     """
-    供大模型做正/负向语义归纳：附规则统计、关键词分桶抽样，以及 **sample_reviews_semantic_pool**
+    供大模型做正/负向语义归纳：附规则统计、按关键词规则**归类**后的抽样，以及 **sample_reviews_semantic_pool**
    （全量去重后的评价句确定性洗牌抽样，供模型结合语境自行判断褒贬）。
 
-    ``sentiment_bucket_method`` 标明分桶依据为子串词表；条形图与 lexicon 仍与此口径一致，
+    ``sentiment_bucket_method`` 标明归类依据为子串词表；条形图与 lexicon 仍与此口径一致，
     但正文归纳应以模型对 ``sample_reviews_semantic_pool`` 的整句理解为准。
     """
     pos_only_texts: list[str] = []
@@ -1600,7 +1600,7 @@ def _category_token_meaningless(seg: str) -> bool:
 def _matrix_display_segment_from_parts(parts: list[str]) -> str | None:
     """
     与历史逻辑一致的主选段；若该段无意义则自右向左找第一段可读文本
-    （避免「仅类目码」或中间段为数字 ID 时整组成品名式乱桶）。
+    （避免「仅类目码」或中间段为数字 ID 时，把路径误解析成无意义的细类展示名）。
     """
     if not parts:
         return None
@@ -2620,7 +2620,7 @@ def build_competitor_markdown(
                 "",
                 "#### 大模型深入解读（主题归因，与词频统计互补）",
                 "",
-                "> **说明**：基于与上节**同一分桶规则**抽样的评价原文，由大模型归纳**用户在说什么**（尤其是负向的具体事由），与上列条数、条形图**互补**；引文以原评论为准。",
+                "> **说明**：基于与上节**同一套关键词归类规则**抽样的评价原文，由大模型归纳**用户在说什么**（尤其是负向的具体事由），与上列条数、条形图**互补**；引文以原评论为准。",
                 "",
                 _llm_s,
             ]

backend/pipeline/llm/generate.py

@@ -116,7 +116,7 @@ SENTIMENT_LLM_SYSTEM = """你是电商/食品类用户研究助手。输入 JSON
 
 - ``comment_sentiment_lexicon``：子串词表统计（与报告条形图口径一致，**仅作定量参考**；子串命中≠说话人态度）。
 - ``positive_lexeme_hits_top`` / ``negative_lexeme_hits_top``：短语级命中摘要（同源）。
-- ``sentiment_bucket_method``：恒为 ``keyword_substring_heuristic``；``sample_reviews_positive_biased`` / ``negative`` / ``mixed_tone`` 是按该词表机械分桶的抽样，**可能与整句真实褒贬不一致**（例如「软硬适中」曾被误归负向）。
+- ``sentiment_bucket_method``：恒为 ``keyword_substring_heuristic``；``sample_reviews_positive_biased`` / ``negative`` / ``mixed_tone`` 是按该词表**机械归类**的抽样，**可能与整句真实褒贬不一致**（例如「软硬适中」曾被误归负向）。
 - **``sample_reviews_semantic_pool``**（若有）：本批评价经去重后的**随机/洗牌抽样**，覆盖未命中任一关键词的句子。**归纳正/负向体验、引用「」短引文时，优先以此池与上述各列表中的原文为准，自行结合语境理解**：转折、对比（如「没那么甜」「软硬适中」）、先抑后扬/先扬后抑整句态度；**不得以子串是否命中负面词来断言该句为抱怨**。
 
