案例07｜AI 生成 classify.py：Highly Recommended／Recommended／Not Recommended

一、案例定位

原書最後一個完整案例不再手寫 classifier，而是讓 ChatGPT／Copilot 依 structured prompt 生成 xlwings + OpenAI Python script，把 travel destinations 分成三類。

二、學習目標

用 Context／Main point／Action 描述 Python automation。
要求 AI 生成 main() 與 API key loading。
在執行前做 general code review。
將分類結果回寫 Excel。

三、案例情境

分類 labels：highly recommended、recommended、not recommended；判斷依據為 review text 與 dataset 中其他 relevant fields。

四、開始資料

Prompt 部分	要求
Context	attached Travels dataset
Main point	用 xlwings + OpenAI 逐列分類三類
Data	review text + other relevant fields
Action	write category back to Excel；main function=`main()`

五、Excel／R／AI 分析方法

原書要求 AI 生成 code 後存成 12/classify.py，先確認「至少 general correctness」，再依 Sentiment Analysis 的執行流程運行。Prompt 也附上 Path(__file__).parent 的 API key loader 範本。

六、計算結果

Figure 12-11 顯示 classification script 成功後的 Travels dataset；A 檔正文沒有逐筆列出每個 destination 的 label，因此本頁不補造分類結果。

七、結果分析與管理解讀

這個案例的技能核心不是「會寫 Python」，而是能把需求拆成 AI 可生成、使用者可審查、Excel 可驗證的程式規格。分類規則若只寫「其他 relevant fields」，仍有解釋空間，正式業務使用應再限制 allowed fields／decision criteria。

八、AI 提問詞

請根據附上的 Travels dataset 產生 xlwings + OpenAI script，分類為 highly recommended／recommended／not recommended。先列出你實際會使用哪些欄位與理由，等我確認後再寫 code；輸出必須由 main() 回寫 Excel。