Агентный сценарий Gemini 3: загрузка CSV и анализ данных
Gemini3 Team · 7 августа 2026 г. · 5 min read
Для кого предназначен этот сценарий
Аналитики данных, операционные менеджеры и основатели часто тонут в таблицах. У вас есть квартальные отчеты о продажах, логи запасов или отзывы клиентов в CSV, но выявление значимых закономерностей требует часов ручной фильтрации и сводных таблиц. Это руководство для специалистов, которые хотят автоматизировать первичный анализ без написания скриптов на Python или управления сложными ETL-конвейерами.
Мы создаем повторяемый шаблон агента с использованием Gemini 3 в MidassAI Chat. Цель не просто прочитать данные, а спланировать анализ, выполнить его и проверить результат перед принятием бизнес-решений. Такой подход снижает риск галлюцинаций и гарантирует, что ИИ действует как надежный аналитик, а не как писатель-фантазер.
Подготовка данных для загрузки агентом
Перед отправкой запроса агенту необходимо очистить входные данные. Gemini 3 хорошо обрабатывает структурированные данные, но грязные заголовки или несоответствующее форматирование вызывают логические ошибки. Частая ошибка — загрузка CSV с объединенными ячейками или многострочными заголовками, экспортированными из Excel.
Начните с открытия таблицы и убедитесь, что первая строка содержит уникальные, плоские имена столбцов. Избегайте пробелов в заголовках; используйте вместо них подчеркивания. Например, измените Order Date на order_date, а Total Revenue ($) на revenue_usd. Удалите любые примечания в подвале или итоговые строки внизу листа. Агент должен видеть только сырые записи.
Если файл превышает 50 МБ, разделите его по кварталам или регионам. Хотя Gemini 3 поддерживает большие контексты, меньшие части позволяют точнее отладить ошибки, если агент неверно интерпретирует конкретный сегмент. Сохраните очищенный файл как CSV в кодировке UTF-8. Эта кодировка гарантирует, что специальные символы в именах клиентов или описаниях продуктов не сломают логику парсинга на этапе загрузки в MidassAI Chat.
Определение роли и ограничений агента
Когда данные готовы, нужно установить поведенческие ограничения. Не просто пишите «Проанализируй это». Это приведет к размытым резюме. Вместо этого назначьте конкретную персону и набор ограничений. В системной инструкции или начальном промпте определите агента как «Старший аналитик данных, сосредоточенный на оптимизации выручки».
Явно укажите, чего агент делать не может. Например, инструктируйте его не додумывать missing values, а помечать их как null. Скажите ему избегать внешних предположений о рыночных условиях, если они не предоставлены в контекстном окне. Это снижает риск того, что ИИ придумает внешние экономические факторы для объяснения падения продаж.
Вот надежная структура для вашего начального системного промпта:
- Роль: Старший аналитик данных.
- Задача: Выявить лучшие регионы и отметить аномалии.
- Ограничение: Не вычислять проценты без предварительного показа сырых чисел.
- Формат вывода: Markdown-таблицы с четкими заголовками.
Фиксируя персону, вы обеспечиваете согласованность across нескольких сессий. Если вы поделитесь этим сценарием с коллегой, он получит ту же глубину анализа без необходимости переобучать агента на ваши предпочтения.
Ключевые выводы
Этап выполнения: запрос на анализ
Установив контекст, переходите к этапу выполнения. Здесь вы используете возможности рассуждения Gemini 3. Вместо запроса финального отчета сразу, разбейте запрос на цепочку рассуждений. Попросите агента сначала изложить план анализа.
Пример промпта: "Review the uploaded CSV. Outline three steps you will take to identify revenue anomalies before generating the final report."
Это заставляет модель показать свою работу. Если план выглядит неверным — например, если он планирует сравнивать данные текущего месяца со столбцом, которого не существует — вы можете исправить это до того, как он потратит токены на генерацию бесполезного вывода. Как только план утвержден, инструктируйте агента продолжить.
Запрашивая конкретные метрики, будьте точны в отношении часовых поясов и конвертации валют. Если ваш CSV содержит timestamps в UTC, а бизнес работает в EST, явно укажите логику конвертации. Gemini 3 может обработать эту трансформацию, но только при наличии инструкции. Неоднозначность здесь ведет к ошибкам в отчетах, которые могут выглядеть правильно на первый взгляд, но фундаментально ошибочны.
Валидация и обработка ошибок
Никогда не доверяйте первому выводу слепо. ИИ-модели могут допускать арифметические ошибки или смещать строки в процессе обработки. Внедрите шаг валидации, где вы просите агента провести самокритику.
Запросите у агента: "Review your generated table. Check three random rows against the original CSV data to verify accuracy. Report any discrepancies."
Этот простой цикл проверки ловит большинство галлюцинаций. Если агент сообщает о расхождении, попросите его перегенерировать конкретный раздел, а не весь отчет. Еще одна частая проблема — дрейф форматирования. Агент может переключиться с Markdown-таблиц на маркированные списки в середине процесса. Повторите ограничение формата вывода, если заметите, что согласованность снижается.
Для критических финансовых данных сверьте итоговые суммы ИИ с родной функцией суммы вашего табличного программного обеспечения. Используйте ИИ для распознавания паттернов и detection аномалий, но полагайтесь на детерминированные инструменты для финальной финансовой валидации. Этот гибридный подход максимизирует скорость, сохраняя целостность.
Масштабирование сценария
Как только у вас есть проверенная структура промпта, сохраните ее как шаблон внутри MidassAI Chat. Не следует переписывать системный промпт для каждого нового набора данных. Параметризируйте промпт где возможно. Например, используйте плейсхолдеры вроде [TARGET_METRIC] или [TIME_PERIOD], чтобы менять переменные без изменения основной логики.
По мере роста объема данных рассмотрите автоматизацию шага очистки файлов. Если вы обнаружите, что вручную переименовываете заголовки каждую неделю, напишите простой скрипт для предварительной обработки CSV перед загрузкой. Это держит взаимодействие с ИИ сфокусированным на высокоценном анализе, а не на рутине по очистке данных.
Командное сотрудничество — еще один фактор масштабирования. Поделитесь успешной цепочкой промптов с коллегами. Согласованность в промптах гарантирует, что когда маркетинг и отдел продаж запускают анализ на одних и тех же данных, они получают сопоставимые инсайты. Это согласование предотвращает внутренние споры из-за противоречивых интерпретаций данных.
Создание надежного агентного сценария требует итераций. Ваш первый промпт может дать 80% точности. Уточните ограничения и шаги валидации, чтобы поднять это до 95%. Сила Gemini 3 не только в своем интеллекте, но в том, насколько точно вы направляете этот интеллект на ваш конкретный бизнес-контекст.
Готовы оптимизировать ваш анализ данных? Протестируйте этот сценарий на своих наборах данных и посмотрите, сколько времени вы сможете сэкономить на ручной работе с таблицами.