# Baserow AI字段分类：先试三条反馈再批量生成，修改原文后核对重算

## 实际范围

AI prompt field 需要 Premium+ 与可用模型。Baserow OSE 为 MIT，premium/enterprise 另有协议。本包未运行 Baserow 或分类模型。

已实际执行：原创输入生成、PDF渲染、文件哈希/教材事实检查与两条故意错误拒绝。人工reference-manual.json不冒充目标工具输出；actual-template.json为空模板，不能视为实际结果。

## 使用

```bash
python3 verify.py
python3 verify.py --actual my-observation.json
```

默认材料检查使用Python标准库；可选的--pdf深度检查需要pypdf，且只接受本题定义的PDF契约。不连接任何外部服务或数据库。--actual检查你填写的规范化事实记录，不自动识别任意工具原生导出；仍须逐项回读原生输出。

## 七步操作

1. 检查12条反馈与歧义行

feedback.csv 是原创教学反馈，F09/F12 信息不足，人工预期为待补充。先读 prompt.md 的具体分类口径，不把任意标签都算正确。

2. 先确认Premium和模型

AI prompt field 官方要求 Premium 及以上。配置 provider 并测试模型；免费 OSE 中没有该字段时，不应继续按不存在的界面操作。

3. 建立Choices类型AI字段

把反馈导入独立表，创建 AI prompt 字段，Output type 选 Choices，明确三个选项，提示引用 feedback 原文列；官方图只定位设置。

4. 先运行三条小样本

分别生成 F01、F02、F09，检查功能/体验/待补充三个代表。纠正提示后再用字段头的 Generate all AI values，不先处理上千条。

5. 修改F09并观察更新

开启 Regenerate when referenced fields change，将 F09 改为“希望增加多语言界面”。记录更新时间与实际分类；不是改了原文就先宣布重算成功。

6. 导出实际分类记录

将实际结果整理到 actual-template.json，包含12条标签及修改后的F09。脚本核对本练习的人工分类口径，不判断任意用户反馈语义。

7. 保留失败与付费边界

运行额外类别和陈旧标签负例。原始输入、提示词、实际导出分别保存；本站未运行 Baserow AI，图中的教材表不是其实际生成结果。

## 原创与图片身份

source.pdf及数据文件是本站原创虚构教材。页面官方截图只说明工具入口；人工真值图与材料核验图都注明身份，未生成目标软件的假界面或假模型结果。

## 官方依据

- AI字段、Choices与重新生成: https://baserow.io/user-docs/ai-field
- provider/模型管理: https://baserow.io/user-docs/manage-ai-providers-and-models