给非技术同事科普 AI 的正确姿势：我用真实案例讲明白了

# merge_channels.py
# 用途：把五个渠道导出的日报合成一张总表，并算出环比和 CPA
import pandas as pd
from pathlib import Path

# 每个渠道的表头长得都不一样，先做一次列名对齐
COLUMN_MAP = {
    "渠道": "channel",
    "投放渠道": "channel",
    "日期": "date",
    "统计日期": "date",
    "消耗": "cost",
    "花费(元)": "cost",
    "转化数": "conv",
    "转化量": "conv",
    "转化": "conv",
}

KEEP = ["channel", "date", "cost", "conv"]


def load_one(file: Path) -> pd.DataFrame:
    df = pd.read_excel(file)
    df = df.rename(columns=COLUMN_MAP)
    missing = [c for c in KEEP if c not in df.columns]
    if missing:
        raise ValueError(f"{file.name} 少了这几列：{missing}，检查一下表头")
    return df[KEEP]


def merge_all(folder: str) -> pd.DataFrame:
    files = list(Path(folder).glob("*.xlsx"))
    if not files:
        raise SystemExit("这个文件夹里没有 xlsx，是不是又把文件放桌面上了")

    df = pd.concat([load_one(f) for f in files], ignore_index=True)
    df["date"] = pd.to_datetime(df["date"])
    df = df.groupby(["date", "channel"], as_index=False).sum()
    df = df.sort_values(["date", "channel"])

    # 跟上一天比，看环比
    df["cost_delta"] = df.groupby("channel")["cost"].pct_change().round(4)
    # CPA：花多少钱换来一个转化
    df["cpa"] = (df["cost"] / df["conv"]).round(2)
    return df


if __name__ == "__main__":
    result = merge_all(r"D:\投放数据\本周")
    out = r"D:\投放数据\汇总_本周.xlsx"
    result.to_excel(out, index=False)
    print(f"搞定，写在 {out}")
    print(result.tail(10))

# explain.py
# 用途：把汇总表变成一段能直接复制到群里的解读
import pandas as pd
from openai import OpenAI

client = OpenAI(base_url="https://你的中转地址/v1", api_key="sk-xxxx")

PROMPT = """
你是一个给运营看的数据解读助手。下面是本周各渠道的投放数据，JSON 格式。

严格按下面三段输出，不要加任何开场白和客套话：

第一段：一句话说清本周整体情况，说明涨了还是跌了、幅度多少。
第二段：挑出变化最大的 2 个渠道，每个渠道给一句原因推测，必须标明这是推测。
第三段：给一条下周能直接干的动作建议，要具体到"哪个渠道、做什么、预期什么"。

硬要求：
- 全中文，说人话，不许出现"赋能""抓手""闭环""生态位"这类词
- 所有数字只能来自下面的数据，一个都不许自己编
- 判断不了原因就直说判断不了，不许硬编

数据如下：
{data}
"""


def build_report(xlsx_path: str) -> str:
    df = pd.read_excel(xlsx_path)
    # 只喂最近的数据，全塞进去又贵又容易跑偏
    payload = df.tail(50).to_json(orient="records", force_ascii=False)

    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": PROMPT.format(data=payload)}],
        temperature=0.2,
    )
    return resp.choices[0].message.content


if __name__ == "__main__":
    print(build_report(r"D:\投放数据\汇总_本周.xlsx"))

# invoice_check.py
# 用途：批量读发票截图提成结构化字段，只把对不上的挑出来给人工看
import base64
import json
from pathlib import Path

import pandas as pd
from openai import OpenAI

client = OpenAI(base_url="https://你的中转地址/v1", api_key="sk-xxxx")

SCHEMA = {
    "seller": "销售方名称",
    "amount": "价税合计金额，只要数字",
    "invoice_no": "发票号码",
    "date": "开票日期，格式 YYYY-MM-DD",
}


def extract_one(img_path: Path) -> dict:
    b64 = base64.b64encode(img_path.read_bytes()).decode()
    prompt = f"""
这是一张发票图片。请提取下面这些字段，只返回 JSON，不要解释，不要 markdown 代码块：
{json.dumps(SCHEMA, ensure_ascii=False)}

识别不清的字段填 null，不许猜。
"""
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[
            {
                "role": "user",
                "content": [
                    {"type": "image_url",
                     "image_url": {"url": f"data:image/png;base64,{b64}"}},
                    {"type": "text", "text": prompt},
                ],
            }
        ],
        temperature=0,
    )
    return json.loads(resp.choices[0].message.content.strip())


def check_all(img_dir: str, claim_xlsx: str):
    claim = pd.read_excel(claim_xlsx)
    known = set(claim["发票号码"].astype(str))
    known_amount = dict(zip(claim["发票号码"].astype(str), claim["金额"]))

    problems = []
    for p in sorted(Path(img_dir).glob("*.png")):
        try:
            info = extract_one(p)
        except json.JSONDecodeError:
            problems.append((p.name, "返回的不是合法 JSON，得人工看"))
            continue

        no = info.get("invoice_no")
        if not no:
            problems.append((p.name, "号码没识别出来，得人工看"))
            continue
        if no not in known:
            problems.append((p.name, f"号码 {no} 报销单里没有"))
            continue
        # 金额对不上也要挑出来，哪怕差一块钱
        if info.get("amount") is not None and abs(float(info["amount"]) - float(known_amount[no])) > 0.01:
            problems.append((p.name, f"金额对不上：发票 {info['amount']}，报销单 {known_amount[no]}"))
    return problems


if __name__ == "__main__":
    rows = check_all(r"D:\发票\10月", r"D:\发票\报销单.xlsx")
    if not rows:
        print("全部对上了，可以直接过")
    for name, why in rows:
        print(f"[要人工看] {name} -> {why}")

# need_translator.py
# 用途：把同事的一句人话，自动补全成能直接喂给大模型的任务单
import json
from openai import OpenAI

client = OpenAI(base_url="https://你的中转地址/v1", api_key="sk-xxxx")

TEMPLATE = """
你是需求翻译官。下面这句话来自一位非技术同事，表达通常很模糊、缺信息。

请补全并输出一个 JSON 任务单，字段如下：
- goal: 他最终想拿到什么（一句话）
- audience: 这个东西给谁看
- inputs: 他已经有的材料（数组，没有就填空数组）
- missing: 还缺哪些信息，必须列出来让他去补（数组）
- steps: 拆成 3 到 5 步，每步一句话，动词开头
- risk: 这件事交给 AI 做，最可能在哪里出问题（一句话）

只输出 JSON，不要任何解释。原话：{raw}
"""


def translate(raw: str) -> dict:
    resp = client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": TEMPLATE.format(raw=raw)}],
        temperature=0.1,
    )
    return json.loads(resp.choices[0].message.content)


if __name__ == "__main__":
    result = translate("帮我把这次活动的东西整理一下，领导要看")
    print(json.dumps(result, ensure_ascii=False, indent=2))

{
  "goal": "产出一份本次活动复盘材料",
  "audience": "部门领导",
  "inputs": [],
  "missing": [
    "活动的全量数据（报名、到场、转化）",
    "活动预算与实际花费",
    "领导最关心哪个指标"
  ],
  "steps": [
    "收集活动全量数据并核对口径",
    "按目标、结果、差距三段整理",
    "挑出两个做得好的点和两个问题点",
    "补上下次具体可执行的改进动作",
    "压缩成一页，重点数据放最上面"
  ],
  "risk": "不先确认领导关注点，很容易写成流水账"
}