要表格却收到一段散文,要 JSON 却拿到带解释的代码块,问题通常不在模型,而在格式约束没给全。表头、每行含义、字段类型、异常值怎么处理,这四样说清,结果才能直接用。
“整理成表格”是最模糊的说法。要把四件事写死:一行代表什么、有哪几列、列的顺序、空值写什么。
把下面 12 条客户反馈整理成表格。一行一条反馈,列依次为:编号、问题类型(只能填功能、价格、服务、其他)、原话摘要(20 字内)、紧急程度(高、中、低)。原文没提到的字段留空,不要推测。
“只能填这四个值”这类约束特别重要。不加限制,它会给你“体验问题”“售后相关”这种新分类,后面没法统计。空值规则也要写明,写“留空”和写“填无”在后续处理里完全不同。
还有一个常被忽略的点:告诉它数据来源。是聊天记录、问卷还是会议纪要,模型对口语和书面语的处理方式不一样,提前说明能减少误读。
直接在对话里要 CSV,错误很难发现;先要 Markdown 表格,一眼就能看出有没有错列、漏行。
确认对齐后,再让它转换:“转成 CSV,逗号分隔,字段里含逗号时用双引号包裹,不要加代码块说明文字。”中文内容里逗号很多,不加引号粘进 Excel 必然错列,这一步必须交代。
如果表格要进 Excel,提醒它不要用竖线对齐的空格排版,那种格式复制过去会挤成一列。数据量大时可以按固定行数分批输出,每批结尾回复“第 X 批,共 N 批”,方便核对有没有截断。
输出 JSON 数组,不要任何解释文字。每个对象包含:id(字符串)、title(字符串)、price(数字,保留两位小数)、tags(字符串数组,最多 3 个)。缺失值用 null,不要用空字符串或 0 代替。
三个细节决定成败。第一,“不要任何解释文字”,否则前后会多出“好的,以下是结果”,解析直接失败。第二,写明类型,否则数字常被写成字符串,价格还可能带“元”字。第三,null 和 0 要分清,缺失和零是两件事。
如果字段名要用中文,提前说明,否则它可能自己翻译成英文,后续对不上你的数据库。需要嵌套结构时,先用一小段样例把结构跑对,再让它批量套用。样例比描述省字,也更不容易理解错。
还有一个坑是重复行。原始数据里同一条反馈出现两次,模型可能合并也可能原样保留,要提前说明是“重复的保留一条”还是“原样保留”。拿到结果先做三件事:数行数、抽查首尾、检查空值。这三步一分钟,能挡掉大部分返工。如果要做成模板反复用,把表头和字段说明单独存一份,下次直接粘,比每次重新描述省事。
找一份你手上真实但脱敏的表格,按“表头、类型、空值、分批”四步问一次,能省下多少手工整理时间会很直观。想同时试几个模型的解析稳定性,可以打开 极客空间站的 AI 对话入口,同一段数据分别贴进去对比。
大连极客十一维科技有限公司