 每条样本通常以 ``【细类：…｜SKU：…｜品名：…｜店铺：…】`` 开头，表示 **§5 细类、SKU、品名、店铺**；写归纳与「」引文时须能还原「哪家店、哪条 SKU、哪款品名」，或保留前缀，**禁止**无指代地写「用户普遍…」。
@@ -125,7 +125,7 @@ SENTIMENT_LLM_SYSTEM = """你是电商/食品类用户研究助手。输入 JSON
 - **仅输出 Markdown 正文**（不要用 ``` 围栏包裹全文）；
 - **不要编造**样本中未出现的具体事实、品牌、价格、医学功效；
 - **定量数字**（条数、占比、lexicon 各字段）须与 ``comment_sentiment_lexicon`` **一致**，勿编造；
-- **定性归纳**（满意点/抱怨点、引语是否算差评）：以**整句语义**为准；若某句在语义上为褒义或中性描述，**不得**放入「质地差、口感硬」等负向归因；若词表分桶与句意冲突，**以句意为准**，并在「使用注意」点明「关键词分桶仅作统计口径」。
+- **定性归纳**（满意点/抱怨点、引语是否算差评）：以**整句语义**为准；若某句在语义上为褒义或中性描述，**不得**放入「质地差、口感硬」等负向归因；若词表归类结果与句意冲突，**以句意为准**，并在「使用注意」点明「关键词归类仅作统计口径」。
 - 若某措辞**未**出现在任一抽样原文（含前缀后正文）中，**禁止**用引号写成直接引语。
 - **不要**只复述「某词出现 N 次」——条形图已展示；你的价值是**语义归纳**。
 
@@ -133,17 +133,17 @@ SENTIMENT_LLM_SYSTEM = """你是电商/食品类用户研究助手。输入 JSON
 1. ``#### 正向体验主题``：3～6 条；概括满意点（口感、甜度、性价比等），**尽量**用「」引用 ``sample_reviews_semantic_pool`` 或其它样本中**语义确为正面**的短句（勿把对比褒义句当差评例子）。
 2. ``#### 负向评价主题归因``：**核心段落**。依据你读后判定为**确有不满**的句子，归纳 **4～8 个**问题维度（口味、质地、价格、物流等）。引文优先取自句意确为批评的原文（可来自任一档位键，不限于 ``sample_reviews_negative_biased``）；引文须含 ``【细类…｜…店铺…】`` 或同义店铺+品名/SKU。
 3. ``#### 混合评价中的典型张力``（可选）：同一评价里褒贬并存时，说明在争什么；若无则略写。
-4. ``#### 使用注意``：关键词子串统计的局限、``sample_reviews_semantic_pool`` 与分桶的差异、抽样截断、非医学结论。
+4. ``#### 使用注意``：关键词子串统计的局限、``sample_reviews_semantic_pool`` 与词表归类的差异、抽样截断、非医学结论。
 
 总字数约 **700～1600 字**，简体中文，语气客观。"""
 
 
 def generate_comment_sentiment_analysis_llm(payload: dict[str, Any]) -> str:
-    """基于 lexicon 统计 + 语义池与分桶抽样，生成 §8.2 大模型解读段落（Markdown）。"""
+    """基于 lexicon 统计 + 语义池与按词表归类的抽样，生成 §8.2 大模型解读段落（Markdown）。"""
     p = dict(payload)
     raw = json.dumps(p, ensure_ascii=False)
     if len(raw) > 88_000:
-        # 超长时优先压缩关键词分桶样本，再压缩语义池；尽量保留 semantic_pool 条数略多
+        # 超长时优先压缩关键词归类样本，再压缩语义池；尽量保留 semantic_pool 条数略多
         for k, cap, maxlen in (
             ("sample_reviews_positive_biased", 6, 180),
             ("sample_reviews_mixed_tone", 4, 180),

backend/pipeline/matrix_group_label.py

@@ -22,7 +22,7 @@ def category_token_meaningless(seg: str) -> bool:
 def matrix_display_segment_from_parts(parts: list[str]) -> str | None:
     """
     与历史逻辑一致的主选段；若该段无意义则自右向左找第一段可读文本
-    （避免「仅类目码」或中间段为数字 ID 时整组成品名式乱桶）。
+    （避免「仅类目码」或中间段为数字 ID 时，把路径误解析成无意义的细类展示名）。
     """
     if not parts:
         return None

backend/pipeline/tests/test_competitor_brief.py

@@ -112,7 +112,7 @@ class BuildCompetitorBriefTests(SimpleTestCase):
         fb = jcr._consumer_feedback_by_matrix_group(
             merged_rows=merged,
             comment_rows=[
-                {"sku": "222", "tagCommentContent": "缺路径仍不应进细类桶"},
+                {"sku": "222", "tagCommentContent": "缺路径仍不应计入按细类统计"},
                 {"sku": "111", "tagCommentContent": "有路径进细类"},
             ],
             sku_header=sku_h,