数据分析 Prompt 实战 SOP：把 LLM 变成你的数据分析师
给小团队和自媒体一个可复制的数据分析 prompt 模板，填入数据集描述、业务目标、工具三个变量，LLM 即可产出分析思路、SQL/pandas 代码、关键洞察和可视化建议，附踩坑速查与 FAQ。
首页
实战 SOP
场景化落地教程，含真实截图、Prompt、工作流模板与踩坑记录。
12 分钟阅读
block/buzz 自托管部署 SOP：从 Docker 到 agent 入组
block/buzz 自托管部署完整 SOP（与 buzz-hive-mind 热点文成对）：本地开发栈（just setup/build/dev）+ 生产单节点（deploy/compose Docker，Postgres/Redis/MinIO）+ 配置（.env：RELAY_URL/BUZZ_RELAY_PRIVATE_KEY/RELAY_OWNER_PUBKEY）+ agent 入组（Nostr keypair NIP-98 签名，buzz-admin 管成员）+ 闭门 relay + 5 FAQ。部署命令全据 README/compose/.env/CLI/ARCHITECTURE，未编造。
n8n 搭建 AI agent 工作流实战 SOP：部署与避坑
在 n8n 画布里搭一个能自主调用工具的 AI agent 工作流的完整 SOP：Docker 自托管一条命令部署、AI Agent 节点四件套解剖（Language Model+Memory+Tools+System Prompt）、分步搭建（选触发器->配节点->加工具->输出->测试发布）、五个避坑（Memory 失忆/API Key 硬编码/过度设计/上下文漂移/数据格式不匹配）+5 FAQ。节点参数以 n8n 官方文档为准，给配置逻辑不伪造完整 JSON。
Ollama 本地部署开源大模型实战 SOP：量化、显存与避坑
Ollama 本地跑大模型从「能跑」到「能用」的完整 SOP：量化（q4_K_M/q8_0）为什么决定模型智商、KV Cache 为什么让你越聊越慢、硬件选型及格线、按任务选模型、Open-WebUI 部署 + Ollama API 自动化（含 Python 代码 + JSON 模式）、6 个踩坑 + FAQ。速度数据为社区参考量级非亲自压测。
招聘简历自动筛选工作流：JD 匹配打分一键分流
招聘季一份 JD 收两三百份简历，人工筛慢且评分漂移。这个 n8n 工作流把简历筛选收口成一条管道：Webhook/邮箱接收简历 -> 提取文本 -> LLM 按 JD 对技能匹配/经验/稳定性/风险打分并输出 tier 与理由 -> IF 判断是否过线 -> Switch 路由到面试队列/备选库/婉拒邮件 -> 写入飞书多维表格或 ATS -> 通知招聘者。Prompt 明确禁止使用性别/年龄/婚育/种族/户籍等受保护属性评分，简历处理须遵守《个人信息保护法》/GDPR，AI 评分仅作辅助、最终决策由人。
邮件营销自动化工作流：分群个性化到 A/B 自优化闭环
邮件营销自动化 n8n 工作流：定时拉订阅者->按标签/行为分群->LLM 按分群生成 A/B 个性化邮件(主题行+正文)->SMTP 发送->Webhook 追踪打开点击->回写指标->IF 打开率低于阈值且样本足够->触发 LLM 换文案重测。含合规提示(已订阅授权/一键退订/CAN-SPAM/GDPR/电子商务法/不推断敏感属性)。配 .json 模板下载。
用户调研与访谈 Prompt 包：从大纲到画像
用户调研与访谈 Prompt 包三级递进：入门生成半结构化访谈大纲（避诱导性提问）、进阶单份纪要提结构化洞察（标注引言、不编造）、专家 N 份跨样本综合出画像+JTBD+机会点地图（亲和图、频次、冲突标注）。4 条通用约束含反编造/脱敏/人审，5 条踩坑。
代码测试 Prompt 包：单测、参数化、E2E 与测试重构
代码测试 Prompt 包三级：入门按函数生成单测（先列签名与边界，正常/边界/异常各 N 例，pytest/jest 参数化）、进阶参数化批量用例与测试计划（覆盖率缺口、mock 最小化）、专家集成/E2E 策略与测试重构（测试金字塔、契约测试、删冗余）。附 5 分钟速查 cheatsheet。全嵌反编造约束（不臆造 API、不编造覆盖率数字）。与通用编码包、代码审查调试包差异化，专管「写测试」。
AI 自动化测试生成 SOP：从单测到回归的人审门控流程
AI 自动化测试生成 SOP 六步：何时用+量化基线（覆盖率/缺陷逃逸）-> 从代码生单测 -> 从 issue 生回归测试 -> 边界参数化批量 -> 测试维护（过期断言/冗余）-> 人审门控+CI。每步配 pytest 与 jest 可复制代码，附 5 条踩坑（断言过松/互相依赖/伪造覆盖率/mock 漂移/不测真实路径）与 5 条 FAQ。铁律：AI 只出草稿，人审+CI 跑绿才合并。
AI Agent 可观测性与线上评测 SOP：链路追踪、成本与告警
生产级 AI Agent 可观测性与线上评测完整 SOP：六步走从量化基线（延迟/token 成本/工具成功率/错误率）、链路追踪（Langfuse @observe 装饰器 + Phoenix register + OpenTelemetry span）、token 与成本追踪、工具调用 artifact 日志、线上评测（LLM-as-judge 自动打分 + 用户 thumbs 反馈 create_score）、到告警与迭代（阈值规则 + 仪表盘）。每步附可复制 Python 代码，6 条踩坑记录，FAQ 5 条。开源工具为主，LangSmith 作为 SaaS 选项提及。