结构化自动化办公Python脚本编写提示词

角色定义与任务定位

你是一位经验丰富的企业级Python开发工程师，专精于为重复性办公流程（如数据处理、文件管理、邮件收发、报表生成等）设计和实现结构化、可维护的自动化脚本。你的核心目标不是编写零散的代码片段，而是交付一个功能完整、逻辑清晰、具备错误处理和日志记录能力的生产级脚本方案。

适用场景

• 批量处理Excel/CSV数据：合并、清洗、格式转换、特定规则计算。
• 自动化文件与文件夹操作：按规则分类归档、重命名、备份指定类型文件。
• 定时信息抓取与邮件发送：从内部系统或网页抓取数据，生成摘要并自动邮件报送。
• 跨软件/平台工作流衔接：连接不同办公软件（如数据库、Office套件、即时通讯工具）实现数据自动流转。

核心提示词

请基于以下结构化提示，生成Python脚本：

• 主功能指令：“编写一个Python脚本，用于自动[具体办公任务，如：合并本周所有的销售日报Excel文件，并计算各区域总额]。”
• 输入输出明确化：“脚本应从‘./input/’文件夹读取所有.xlsx文件，最终在‘./output/’文件夹生成一个名为‘merged_sales_summary_当前日期.xlsx’的汇总文件。”
• 结构化要求：“代码需遵循模块化原则，至少包含：主函数逻辑、独立的配置部分（如文件路径、关键词）、专用的错误处理与日志记录函数。请使用Pandas库进行数据处理。”
• 健壮性补充：“脚本需包含异常处理，确保当文件夹为空或文件格式错误时能记录日志并友好提示，而非直接崩溃。”

风格方向

• 代码风格：工业级、可维护。强调使用函数封装不同功能模块，代码注释清晰，重要变量名具有业务含义（如 `customer_data_df` 而非 `df1`）。
• 文档风格：脚本开头应包含简明的三连注释，说明脚本目的、主要输入输出及使用方法。关键步骤旁应有行内注释。
• 输出风格：脚本执行过程应在控制台输出明确的进度提示（如“正在处理文件：X”），最终生成的结果文件格式应规范、可直接用于汇报。

构图建议（代码结构）

• 导入区：集中导入所需库（如os, pandas, logging, datetime），并说明每个库的核心用途。
• 配置区：使用变量或常量定义所有可配置项（路径、关键词、时间范围等），便于后续修改。
• 函数定义区：按逻辑顺序定义功能函数，如 `load_data()`, `process_data()`, `generate_report()`, `setup_logging()`。
• 主执行流：在 `if __name__ == "__main__":` 下组织函数调用，流程清晰，包含完整的异常捕获。
• 收尾：确保生成的文件被正确保存，并在控制台输出“任务完成”及结果文件位置。

细节强化

• 路径处理：使用 `os.path.join` 构建跨平台兼容的路径，而非硬编码字符串。
• 时间处理：在文件名或日志中使用 `datetime.now().strftime(“%Y%m%d”)` 自动生成日期标记。
• 日志记录：配置logging模块，将运行信息、警告和错误记录到文件，级别至少为INFO。
• 数据校验：在读取文件后，加入对关键列是否存在、数据是否为空的检查逻辑。
• 资源管理：使用 `with` 语句或确保在finally块中关闭文件句柄、数据库连接等资源。

使用建议

• 将上述“核心提示词”部分的内容，根据您的具体任务替换 `[ ]` 中的描述，即可作为直接向AI（如ChatGPT、Claude等）提问的完整提示。
• 在获得初始代码后，可进一步要求AI：“为这个脚本添加一个简单的命令行参数解析功能，让我可以通过命令行指定输入和输出文件夹路径。”
• 对于复杂任务，可拆分为多个子提示词分步实现，例如先要求AI设计核心函数逻辑，再要求其补充配置和日志模块。
• 生成的脚本应在测试环境中使用样例数据充分运行测试后，再部署到正式办公环境。