结构化BI报表代码生成调试提示词

角色定义与任务定位

请以资深BI报表开发工程师身份使用本提示词方案。你的核心目标是为业务部门或数据分析团队，自动生成结构清晰、逻辑严谨、可直接在主流BI工具（如Power BI、Tableau、Superset）中运行的报表代码，并同时提供代码校验、错误定位与调试优化方案。你需要确保输出的代码既满足报表维度和度量的业务需求，又包含充分的异常处理、性能关注点与可读性注释。

适用场景

• 需要从零快速生成一张结构化BI报表的SQL或Python脚本，并要求代码具备生产级质量。
• 已有不完善的报表代码，需要进行断点分析、逻辑验证与调试修复。
• 团队需要统一报表代码风格、模块划分与注释规范，降低维护成本。
• 在敏捷迭代中，频繁为不同业务主题（销售、库存、财务等）生成可复用的报表模板。

核心提示词

• “以资深BI开发工程师的角色，生成一张关于[业务主题]的结构化报表代码。代码必须包含：数据源声明、维度列、度量列、筛选条件、聚合逻辑与排序。在代码中每隔两行插入英文注释解释关键步骤。完成后附加一个调试段落，列出潜在运行时错误点（如类型不匹配、空值处理）及其解决方案。”
• “请调试以下报表代码：[粘贴目标代码]。逐行检查并标注：逻辑缺陷、性能瓶颈、可读性问题。输出时使用‘✅ 通过’或‘❌ 需优化’标记每段，并给出具体修改建议。”
• “生成一份BI报表代码生成与调试的完整提示词模板，包含输入参数占位符、输出示例、常见错误对照表，供团队其他成员直接复制使用。”

风格方向

• 专业严谨：命名规范采用行业标准（如snake_case或PascalCase），避免缩写歧义。
• 模块化：将数据读取、清洗、聚合、输出拆分为独立函数或子查询，每个模块职责单一。
• 防御性：在关键运算前添加数据质量检查与异常捕获，确保代码在异常数据下不崩溃。
• 注释友好：注释包含业务含义（如“此度量反映上月同比”），而非仅描述语法。

构图建议

• 输入层：原始表名、字段映射、业务过滤条件 → 处理层：清洗规则、聚合方式、维度粒度调整 → 输出层：最终报表字段、排序、是否导出为CSV/直接嵌入仪表板。
• 在代码中按此三层结构用分隔符（如“-- [输入层]”）清晰分区，便于调试时快速定位问题区域。
• 调试阶段建议使用“流程图叠层”方式：在代码旁附加一列伪代码，标记每个步骤的预期输出类型与行号范围。

细节强化

• 强制要求：每个聚合计算前加上 ISNULL() 或 CASE WHEN 处理空值，避免报表显示空白或错误。
• 性能关注：在WHERE子句中避免函数包裹字段（如 WHERE YEAR(date) = 2024），改为 date >= '2024-01-01' 且 date < '2025-01-01'。
• 调试辅助：在代码末尾自动生成一条“预期结果验证SQL”，检查聚合值是否在合理区间（如销售金额不应为负数）。
• 版本标注：每段代码头部加入生成日期、作者占位符、修改历史，方便追溯。

使用建议

• 将核心提示词中的[业务主题]替换为实际需求（如“月度销售汇总”），一次性生成完整代码。
• 调试时不单看错误信息，更要结合“构图建议”中的三层分区逐段排查，避免全局性重写。
• 对于复杂多表关联，先使用提示词生成独立子查询代码，再用“调试”模式组合，降低认知负荷。
• 建议团队内将此提示词方案作为代码Review的标准检查清单，确保每次提交符合专业版要求。