代码解释器

使用 AI

要区分模型写出了什么，与工具真正执行了什么。一次分析通常包含读取文件、检查列、生成代码、运行和解释输出几个步骤；只有真实的工具记录或输出，才能说明某一步执行过。不同产品提供的语言、软件包、文件权限和资源限制并不相同。例如本次核对的 OpenAI 工具说明以沙箱中的 Python 为核心，不能据名称推定它装有 Stata 或 R。使用时应要求展示关键代码、实际运行的输入和错误信息，并保留结果文件。即使运行成功，也还要核对数据含义和方法，不能让环境成功代替研究判断。

在你的学科里，直接拿去用

请先为这项分析形成可复现的任务说明，再建议代码。
问题：[填写]
数据字典及已有规则：[提供]
可用软件与现有代码：[提供]
明确一行数据代表什么、样本范围、连接键、单位、缺失码、变量构造、估计对象和输出。区分描述分析与因果分析；缺少识别依据时不要把回归系数直接称为因果影响。给出小样本核对、异常记录和可重跑顺序。保留原始数据，所有转换写到派生结果并留记录；不能为得到显著结果修改数据或筛选规则。

请定位问题并给最小修复。
代码与环境：[粘贴]
输入样例：[不含私密信息的小样本]
实际错误或输出：[粘贴]
我期望：[填写]
先区分已观察事实与可能原因，优先用最小样例验证。解释根因，给最小差异和有意义的检查。没有实际运行权限时明确标为未运行建议，不把推测写成测试通过。若修改会影响研究规则或结果，指出具体影响，不顺手重构无关部分。

判断

增量，由你来写

读完这张，你的理解变了什么？

留言功能会在后面的版本开放。现在可以先在 X 上 @knowledgedelta 告诉我。

来源

• OpenAI — Code Interpreter2026-11-07 核对
• OpenAI — Data analysis with ChatGPT2026-11-07 核对

卡片底稿由 AI 协助整理，经过核对；发现错误请告诉我。