基于AI的零件分类工作流程，适用于大型CSV/Excel数据

首先，这个任务无法一次性完成。你需要将其分解为更简单的子任务，并让AI辅助你半手动完成。 难点： 1. 需要读取Excel数据 2. 需要AI对每条记录进行分类 3. 需要将结果写回Excel 4. 无法一次性处理20,000条记录，需要拆分为多个批次，然后合并 以下是我的处理思路： 1. 将Excel导出为CSV，仅保留分类所需的字段，但两个字段是必需的：零件ID和零件描述。大型语言模型处理文本效果良好且成本较低，纯文本应足够。多模态会更复杂。 2. 使用程序将大型CSV拆分为多个较小的CSV文件。20,000条记录无法放入上下文窗口。测试每批处理多少条记录效果最佳（例如，100条、50条、10条）。 3. 编写一个提示词，根据输入的零件ID和描述生成分类。这是核心任务： a) 预定义类别供LLM选择 b) 定义输出数据结构（JSON、XML、YAML或CSV），便于解析 c) 编写提示词以输出所需结构 GPT-4o的示例提示词： 我有一个包含20,000行碎片化零件描述的Excel。我希望AI对每一行进行分类。请生成： - 5条详细的零件描述，每条约一段 - 一套完整的零件类别，约10项 - 一个提示词，以零件ID和描述作为输入，并以JSON格式返回对应类别。输入示例：[{"id": "123", "description": "XXXXX"}, {"id": "345", "description": "YYYY"}]。输出示例：{"123": "cat1", "345": "cat2"} 4. 编写程序调用LLM API： a) 每次读取一个小CSV文件 b) 解析CSV获取零件列表 c) 使用提示词和零件列表调用LLM API d) 解析API响应以获取ID-类别映射 e) 保存为添加了类别的新CSV f) 重复直到所有文件处理完毕 5. 将所有已分类的CSV文件合并为一个大型CSV，并导入回Excel。 关键是将复杂问题分解为更小的子问题，并在每一步使用AI。遇到问题时，向LLM寻求帮助。