Статья

Нейросеть для кода Python: как собрать проект в Schai GPT

Нейросеть для кода Python: как собрать проект в Schai GPT

Profile SchaiProfile Schai·3 дн назад·
33
··3·
Если коротко, Schai GPT может собрать многофайловый проект на Python, показать исходники с путями прямо в чате и отдать их одним ZIP-архивом. Опишите входные данные, ожидаемый результат, файлы проекта и проверочные примеры. Затем скачайте архив, прочтите исходники и запустите тесты локально на учебных данных.
Это Profile. Возьмём небольшую задачу, для которой действительно нужны несколько файлов: подсчитать количество заявок по площадкам из CSV. В одном файле будет запуск программы, в другом — обработка данных, рядом будут тест и инструкция. На таком проекте видно, какие подробности стоит сообщить нейросети для кода Python и как принять результат по проверяемым признакам.

Когда просить проект, а когда хватит фрагмента

Если нужно понять, как работает одна строка Python, достаточно примера в ответе. Проект имеет смысл, когда у задачи есть несколько частей, у каждой своя роль и вы хотите перенести их на компьютер вместе. В нашем случае программа читает CSV, группирует строки, пишет новый файл и сообщает об ошибках. Отдельный тест проверяет подсчёт на данных, где правильный ответ известен заранее. README объясняет запуск человеку, который не видел чат.
В Schai GPT за такой результат отвечает инструмент сборки многофайловых проектов. Запросите именно проект с исходниками и архивом и перечислите, что должно в него попасть. После успешной сборки чат покажет имена и содержимое файлов. Архив удобен тем, что сохраняет относительные пути: если тест лежит в отдельной папке, на компьютере он окажется там же.
В этом сценарии Schai GPT пишет исходники и упаковывает их. Запуск и проверка происходят на вашем компьютере. Задачи, где агент должен изучить существующий репозиторий, изменить его и выполнить команды в рабочей среде, требуют других возможностей. О том, как такие инструменты организуют работу с проектом, есть отдельный материал.

Как написать задание для генерации кода

Начните с описания входа и выхода. «Собери сводку по CSV» оставляет открытым почти всё: формат файла, заголовки, разделитель, правила подсчёта и место для результата. В нашем случае одна входная строка означает одну заявку. Результат — новый CSV с одной строкой на площадку. Сортировка по названию делает выдачу предсказуемой даже при разном порядке строк во входном файле.
Собери многофайловый проект Python для локального запуска и отдай ZIP. Принимай два аргумента: путь к входному CSV и путь к новому выходному CSV. Вход в UTF-8 с разделителем запятая и колонкой «Площадка». Пропускай строки с пустой площадкой. Записывай колонки «Площадка» и «Заявок», сортируй по названию площадки. Если входной и выходной пути совпадают, выход уже существует или нужной колонки нет, сообщай об ошибке и ничего не записывай.
После описания результата задайте состав проекта. Например, пусть `main.py` разбирает аргументы, `report.py` читает данные и считает заявки, `tests/test_report.py` содержит проверки, а README даёт команды и объясняет ограничения. Попросите небольшой пример входных данных и добавьте требование пользоваться стандартной библиотекой Python. Для чтения и записи уместен модуль `csv`: его документация показывает работу с именованными полями и поясняет, как открывать файлы для корректной обработки переносов строк.
Уточните то, что влияет на подсчёт. В нашем упражнении пробелы по краям названия можно убрать, а «Северный зал» и «Сев. зал» считаются двумя разными значениями. Объединение синонимов имеет смысл задавать явно. Например, для рабочей версии вы можете передать словарь названий. Пока такого словаря нет, два похожих имени на выходе проще заметить и объяснить, чем разбираться, по какой догадке программа их склеила.
Роли четырёх файлов в учебном проекте на Python.

Что проверить в архиве до запуска

После сборки Schai GPT показывает блоки кода с путями файлов, инструкцию при её наличии и кнопку «Скачать архив (.zip)». Сервер задаёт срок ссылки в одни сутки, поэтому сохраните архив после генерации. Распакуйте его в отдельную папку. В ней удобно найти точку входа и сравнить состав с запросом: проверьте, есть ли файл обработки, тесты, инструкция и пример данных. Если README упоминает `report.py`, а в архиве лежит `reports.py`, это стоит прояснить до запуска.
Откройте программу и проследите, какие файлы она читает и куда пишет. Путь к результату должен браться из аргументов команды. Для сравнения входа и выхода полезно разрешать пути: две разные строки, например `./in.csv` и `in.csv`, могут обозначать один файл. Метод `Path.resolve()` разбирает такие компоненты пути и разрешает символические ссылки, как описано в документации Python по pathlib. Проверка уже существующего выхода помогает сохранить предыдущую выгрузку при повторном запуске.
Если по заданию проект работает локально, код должен укладываться в этот сценарий. Посмотрите импорты и действия при запуске. В обработчике заявок достаточно чтения входа, подсчёта и записи в указанный файл. Если появились сетевые запросы, установка пакетов или работа с другими папками, попросите убрать конкретное лишнее действие. Затем проверьте новую версию по тому же списку файлов и ожидаемых операций.

