Podręcznik uczestnika z objaśnieniami, przykładami i ćwiczeniami do samodzielnej nauki
9. Pełny workflow i zakończenie modułu
Praca z LLM kończy się wtedy, gdy potrafisz odtworzyć obliczenia, wskazać dowody i rozdzielić wkład modelu od własnych decyzji. Poniższa kolejność łączy sześć rozdziałów w jeden proces.
|
Etap |
Rezultat i warunek przejścia dalej |
|---|---|
|
Wybór zastosowania |
Mapa ryzyka, dozwolone środowisko i minimalny kontekst |
|
Specyfikacja |
Prompt z celem, schematem, ograniczeniami i kryteriami |
|
Pozyskanie propozycji |
Zachowana rzeczywista odpowiedź lub jawny przykład offline |
|
Przegląd przed wykonaniem |
Sprawdzone nazwy, miary, skutki uboczne i zakres kodu |
|
Weryfikacja lokalna |
Testy struktury i wartości, wykresy oraz niezmienione wejście |
|
Decyzja i dokumentacja |
Werdykt dla każdej istotnej części odpowiedzi, dowód i ograniczenie |
|
Odtworzenie i przekazanie |
Czyste uruchomienie, spójne nazwy, opis gotowy do dalszego raportu |
Opcjonalne tabele wynikowe
Poniższe trzy tabele są nowymi wynikami obliczeń, nie plikami wejściowymi z pakietu. Ich nazwy odpowiadają karcie pracy. Zapis aktualizuje wyniki; wcześniejszą wersję, którą chcesz zachować, zarchiwizuj przed ponownym wykonaniem.
TABLES = PROJECT_DIR / "outputs/tables"
TABLES.mkdir(parents=True, exist_ok=True)
wyniki = {
"M5_U01_ranking_drgan.csv": ranking,
"M5_U02_korelacje_urzadzenia.csv": korelacje,
"M5_U03_drgania_tryb.csv": tryby
}
for nazwa, tabela in wyniki.items():
sciezka = TABLES / nazwa
tabela.to_csv(sciezka, index=False, encoding="utf-8")
odczyt = pd.read_csv(sciezka)
pd.testing.assert_frame_equal(tabela, odczyt, rtol=1e-10, atol=1e-10)
assert sha256(plik.read_bytes()).hexdigest() == hash_wejscia
pd.testing.assert_frame_equal(df_baza, df)
Na końcu zapisz notebook, zrestartuj kernel i uruchom wszystkie komórki od góry. Nie wywołuj ponownie modelu ani nie dopisuj rejestru tylko po to, by odtworzyć obliczenia: zachowane odpowiedzi są wejściem do audytu.