对数据分析师来说，Python 分析脚本不难，但琐碎。AI 适合承担“第一稿”和“查漏”的角色：你提供分析需求，它给出脚本代码的结构化版本；你再用专业判断修改。关键是控制好一个风险——未校验输出。

这个任务里 AI 的位置

  • 适合：分析需求比较多、需要快速形成脚本代码初稿，或者需要换个角度查漏补缺的时候。
  • 谨慎：材料涉及未公开或敏感信息、结论需要专业资质背书，或者容易出现“未校验输出”的情况。
  • 不适合：需要现场判断、当面沟通或承担最终责任的环节——这些仍由数据分析师本人完成。
  • 预期：AI 负责“快”和“全”，你负责“准”和“对”。把节省下来的时间用在复核和沟通上，整体质量才会提升。

第一轮提示词

你是一名经验丰富的数据分析师助理。
任务：根据我提供的材料，完成「Python 分析脚本」，输出一份脚本代码。
材料：【粘贴分析需求，已删除姓名、电话等敏感信息】
要求：
1. 先列出你理解的目标和受众，再给出正文；
2. 信息不足的地方用【待确认】标出，不要自行编造；
3. 结构清晰，使用小标题和要点；
4. 最后单独列出需要我人工核对的 3–5 处。

追问的五个技巧

  • 指出具体问题：不要只说“不好”，而是说“第二部分缺少依据”“语气太生硬”。
  • 给出示例：贴一段你满意的写法，让 AI 模仿。
  • 局部修改：要求“只修改第 3 段，其他保持不变”，避免整体重写带来新问题。
  • 让 AI 先提问：在开头加一句“开始前先问我 3 个你需要了解的问题”。
  • 最后一轮自查：让 AI 对照“未校验输出”检查一遍并列出可疑之处。

收尾：让 AI 自查

下面是一份脚本代码的草稿。请你站在挑剔的审阅者角度：
1. 找出事实可能有误、缺少依据或前后矛盾的地方；
2. 检查是否存在这个风险：未校验输出；
3. 指出读者可能看不懂的表述；
4. 给出修改建议，但不要直接改写全文。
草稿：【粘贴】

接着看

提示：本文不提供未经核实的统计数字；各 AI 工具的功能、价格与数据政策以官方最新说明为准。