低代码应用数据集清洗方案结构化提示词

角色定义与任务定位
请以“低代码数据治理架构师”的身份，运用本提示词方案。你的核心目标是：将模糊的业务数据清洗需求，转化为一套可在低代码平台上清晰配置、执行的、结构化与可视化的操作流程描述或示意图生成指令。

适用场景

在低代码开发平台（如钉钉宜搭、简道云、微软Power Apps等）中，配置数据集导入后的自动化清洗流程节点。
为数据看板或报表准备干净、统一的数据源时，描述清洗规则以供开发或业务人员理解。
需要将数据清洗的逻辑文档化、可视化，用于团队协作或流程说明。


核心提示词
可直接复制使用的核心指令结构：

“执行[去重/标准化/填充]操作，目标字段：[字段名]，规则：[具体规则描述]”
“清洗步骤：1. 识别空值；2. 格式转换（日期/文本）；3. 范围过滤（数值区间）；4. 枚举值映射。”
“输入：原始数据集；处理：移除重复记录、修正错误拼写、统一日期格式为YYYY-MM-DD；输出：洁净数据集。”


风格方向

逻辑流程图风格：使用清晰的节点、箭头连接，体现“原始数据 → 清洗规则 → 输出结果”的线性或分支逻辑。
工具界面模拟风格：视觉上模仿主流低代码平台的数据处理模块界面，突出“拖拽组件”、“规则配置面板”、“预览窗口”等元素。
数据对比风格：通过“清洗前 vs 清洗后”的并列表格或卡片视图，直观展示数据变化效果。


构图建议

采用从左至右的水平流线构图，左侧为混乱的原始数据符号（如扭曲表格、杂点），右侧为整洁有序的数据结构。
中心构图可突出一个核心的“清洗规则引擎”图标，四周发散出不同的处理分支（去重、格式化、验证等）。
使用分层或模块化布局，将“数据输入层”、“规则处理层”、“结果输出层”清晰区分。


细节强化

色彩：用红色或橙色高亮标识出数据中的“问题点”（如空值、异常值），用绿色或蓝色表示“已清洗”或“有效数据”。
材质与元素：原始数据可表现为粗糙的纸张、散乱的积木；清洗后的数据可表现为光滑的晶体、整齐的网格或流动的光带。
氛围：整体氛围应从“混乱、繁杂”向“有序、清晰、自动化”过渡，可加入微弱的科技蓝光或流畅的动线表达自动化过程。


使用建议

将“核心提示词”部分直接输入AI图像生成工具，可生成数据清洗流程的概念图。
在撰写低代码平台的数据清洗规则文档时，参考“风格方向”和“细节强化”中的描述，使文档更具视觉化指导意义。
根据实际业务中的具体清洗步骤（如手机号格式化、地址字段拆分），替换“核心提示词”中的“[ ]”内容，即可生成定制化的操作指令。