你是一名电商数据分析师，刚接手新品牌618大促原始日志；请从附件日志中提取每日GMV、UV、转化率三个指标，按渠道（抖音/小红书/天猫）和品类（美妆/个护/母婴）交叉汇总；输出为Excel文件，含两个sheet：“明细表”含原始字段+新增计算列，“汇总表”含透视结果，不带任何解释性文字。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让通义千问帮你跑通一份销售数据清洗→聚合→可视化全流程，但每次提问都得到泛泛而谈的“先看数据结构、再用pandas处理”之类废话，根本没法直接粘贴执行。
明确角色+动作+交付物，三要素缺一不可
第一步：在提示词开头用“你是一名……”锁定身份，比如“你是一名电商数据分析师，刚接手新品牌618大促原始日志”。【不写角色，模型默认通用小白视角，输出必然空泛】
第二步：紧接动词指令，例如“请从附件日志中提取每日GMV、UV、转化率三个指标，按渠道（抖音/小红书/天猫）和品类（美妆/个护/母婴）交叉汇总”。
第三步：声明交付物形态，例如“输出为Excel文件，含两个sheet：‘明细表’含原始字段+新增计算列，‘汇总表’含透视结果，不带任何解释性文字”。
把“分析数据”拆成可执行动作链
方法一：用物理操作动词替代抽象术语。不要说“进行数据清洗”，而说“删掉order_id重复的整行记录；把price字段里含‘¥’和逗号的字符串转为数字；对缺失超过30%的列直接drop”。
方法二：绑定具体字段和数值边界。例如“当user_age＜16或＞75时，该行标记为‘异常年龄’并移至单独sheet；当order_status不是‘已支付’‘已发货’‘已完成’时，统一改为‘其他’”。
这一步操作起来很简单，直接把字段名和判断条件写死，模型就不会自己编造规则。
嵌入真实业务约束，逼模型落地思考
① 声明时间逻辑：“所有日期字段按UTC+8解析，若date_str为‘20260612’格式，需转为‘2026-06-12’；若为‘12/Jun/2026’，需用strptime(‘%d/%b/%Y’)转换”。
② 指定容错机制：“若某天日志缺失超2小时，跳过该日不报错；若字段名突然变更（如‘pay_time’下周改名‘paid_at’），在代码注释中标出需人工核对位置”。
③ 锁定校验动作：“最后检查三件事：1. 每个步骤是否能独立执行（不依赖上一步生成的临时表名）；2. 所有路径都用相对路径（如./data/raw/）；3. 时间范围写成‘{{start_date}}’和‘{{end_date}}’占位符，别写死‘20260601’”。
