综合小项目:用 Python 构建可追踪的 AI 决策记录整理器
将模型生成的决策候选限制在可引用的输入证据内,并通过 Python 校验、编号和持久化,构建一个可复核的 AI 决策记录整理器。
从标题、正文、标签与分类中查找内容
将模型生成的决策候选限制在可引用的输入证据内,并通过 Python 校验、编号和持久化,构建一个可复核的 AI 决策记录整理器。
综合运用模型调用、结构化解析与本地校验,为 Git diff 生成可人工复核的提交说明草稿。
让模型从编号规则中提出潜在冲突,再由 Python 校验规则编号和报告边界,生成只读、可复核的审查结果。
把提示词、结构化结果和确定性校验组合起来,用 Python 构建一个只依据输入证据比较两个方案的 AI 工具。
先用确定性规则发现数据异常,再用结构化输出生成说明和建议,并用 Python 校验模型结果。
综合运用结构化输出、确定性规则和人工复核,构建一个只生成审核建议、不直接授予权限的 Python 工具。
用 Responses API 和只读工具调用构建一个可追踪、不可越权的订单查询助手。
综合运用结构化输出、确定性校验和离线自测,构建一个只生成测试草稿、不直接执行代码的 Python 工具。
围绕流式输出的增量落盘与原子完成标记,构建一个中断后仍能保留部分回答的 Python 命令行工具。
让模型只提出文件归档建议,程序校验结果并生成预览计划,避免 AI 直接改动本地文件。