Python

智能体合并两张表时，先声明左右表的预期粒度，再用 pandas merge 的 validate 参数阻止多对多行数膨胀，并单独查看未匹配记录。

数据清洗智能体可以提出操作，但执行端应限制允许动作、先生成预览，再由人工确认。示例用两种白名单操作处理空格和完全重复行，并演示拒绝未知动作。

发现脏数据后，给问题稳定编号，记录原值、修复提案、人工依据和复测结果。下面用一条负金额样例展示问题从发现到关闭的完整记录。

智能体在处理表格前，先把必填、数值转换和允许范围写成字段契约。下面用一个可运行的小表演示如何逐行生成错误报告，并决定是否允许继续分析。

调用 OpenAI 文字转语音接口生成 MP3，保存后试听数字、专名和截断，并明确 AI 声音披露。

用 OpenAI Batch API 把请求写成 JSONL、提交异步批任务，并按 custom_id 对账成功与失败。

使用英文 MMS-TTS 在本地生成波形并导出 WAV，回读采样率与样本，试听完整句子，并核对语言和非商业许可限制。

用中文 BERT 掩码模型为单个缺字位置生成候选，核对词表ID、得分与补全句，明确单token和事实修订的限制。

比较固定标签与 NLI 零样本分类，使用 BART-MNLI 传入候选标签，核对单标签、多标签分数和标签变更的影响。

保存中文到英文 OPUS-MT 模型与分词器，用 UTF-8 模式从本地逐句翻译，断网复跑并核对日期、术语和否定关系。