必须按三步执行：①清洗数据并保存为_step1_cleaned；②归因匹配曝光日志并提取source字段为_step2_attributed；③验证时间差并输出不符合占比纯数字为_step3_verified。
☞☞☞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☜☜☜
你在MarsCode里用CAC（Customer Acquisition Channel）提示词做渠道复盘时，常遇到模型输出“优化投放策略”“加强内容运营”这种空泛结论，根本看不出从数据清洗→归因建模→ROI反推的完整链路，说明提示词没把动作拆到可执行粒度。
第一步：锁定原始数据源位置
打开MarsCode当前项目→点击左侧「Data」面板→展开「acquisition_logs」文件夹→找到最新日期的raw_logs_20260617.csv文件→右键复制其绝对路径：【/project/data/acquisition_logs/raw_logs_20260617.csv】。这一步不能粘贴相对路径或截图，模型识别不到真实数据锚点，后续所有计算都会漂移。
在提示词开头直接粘贴该路径，后面加冒号和换行，例如：
/project/data/acquisition_logs/raw_logs_20260617.csv：
第二步：强制分三段执行清洗→归因→归因验证
方法一：用分号硬性切片
在路径后接：「;清洗：删除utm_campaign为空、install_time早于2026-06-15 00:00:00的行；归因：按device_id+install_time±30s匹配首条广告曝光日志，取曝光日志中source字段为归因渠道；验证：对归因结果抽样100条，比对install_time与曝光时间差是否≤30s，输出不符合数占比」。
方法二：用序号锚定不可跳步骤
① 清洗阶段：执行df = pd.read_csv(路径) → df = df.dropna(subset=['utm_campaign']) → df = df[df['install_time'] >= '2026-06-15']
② 归因阶段：加载曝光日志 → 按device_id合并 → 计算install_time与曝光时间差 → 取差值最小且≤30s的曝光记录
③ 验证阶段：生成diff_seconds列 → 统计diff_seconds > 30的数量 / 总数 → 输出百分比数值
【必须写明“取差值最小且≤30s”，否则模型会默认取第一条匹配，导致归因错位】
第三步：禁用跨步骤推理
在提示词末尾加一句硬约束：「禁止出现‘因此’‘可见’‘说明’等总结性连接词；每个步骤输出必须是独立代码块或数值结果，不带解释性文字；若需中间变量，命名必须含_step1_cleaned / _step2_attributed / _step3_verified后缀」。
这一步操作起来很简单，直接把后缀规则写进提示词就行。
运行后检查输出：第一段代码块结尾必须有.to_csv()或print(df.shape)，第二段必须有merge()调用和source字段提取，第三段必须只输出一个0.037这样的纯数字——没有过渡句，没有“综上所述”，没有“建议”。