Как проверить результат на маленьком CSV

Сделайте вход из нескольких записей, которые легко пересчитать вручную. Например, внесите под заголовком «Площадка» значения «Северный зал», «Восточный зал», «Северный зал» и строку, где поле площадки пустое, например записано как пара кавычек. В выходном файле должно быть две строки данных. Сначала «Восточный зал» с одной заявкой, затем «Северный зал» с двумя. Это условный пример для проверки, его числа выводятся из заданных строк.
Если проект принял имена из задания, проверка начинается из распакованной папки. Запуск `python3 -m unittest discover -s tests` позволяет обнаружить тесты в каталоге `tests`. В Windows команда для вызова Python может начинаться с `py`. Параметр каталога и правила поиска файлов описаны в руководстве по unittest. Смотрите, сколько тестов найдено: сообщение об успешном завершении с нулём проверок ничего не говорит о подсчёте.
Дальше попробуйте `python3 main.py sample.csv result.csv`, если такие имена указаны в инструкции. Откройте результат и сравните обе строки с ожидаемыми. После этого повторите команду с тем же выходным путём. По нашему заданию программа должна сообщить, что файл уже существует. Проверьте его содержимое после второй попытки. Ошибка на экране сама по себе ещё не показывает, был ли файл изменён до её появления.
Отдельно подайте файл с колонкой «Место» вместо «Площадка» и задайте для выхода новое имя. Ожидайте понятное сообщение о недостающей колонке и отсутствие этого выходного файла. Так вы проверяете не только счастливый сценарий, но и поведение при типичной ошибке выгрузки.
Три контрольных запуска и ожидаемое поведение файлов.

Как уточнять проект по результатам теста

Если проверка провалилась, опишите одно расхождение с данными для воспроизведения. «Не работает» может означать ошибку чтения, несовпадение названий файлов или другое поведение в терминале. Гораздо точнее сообщить: «У входного CSV есть заголовок “Площадка”, но программа считает строку с пустым значением отдельной площадкой; на четырёх учебных строках ожидаю ровно две строки результата».
Исправь учебный проект, чтобы строки с пустой площадкой после удаления крайних пробелов пропускались. Сохрани имена файлов, аргументы команды и формат результата. Добавь тест со строкой из пробелов. Верни новый ZIP с полным комплектом файлов.
Если исходники первой версии важны для сравнения, сохраните её рядом отдельной копией. Второй архив распакуйте в новую папку. Начните с участка кода, на который указывает ошибка, затем повторите все контрольные прогоны. Узкая правка и сохранение интерфейса позволяют быстро проверить, исправлен ли нужный случай и сохранились ли прежние свойства. При повторной генерации полезно прислать точный фрагмент текущего кода: так будет ясно, от какой версии вы отталкиваетесь.
У проекта для локальной обработки и у одностраничной веб-страницы разные формы результата. Если нужен экран, который можно открыть в браузере и показать коллегам, у Schai GPT есть отдельный сценарий с HTML и превью. Для нашей утилиты важны файлы Python, корректные аргументы и тесты на входных данных.

Как понять, что утилита готова к вашим данным

После учебного файла возьмите маленькую копию своей выгрузки. Для начала достаточно заголовков и нескольких характерных строк: обычная запись, пропуск, длинное название и кавычки в тексте. Если экспорт использует точку с запятой или другую кодировку, это отдельное свойство формата. Уточните его в задании и добавьте пример в тесты. Иначе успешный прогон на файле, который составила нейросеть, ничего не скажет о файле из вашей системы.
Проверьте также, откуда команда запускается. Аргументы с относительными путями ищутся относительно текущей папки. Если перейдёте в другой каталог, те же имена могут указывать на другие файлы. Воспроизведите команду из README после того, как распаковали комплект, и убедитесь, что из инструкции ясно, откуда её выполнять. Такая проверка особенно экономит время, когда архив предстоит передать коллеге.
Проверьте и самый короткий допустимый вход: файл, где есть заголовок и пока ни одной заявки. Заранее решите, что должен получить коллега в таком случае. Вариант для этого проекта — новый CSV только с заголовками, который можно открыть рядом с обычной выгрузкой. Если пустой файл без шапки может прийти из вашей системы, добавьте и эту проверку. Тогда отсутствие данных и ошибка формата будут иметь разные, заранее ожидаемые последствия.
Различайте запрос на исправление и фактическое обновление файлов на компьютере. После того как чат выдаст новый комплект, старая папка останется отдельной копией, и команда из неё запустит прежний код. Перед проверкой посмотрите текущий каталог и имя файла. При передаче проекта коллеге укажите, какой архив проверен и каким тестом. Без этого два одинаково названных архива легко перепутать, особенно когда меняется только одна строчка обработки.
Сохраните вместе с проектом учебный CSV и ожидаемый результат. Когда исходные заявки начнут приходить в новом формате, эти небольшие файлы помогут решить, что именно изменилось: правила импорта, состав полей или сам смысл показателя. Обновляйте тесты при осознанном изменении требований. Для еженедельной выгрузки в одной и той же форме этого достаточно, чтобы при следующей правке быстро проверить прежний сценарий.
Перед регулярным использованием полезно сверить ещё и поведение команды при ошибке. Попросите, чтобы она возвращала ненулевой код завершения и коротко называла причину: неверная колонка, отсутствующий вход или занятый выход. Этот признак пригодится, если позже утилиту будет запускать другая программа. В примере с ручным запуском достаточно увидеть сообщение и проверить файлы. Для автоматического вызова одного сообщения мало: вызывающая программа должна уметь отличать успех от сбоя.

Коротко

Попросите Schai GPT собрать Python-проект и вернуть ZIP. В запросе определите формат входа, структуру результата и работу с ошибками. Скачайте комплект, сравните файлы с заданием и запустите тесты на данных с известным ответом. Проверьте повторный запуск и ошибочный ввод, прежде чем брать рабочую выгрузку.
3

Пока нет комментариев

Нейросеть для кода Python: проект в Schai GPT