PandasAI 新手第一练：一个可交付的小任务
先说清楚它是什么：PandasAI 属于「数据与分析」方向的开源项目，用自然语言对 DataFrame 提问的开源库。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：评测大模型应用
目标：用 PandasAI 完成一次「评测大模型应用」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：一批真实用户问题和应用回答（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：评分标准清晰可复用。
- 保存提示词与最终结果，写三行复盘。
为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「指标异动解读」，或者把这次的流程分享给同事一起试。
更多可以试的用法
图表建议
准备材料：一组需要汇报的数据。
根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。
检查点：指出了误导风险。
自然语言问数
输入：一张销售明细表。
请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。
检查点：给出了可复核的计算过程。
数据清洗方案
准备材料：一份有缺失和异常值的数据。
分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。
交付前确认：说明了处理对结论的影响。
常见问题：生成的 SQL 运行报错
提供准确的表结构和字段说明，先在测试库运行。
常见问题：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
常见问题：敏感数据暴露给模型
使用脱敏视图或只读账号，限制可访问的表。
概念补充：语义层
把业务指标定义统一管理，让 AI 查询时口径一致。
概念补充：评测集
用于反复检验模型或应用效果的标准问题集合。
适合人群：财务人员
财务人员可以用 PandasAI 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。
适合人群：咨询顾问
咨询顾问可以用 PandasAI 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。
适合人群：电商运营
电商运营可以用 PandasAI 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。
注意事项
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。
文中提示词和示例仅作示意，实际效果取决于你的材料和 PandasAI 当前版本，重要内容请人工核对后再使用。