新知AI实验室头像新知AI实验室XINZHI AI LAB
GitHub ↗学习交流 ↗
XINZHI / BUILD IN PUBLIC

订单核算参考实验

公开输入、运行命令、输出与边界,让每一步都能核对。

更新于 2026.11.11
参考实验 V1 · 已运行验证EXP-001 / 2026.11.11

7 行订单,如何得到可核对的金额结果?

目标是验证数据校验、精确核算与执行轨迹。实验对象是本轮新建的确定性 Python 工作流,不调用大模型,不评价任何 AI 产品的能力。

输入
7 行合成订单 CSV
环境
Python 3.9.6 / macOS / 标准库
运行日期
2026-11-11
模型 / 提示词
无模型,无提示词

过程与规则

  1. 检查必需字段:order_id、region、quantity、unit_price。
  2. 校验订单编号、有效订单重复、区域、正整数数量与最多两位小数的非负单价。
  3. 无效行排除并记录原因;使用 Decimal 按 east / west 汇总。
  4. 将输出与随附 expected.json 比较,同时检查每行轨迹。

实测结果

4 / 7纳入订单3 / 7排除订单0.25east12.50west

O005 数量为零、O006 区域不支持、O007 单价不是有效数字,均被排除。另已验证重复订单、非有限数值、负单价及不足一分的小数金额的排除行为。

本地复现

下载右侧三份文件,放在同一目录。Python 3.9 或以上,无需安装依赖。

python3 audit.py orders.csv > actual.json
python3 -c 'import json; assert json.load(open("actual.json")) == json.load(open("expected.json")); print("PASS")'

局限与适用边界

这是教学参考,不包含真实订单接入、模型推理、退款、订单状态、汇率或生产级资源限制。固定结果只适用于随附 CSV,不能推断任意任务或产品的表现。

来源与独立性

本代码与合成数据于本轮新建,按 MIT 许可提供,不声称为旧站原代码。本实验无品牌赞助、无付费合作。

XINZHI AI LAB

探索实验室