MarsCodeCAC提示词拆步骤榜单：不跳跃的5种实用技巧

使用 MarsCode 的 CAC 提示词进行渠道复盘时，常见瓶颈在于模型输出过于笼统。反复出现的“优化投放策略”或“加强内容运营”等结论，根本无法体现从数据清洗、归因建模到 ROI 反推的完整执行链路。根源在于提示词未将动作拆解到可执行的最小粒度。

如何将宏观方向拆解为可落地的执行步骤？以下方法提供具体操作指引。

第一步：精确定位原始数据源

确保模型可访问真实数据源。在 MarsCode 当前项目中，展开左侧 Data 面板下的 acquisition_logs 文件夹，选择最新日期的 raw_logs_20260617.csv 文件，右键复制绝对路径：【/project/data/acquisition_logs/raw_logs_20260617.csv】。切忌使用相对路径或截图，模型无法识别真实数据锚点，后续所有计算将偏离正确方向。

在提示词首行直接粘贴该路径，后跟冒号并换行，例如：
/project/data/acquisition_logs/raw_logs_20260617.csv：

第二步：分三步强制执行清洗、归因与归因验证

引导模型分步骤执行，以下两种方法均能有效提升精确度。

方法一：分号硬性分段

在路径后直接写入：「;清洗：删除 utm_campaign 为空、install_time 早于 2026-06-15 00:00:00 的行；归因：按 device_id+install_time±30s 匹配首条广告曝光日志，取曝光日志中 source 字段为归因渠道；验证：对归因结果抽样 100 条，比对 install_time 与曝光时间差是否 ≤30s，输出不符合数占比」。

方法二：序号锚定，禁止跳步

① 清洗阶段：执行 df = pd.read_csv(路径) → df = df.dropna(subset=['utm_campaign']) → df = df[df['install_time'] >= '2026-06-15']
② 归因阶段：加载曝光日志 → 按 device_id 合并 → 计算 install_time 与曝光时间差 → 取差值最小且 ≤30s 的曝光记录
③ 验证阶段：生成 diff_seconds 列 → 统计 diff_seconds > 30 的数量 / 总数 → 输出百分比数值

需明确指定「取差值最小且 ≤30s」，否则模型默认取第一条匹配记录，引发归因偏差。

第三步：强制禁止跨步骤推理

在提示词末尾添加硬性约束：禁止使用「因此」「可见」「说明」等总结性连词；每步输出必须为独立代码块或纯数值结果，不得附带解释；若需中间变量，强制添加 _step1_cleaned / _step2_attributed / _step3_verified 后缀。

实现方法简单：将后缀规则直接写入提示词。执行后验证输出是否符合要求：第一段代码块末尾需包含 `.to_csv()` 或 `print(df.shape)`；第二段必须出现 `merge()` 调用与 `source` 字段提取；第三段仅输出一个如 `0.037` 的纯数字，不含过渡句或任何冗余解释。

必须按三步执行：①清洗数据并保存为 _step1_cleaned；②归因匹配曝光日志并提取 source 字段为 _step2_attributed；③验证时间差并输出不符合占比纯数字为 _step3_verified。