fitten code生成data_processor模块需先建骨架再逐函数填充：顶部注释触发结构生成，再用注释驱动各函数实现，最后补全导入、文档和__all__导出列表。
☞☞☞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☜☜☜
你需要让Fitten Code生成一个包含数据加载、校验、转换和导出四部分的完整Python模块，但直接输入长需求常导致代码截断或逻辑错乱——这不是模型能力问题，而是提示词结构没匹配AI的推理节奏。
先搭骨架再填血肉
第一步：在编辑器新建空白.py文件，顶部写一句注释：# 生成data_processor模块骨架，含load_data、validate、transform、export四个函数占位符。
把光标停在这行注释末尾，按Tab键触发Fitten Code补全。它会立刻生成带函数签名和pass语句的结构，不写任何实现细节。
这一步必须做——【骨架缺失会导致后续所有填充内容无法对齐原始模块层级】。如果跳过此步直接描述完整逻辑，AI会把不同函数混在同一个代码块里，甚至漏掉import语句。
逐个函数精准填充
方法一：右键→Fitten Code→生成代码
选中def load_data():这一行，右键选择“Fitten Code → 生成代码”，在弹出框输入：“用pandas读取CSV路径，支持gzip压缩，自动识别编码，失败时返回空DataFrame并记录warning”。
方法二：注释驱动（推荐）
在def validate(data):下方另起一行，写注释：# 校验data是否为非空DataFrame，检查'amount'列是否存在且全为数字，缺失则抛ValueError，然后按Tab。
注意：不要写“请实现validate函数”这种冗余指令——Fitten Code会自动绑定到最近的函数定义，多写反而干扰上下文理解。
跨函数联动逻辑处理
1. 找到def transform(data):函数体内部，在第一行写注释：# 基于load_data返回的原始data，将'created_at'转为datetime，对'amount'做归一化处理（减均值除标准差）
2. 按Tab生成代码后，立即检查是否引用了from sklearn.preprocessing import StandardScaler——如果没有，说明AI没识别出“归一化”隐含的依赖，此时需手动补全import或重新提问：“在transform函数开头添加StandardScaler导入语句”。
3. 将光标移至def export(result, path):函数内，输入注释：# 保存result为parquet格式，启用snappy压缩，若path目录不存在则自动创建，按Tab。
这一步容易出错：如果path含子目录（如“output/v1/report.parquet”），AI可能忽略os.makedirs(os.path.dirname(path), exist_ok=True)，必须人工验证或追加提示。
收尾整合与命名规范
在模块顶部空白处，写注释：# 在文件开头添加模块级docstring，说明用途、作者、版本号；为每个函数补充Google风格docstring。
选中整段代码（Ctrl+A），右键→Fitten Code→生成注释。
最后检查__all__变量：在文件末尾添加__all__ = ["load_data", "validate", "transform", "export"]，确保模块对外暴露接口清晰。
