格式转换

🟢 简单

挑战描述

在数据处理和集成过程中，我们经常需要将信息从一种格式转换为另一种格式。本挑战要求你编写一个提示词，使 AI 能够准确地将文本从一种格式（如纯文本、CSV、JSON 等）转换为另一种指定格式，同时保持数据的完整性和准确性。

挑战目标

编写一个提示词，使 AI 能够：

识别原始文本的数据结构和格式
提取所有相关信息
将信息转换为指定的目标格式
确保转换过程中不丢失或错误解释数据

要求

转换必须准确无误，保留所有原始数据
转换后的格式必须符合目标格式的规范
提示词必须能处理各种常见格式间的转换
对于不明确的数据，必须做出合理的假设并说明
输出必须是格式化的，便于阅读和使用

提示模板

[你的提示词]

源格式: {源格式}
目标格式: {目标格式}
内容: 
{内容}

测试用例

案例 1: 纯文本转 JSON

源格式: 纯文本
目标格式: JSON
内容: 
姓名: 张三
年龄: 28
职业: 软件工程师
技能: Python, JavaScript, Docker
地址: 北京市海淀区

案例 2: CSV 转 Markdown 表格

源格式: CSV
目标格式: Markdown表格
内容: 
姓名,年龄,城市,职业
李四,32,上海,产品经理
王五,27,广州,UI设计师
赵六,35,深圳,数据分析师

案例 3: 嵌套 JSON 转 YAML

源格式: JSON
目标格式: YAML
内容: 
{
  "公司": "科技有限公司",
  "成立年份": 2010,
  "员工": [
    {"id": 1, "姓名": "张三", "部门": "研发"},
    {"id": 2, "姓名": "李四", "部门": "市场"}
  ],
  "地址": {
    "城市": "北京",
    "街道": "科技园路"
  }
}

案例 4: 复杂表格结构转 JSON

源格式: Markdown表格
目标格式: JSON
内容: 
| 产品ID | 产品名称 | 价格 | 库存 | 分类 |
|--------|---------|-----|------|------|
| A001   | 智能手表 | 1299.99 | 45 | 电子产品 |
| B002   | 保温杯   | 129.00  | 230 | 日用品 |
| C003   | 蓝牙耳机 | 499.50  | 78 | 电子产品 |

案例 5: 多行文本描述转结构化数据

源格式: 多行文本
目标格式: JSON数组
内容: 
会议记录 - 2023年4月12日
参会人员: 张三(主持), 李四, 王五, 赵六
主要议题:
1. 第二季度营销策略讨论
2. 新产品发布时间表确认
3. 团队扩充计划
决定事项:
- 4月底完成营销方案
- 新产品延期至6月15日发布
- 下周开始招聘2名开发人员

案例 6: XML转JSON

源格式: XML
目标格式: JSON
内容: 
<订单>
  <订单号>ORD-2023-001</订单号>
  <客户信息>
    <姓名>张三</姓名>
    <电话>13812345678</电话>
    <地址>北京市朝阳区</地址>
  </客户信息>
  <商品列表>
    <商品>
      <名称>机械键盘</名称>
      <数量>1</数量>
      <单价>499.00</单价>
    </商品>
    <商品>
      <名称>显示器</名称>
      <数量>2</数量>
      <单价>1299.00</单价>
    </商品>
  </商品列表>
  <总价>3097.00</总价>
</订单>

案例 7: SQL查询结果转CSV

源格式: SQL查询结果文本
目标格式: CSV
内容: 
SQL查询: SELECT id, name, department, salary FROM employees WHERE department = 'IT' ORDER BY salary DESC;

结果:
| id | name   | department | salary  |
|----|--------|------------|---------|
| 23 | 张三   | IT         | 25000   |
| 45 | 李四   | IT         | 20000   |
| 67 | 王五   | IT         | 18000   |
| 89 | 赵六   | IT         | 15000   |

评分标准和自动测试方法

提示词将根据以下标准进行评分：

数据完整性（1分）
- 评估方法: 检查转换后是否保留了原始内容的所有数据点
- 通过标准: 不丢失任何关键信息，包括嵌套数据
格式规范性（1分）
- 评估方法: 评估转换后的输出是否完全符合目标格式的规范
- 通过标准: 输出可以被相应的解析器正确解析，格式无误
结构复杂度适应性（1分）
- 评估方法: 检查能否处理不同复杂度（简单、嵌套、多层）的数据结构转换
- 通过标准: 在嵌套结构和复杂表格案例中表现良好
数据类型准确性（1分）
- 评估方法: 评估是否正确识别和转换数字、字符串、布尔值等不同数据类型
- 通过标准: 数值不被错误地转为字符串，日期格式正确等
格式化与可读性（1分）
- 评估方法: 检查输出格式是否整洁、一致，适合人类阅读
- 通过标准: 包含适当的缩进、换行和对齐，增强可读性

自动测试流程

对每个测试用例，使用你的提示词作为输入
使用专门的验证器检查输出格式的有效性:
- JSON输出通过JSON解析器验证
- YAML输出通过YAML解析器验证
- Markdown表格通过表格解析器验证结构
比较转换前后的数据内容，确保完整性
检查数据类型是否被正确保留
评估格式化质量（缩进、对齐等）
计算最终得分(满分5分)

期望输出示例 (针对案例1)

转换结果:

{
  "姓名": "张三",
  "年龄": 28,
  "职业": "软件工程师",
  "技能": ["Python", "JavaScript", "Docker"],
  "地址": "北京市海淀区"
}

注意:
- 已将数字类型"28"正确转换为数值而非字符串
- 将逗号分隔的技能转换为数组
- 保持了JSON格式的规范缩进和格式

解决方案讨论

点击查看社区解决方案

提交你的解决方案，与社区分享你的思路和技巧！