分析报告-技能文件怎么处理大数据文件内容
目录
- 分析报告-技能文件怎么处理大数据文件内容
- 一、根因表索引号是怎么来的（步骤 1 → 步骤 4）
- 1）先在 pandas 里算出「候选标签组」（无 LLM）
- 2）每组挑 12 个工单做摘录（仅 3 个字段，不传整段对话）
- 3）一批 4 组一起塞进一个 prompt（不是一个一个丢）
- 4）「根因（参考）」「改善方向（参考）」也是这一次 LLM 输出的
- 5）二次校验：工单号必须落在允许集
- 二、原始 CSV 对话数据是怎么投入 LLM 的（直接答你最后一问）
- 三、几个容易踩坑的细节
下面按「数据真源 → LLM 输入 → LLM 输出 → 索引号校验」四段拆开讲清楚，
结论先说：
不是逐条把原始对话丢给 LLM。索引号（即「涉及工单号」单元格里那几条
#YYYYMMDD-NNNNN）走的是「pandas 先按二级标签聚合 → 给每组挑最多 12 个样本工单号 → 摘录 3 个打标字段送进 LLM → LLM 从允许集中选回 1~8 个 → 二次校验过滤」这条流水线。LLM 拿到的从来不是原始 CSV 的整段英文对话（"工单内容"列），而是已经被预打标处理过的「核心故障现象 + 客服故障定位结论」摘录。
一、根因表索引号是怎么来的（步骤 1 → 步骤 4）
1）先在 pandas 里算出「候选标签组」（无 LLM）
aggregate_csv一次性扫 CSV，按(一级标签, 二级标签)拼 key，逐行累加 Counter，并把工单号塞进对应组的pair_tickets列表里（每组最多 80 个，按出现先后）：
for chunk in iter_csv_c
)
