怎么能让ai更好的读我的prompt里 结构化数组对象数据呢？
问：怎么能让ai更好的读我的prompt里 结构化数组对象数据呢？内容很长感觉就被遗弃了一些
答：由于上下文窗口的限制，所以无法给很长的内容，并且由于大语言模型并不擅长数学，所以它也无法帮助你基于你提供的结构化数据去做计算。这时候最好是大语言模型结合代码。并且不用担心，像 ChatGPT、Claude 都可以自动帮你生成代码去分析你提供的数据，当然你也可以自己去写代码去实现。
基本原理是这样的：
在给大语言的 prompt 里面，你只需要提供你结构化数据的数据结构，可以辅助给一些示例数据，而不需要给完整数据，这样就不会让输入的数据在 Prompt 中太长
说明你要对数据操作、分析的需求是什么
让 AI 基于你的需求去生成代码，然后用代码去读取数据，并生成结果
比如说，我把我 X 上的访问数据导出成 csv 文件，包含每一天的访问量，然后我把这个数据提交给 ChatGPT（Claude也可以），让它帮我：“分析我这一年的推文数据中，是哪个月访问量最大？哪一周访问量最大？哪一天访问两最大？”
ChatGPT 首先会对我的数据进行抽样，了解我的数据结构是什么样的。
然后根据需求去生成代码，最后运行代码获得结果。
Claude 也是类似，唯一的差别是 ChatGPT 用 Python，而 Claude 使用 JavaScript。
Claude 返回结果：
我来帮您分析这些数据。我会使用分析工具来处理CSV文件，查看不同时间维度的访问量（Profile visits）数据。
```js
// 读取并解析CSV文件
const fileContent = await window.fs.readFile('account_overview_analytics 2.csv', { encoding: 'utf8' });
import Papa from 'papaparse';
const parsedData = Papa.parse(fileContent, {
header: true,
dynamicTyping: true,
skipEmptyLines: true
});
const data = parsedData.data;
// 按月份分组
const monthlyVisits = {};
data.forEach(row => {
const date = new Date(row.Date);
const monthKey = `${date.getFullYear()}-${String(date.getMonth() + 1).padStart(2, '0')}`;
if (!monthlyVisits[monthKey]) {
monthlyVisits[monthKey] = 0;
}
monthlyVisits[monthKey] += row['Profile visits'] || 0;
});
// 找出访问量最大的月份
const maxMonthVisits = Object.entries(monthlyVisits)
.sort((a, b) => b[1] - a[1])[0];
console.log('月度访问量最高：', maxMonthVisits);
// 按周分组
const weeklyVisits = {};
data.forEach(row => {
const date = new Date(row.Date);
const weekNumber = getWeekNumber(date);
const weekKey = `${date.getFullYear()}-W${String(weekNumber).padStart(2, '0')}`;
if (!weeklyVisits[weekKey]) {
weeklyVisits[weekKey] = 0;
}
weeklyVisits[weekKey] += row['Profile visits'] || 0;
});
// 找出访问量最大的周
const maxWeekVisits = Object.entries(weeklyVisits)
.sort((a, b) => b[1] - a[1])[0];
console.log('周访问量最高：', maxWeekVisits);
// 找出访问量最大的天
const dailyVisits = data.map(row => ({
date: row.Date,
visits: row['Profile visits'] || 0
}));
const maxDayVisits = dailyVisits.sort((a, b) => b.visits - a.visits)[0];
console.log('日访问量最高：', maxDayVisits);
// 辅助函数：获取日期所在的周数
function getWeekNumber(date) {
const d = new Date(Date.UTC(date.getFullYear(), date.getMonth(), date.getDate()));
const dayNum = d.getUTCDay() || 7;
d.setUTCDate(d.getUTCDate() + 4 - dayNum);
const yearStart = new Date(Date.UTC(d.getUTCFullYear(),0,1));
return Math.ceil((((d - yearStart) / 86400000) + 1)/7);
}
```
根据分析结果：
1. 访问量最高的月份是 2024年2月，总访问量达到了 25,317 次
2. 访问量最高的周是 2024年第7周（2月中旬），访问量为 9,537 次
3. 访问量最高的单日是 2024年2月16日（星期五），当天访问量达到了 4,203 次
看起来2月份是您账号表现最好的时期，特别是2月中旬的那一周。您是否记得在2月16日发布了什么特别的内容，导致访问量激增？这可能对您未来的内容策略有所启发。
如果您想了解更多细节，比如具体的内容类型分析或者其他指标（如互动率、关注率等），我也可以为您进一步分析。ChatGPT:
```python
import pandas as pd
# Load the CSV file to analyze the data
file_path = '/mnt/data/account_overview_analytics (2).csv'
data = pd.read_csv(file_path)
# Display the first few rows to understand the structure of the data
data.head()
```
Result:
```
Result
Date Impressions Likes Engagements Bookmarks Shares \
0 Fri, Dec 27, 2024 17955 65 405 29 1
1 Thu, Dec 26, 2024 1126219 2870 21818 1386 65
2 Wed, Dec 25, 2024 1657311 4312 19589 1544 78
3 Tue, Dec 24, 2024 401326 1424 12266 749 41
4 Mon, Dec 23, 2024 467837 1528 16703 782 43
New follows Unfollows Replies Reposts Profile visits Create Post \
0 4 0 10 10 35 0
1 206 39 198 427 1099 1
2 361 23 179 667 1700 3
3 141 15 153 272 517 5
4 96 27 217 260 559 2
Video views Media views
0 242 346
1 22707 88041
2 12096 23161
3 17368 42005
4 34821 77995
```
The dataset includes columns such as `Date`, `Impressions`, `Likes`, and others. To answer your questions regarding:
1. **Month with the maximum impressions**: I'll group the data by month and calculate total impressions.
2. **Week with the maximum impressions**: I'll group the data by week and calculate total impressions.
3. **Day with the maximum impressions**: I'll find the single date with the highest impressions.
Let me proceed with the calculations.
```python
# Convert the 'Date' column to a datetime format for easier grouping
data['Date'] = pd.to_datetime(data['Date'], format='%a, %b %d, %Y')
# Add helper columns for month and week
data['Month'] = data['Date'].dt.to_period('M')
data['Week'] = data['Date'].dt.isocalendar().week
# Group by month and sum the impressions
monthly_impressions = data.groupby('Month')['Impressions'].sum()
# Group by week and sum the impressions
weekly_impressions = data.groupby('Week')['Impressions'].sum()
# Find the day with the maximum impressions
max_day = data.loc[data['Impressions'].idxmax()]
# Extract the results
max_month = monthly_impressions.idxmax()
max_month_value = monthly_impressions.max()
max_week = weekly_impressions.idxmax()
max_week_value = weekly_impressions.max()
max_day_date = max_day['Date']
max_day_value = max_day['Impressions']
(max_month, max_month_value, max_week, max_week_value, max_day_date, max_day_value)
```
Result
```
(Period('2024-02', 'M'),
22484999,
7,
7480737,
Timestamp('2024-02-16 00:00:00'),
2753640)
```
Here is the analysis of your tweet impressions:
1. **Month with the maximum impressions**: February 2024, with a total of 22,484,999 impressions.
2. **Week with the maximum impressions**: Week 7 (mid-February 2024), with a total of 7,480,737 impressions.
3. **Day with the maximum impressions**: February 16, 2024, with 2,753,640 impressions.
Let me know if you'd like a more detailed visualization or further breakdown!