☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
必须按业务语义生成可发布清洗规则：customer_id列中值为‘null’→转为空；amount列负值→删除整行；created_at列含‘30/may/2026’等三种格式→统一转为‘yyyy-mm-dd’；所有规则以列名开头、动词明确、阈值清晰、无模糊指代。
你需要让codeium生成的数据清洗规则能直接嵌入团队文档、交接给etl工程师或塞进airflow dag注释里，而不是每次都要人工补字段名、加阈值、改动词——可发布版本必须带业务语义、字段锚定、动作明确、边界清晰，且不依赖开发者二次解读。
第一步：用真实样例锁死数据形态
在提示词开头粘贴【data/orders_2026Q2.csv】前三行原始数据（含列头），一行不删、一个空格不少。这一步不能省，否则Codeium会按通用CSV结构脑补，比如把“30/May/2026”当成ISO格式而忽略斜杠分隔问题。
紧接着用中文直说你看到的脏数据：“customer_id列出现字符串‘NULL’而非None；amount列有负值但业务禁止退款单单独导入；created_at格式混杂，含‘30/May/2026’‘2026/05/31’‘31-May-2026’三种写法。”
【必须写具体值和分隔符，不能只说“日期格式不统一”——Codeium无法从模糊描述中提取正则锚点】。
第二步：强制绑定业务动词与校验阈值
用“必须满足以下全部条件”收口，逐条写死：
① 所有规则必须以列名开头，例如“customer_id列中值为‘NULL’ → 转为空”；禁止出现“该字段”“对应列”等指代。
② 每条规则含唯一动作动词：转为空、替换为、删除整行、标记为异常、截断至X位小数。不允许“清洗”“处理”“标准化”这类无指向动词。
③ 数值类规则必须带阈值：如“amount
④ 字符串操作必须指定trim范围：如“customer_id列 → trim()仅去首尾空格，不处理中间连续空格及全角空格”。
第三步：指定输出结构，禁用技术黑话
在提示词末尾加一句：“严格按以下四区块顺序输出，不得合并、拆分或增减：① 清洗目标（一句话，主语是文件名，如‘将【data/orders_2026Q2.csv】中手机号转为11位纯数字’）；② 原始问题模式（表格，列名：问题现象|正则表达式|替换动作）；③ 边界校验逻辑（Python伪代码，只准用if/else、len()、isdigit()、replace()、pd.isna()）；④ 异常样本兜底说明（列举1条无法自动修复的样本，如‘+86 (138) 1234-5678 → 含括号+国家码+短横线，需人工核对后录入’）。”
这一步操作起来很简单，直接复制粘贴即可。但漏掉任一区块，输出就无法直接贴进清洗脚本的docstring里。
第四步：注入真实约束，避免理想化方案
第一步：写明数据来源与更新节奏，例如“该文件来自iOS端埋点日志，每日增量约20万条，清洗需在2分钟内完成”。
第二步：标注资源限制，例如“测试环境内存上限4GB，禁止使用df.fillna(method='ffill')全量前向填充”。
第三步：绑定角色权限，例如“你是一名数据平台组SRE，无权修改上游Kafka Schema，但可要求业务方在event中增加country_code字段”。
【不写这些，Codeium会默认用Pandas全量加载+fillna均值，而你的生产环境根本跑不动】。
第五步：加版本与生效声明，锁定可发布性
在提示词最后追加：“末尾另起一行，写：【版本】v20260617；【生效时间】2026年6月18日00:00起执行；【适用环境】仅限prod-data-pipeline-v3集群。”
这三行必须用【】包裹，且字段名、时间、环境名与你实际系统完全一致。Codeium会原样输出，下游团队可直接抄进部署清单。
