李浩鸣 

香港城市大学数据科学专业在读研究生

在这个文件里，我已经上传好了客户满意度的数据集。现在我们先看数据读取，这些代码，如果大家不熟悉，也不用担心，通过和鲸社区已经配置好的代码片段就可以实现，不需要深入了解代码是如何编写的。该数据集包含近 13 万条记录、22 个维度，涵盖分类变量、顺序变量和数值变量。如果按照传统方式，绘制数据可视化图表需要编写大量代码，但这次我全程零代码，仅通过大模型完成。

那如何了解这个数据集里每一个变量的唯一值呢？我通过DeepSeek来帮我实现。我下达的prompt是“如何遍历数据表中每一列的唯一值，请生成代码”。代码运行之后，把统计信息、唯一值和计数同时生成出来。不过，这样直接看数据还是不够直观。于是，我让大模型进一步了解数据集的维度。我将数据集的前十行赋给名为temp的变量，并要求大模型将这个temp以csv文件的形式另存再同一文件夹中。大模型根据这些信息，生成了一系列代码。我选取其中对分类变量进行可视化的代码运行，用户是否满意、客户类型、旅行类型、仓位等级等分类变量都以可视化图表呈现，变得更加直观。

接着，我又截取了一段代码，想对评分变量进行可视化。运行时却报错了，我直接把报错信息发给大模型，它很快就给出了解决方案，原来是Python的seaborn存在兼容性问题，按照大模型给出的修改说明，重新替换代码后，顺序变量的数据可视化图表就顺利生成了。之后，在处理年龄分布、航班距离分布等数据时，虽然也遇到同样的报错，但用同样的方法，都成功生成了对应的图表。上述这些案例说明，大模型能为科研绘图和数据可视化提供高效思路。

接下来，我给大家演示一下在企业场景中，如何利用大模型实现SDR工作流的效率提升。SDR 每天要对接市场提供的优质线索，与客户进行3至5场会议。以往，整理一场会议纪要、提取关键信息并传递给销售，需要数个小时，但借助大模型，整个流程可缩短在几分钟内完成。

公司常用飞书协作，我设计了两种实现方案：一是调取飞书API实现数据写入；二是构建自己定制化的AI小程序。我以调用飞书API为例，将腾讯会议智能转写、飞书妙记提取的文字作为输入，通过DeepSeek-V3大模型生成 json格式化数据，再调用飞书API自动写入表格。基本功能实现后，我会对代码进行优化，提高代码的可读性，并进行封装，做成应用，这样公司其他同事，哪怕编程基础不太好，也能直接使用。

我给大模型的prompt是：“你是一个资深的飞书应用开发者，如何去实现数据写入的功能？”DeepSeek不仅给出代码，还详细说明关键步骤，如获取 access token、APP token和table ID。这里要特别注意，access token 有效期仅2小时，需要在企业自建飞书机器人应用，并配置APP ID和 APP Secret。

设置好会议主题、日期、重点内容等字段后，我先测试基本功能，数据顺利写入飞书表格。但实际会议纪要更复杂，于是我再次要求大模型扩充代码，实现智能结构化提取。大模型生成的代码添加了调试机制，即使遇到报错也能快速定位。我用一段非标准格式的会议纪要测试，运行后，大模型精准提取关键信息，自动写入表格，效率大幅提升。

这两个案例看似与传统科研项目无关，但从优化工作流、降低人力成本的角度看，它们同样具有科研价值。更多大模型赋能工作流的案例，比如微信客户批量添加、消息自动回复等，大家可以在Github搜索LHMQ878获取详细代码参考。

通过这两个案例，我们看到大模型在会议纪要处理、数据解析等场景中展现出惊人的效率。但随之而来的问题是：当技术能替代大量重复性工作，人类的角色是否会被削弱甚至取代？在我看来，大模型更像是一个 “超级实习生”，它能快速生成多种方案，但无法判断哪种最适合特定客群。因为它本质是数据与信息的重组，而人类需要明确目标，对其进行引导和干预。

通过大模型，我们可以完成很多辅助工作，比如提高工作效率、撰写文案、生成代码等等。举个实践场景，假如你在凌晨三点需要赶PPT，不妨试试借助大模型，说不定能帮你高效完成。同时，与大模型交流时，提示词至关重要。这里我分享一个三维的提示公式：明确告知大模型你希望它扮演的角色，引导它按照特定方向思考，最后清晰说明你想要达到的效果。

在个人发展层面，人工智能已成为未来趋势，善用大模型的人将更具竞争力。作为学生或科研工作者，我们可以借助大模型快速学习专业知识，实现自我提升。正如Shopify CEO在内部备忘录中所说：“人工智能不再是选择题，而是生存的必须。” 希望大家都能拥抱这股数字化浪潮，让人工智能成为放大人类潜力的工具，而不是被其取代。