Najważniejsza myśl
Codex jest środowiskiem pracy z kodem. Twórz w nim testowane skrypty, a modelowi tekstowemu zlecaj interpretację już zweryfikowanych wyników.
Punkt wyjścia
- Dwa zanonimizowane eksporty, w tym przykład z błędem.
- Definicje pól, typy, waluty i reguły obliczeń.
- Mały przykład referencyjny policzony ręcznie.
1. Określ kontrakt danych
Opisz wymagane pola, szczegółowość, klucz duplikatów, daty i braki. Brak nie oznacza zera. Ustal błędy zatrzymujące przetwarzanie.
2. Zbuduj i testuj
Oddziel z pomocą Codex odczyt, walidację, agregację i wynik. Testuj wartości referencyjne oraz błędy. Nie zmieniaj źródeł i unikaj zbędnych połączeń sieciowych.
3. Dodaj komentarze
GPT lub Claude mogą komentować sprawdzone sumy. Oceń DeepSeek jako alternatywę API przy tych samych wymaganiach jakości i danych. Wymagaj odwołań i zabroń cichego poprawiania odrzuconych danych.
4. Przygotuj eksploatację
Zapisuj wersję, plik i błędy. Ustal odpowiedzialność, ręczne odzyskiwanie i obsługę zmian formatu. Harmonogram wprowadź po testach, zapobiegając podwójnemu przetwarzaniu.
Praktyczny przykład
Napisz skrypt walidujący eksporty przed agregacją. Nie zmieniaj źródeł ani nie wykonuj połączeń sieciowych. Obliczaj wskaźniki z sum; zerowy mianownik daje N/A. Testuj brak pola, duplikat, zero konwersji i przykład referencyjny.
| Przypadek | Działanie | Kontrola |
|---|---|---|
| Brak kosztu | Jawny błąd | Nie zakładaj zera |
| Duplikat | Oznacz klucz | Nie licz podwójnie |
| Zero konwersji | CPA nieokreślone | Bez dzielenia przez zero |
| Plik źródłowy | Bez zmian | Porównaj przed i po |
Jak ocenić postępy
- Sprawdź kod i uprawnienia.
- Testuj błędy przed harmonogramem.
- Zachowaj dziennik i procedurę odzyskiwania.
Oficjalne źródła
OpenAI · CodexDeepSeek · API documentationZnajdź kampanię ukrytą za średnią
Syntetyczny plik CSV obejmuje cztery kampanie w dwóch okresach. Pytanie: czy poprawa łącznego zwrotu ukrywa problem?
Odtwórz demonstrację raportowania
Uruchom podlinkowaną demonstrację w Pythonie 3.9 lub nowszym. Oczekiwane wyniki: 6 000 € wydatków w okresie bazowym; 34 880 € przychodu i 436 konwersji w okresie porównawczym. Poprawny plik musi dać kod zakończenia 0, a nieprawidłowy — kod 2. To syntetyczne dane z wielu kanałów, nie natywny eksport z Google Ads ani test porównawczy modeli. Przed dostosowaniem demonstracji zmapuj kolumny rzeczywistych eksportów i zatwierdź definicje konwersji.
python3 analyze.py campaigns.csv
python3 analyze.py invalid-campaigns.csvDemonstracje wykorzystują fikcyjne briefy i dokumenty oraz dane syntetyczne. Pokazują metodę, nie wyniki klientów.
MindVerve
Chcesz wdrożyć ten proces w swoim zespole?
AI Workflow Launch obejmuje jeden uzgodniony proces raportowania z testami, dokumentacją i szkoleniem. Dodatkowe integracje i koszty określa oferta.
Porozmawiajmy o moim procesie AIPięć specjalizacji. Wspólny kierunek.