Mac本地AI 大模型- CSV/Excel 最小工作流-Python-->mistral

让 Python 脚本先运行 check_csv.py，拿到输出，再直接调用 Ollama 本地 API，把结果喂给 mistral。

Ollama 安装后默认会在本机提供 API，地址是 http://localhost:11434/api，可通过 /api/generate或 /api/chat交互；官方也提供了 Python 库。 

最适合的自动化方式

分成两个文件：

1. 现有文件

check_csv.py

负责：

• 检查 CSV

• 统计结果

• 输出文本

2. 新文件

summarize_check.py

负责：

• 自动运行 check_csv.py

• 自动拿到输出

• 自动发给 mistral

• 自动打印中文说明

第一步：新建自动总结脚本

在 ~/local_csv_workflow目录下执行：

nano summarize_check.py

代码完整粘进去：

第二步：直接运行

执行：

python3 summarize_check.py

它会自动完成这整条链路：

1. 跑 check_csv.py

2. 拿到检查结果

3. 调 Ollama 本地 mistral

4. 输出中文说明

第三步：你会看到什么

很好，这条自动链路已经跑通了。

你现在已经实现了：

• check_csv.py自动做检查与统计

• summarize_check.py自动调用本地 mistral

• 自动生成中文说明

• 全程不需要你手动复制粘贴结果

这意味着你已经有了一个可用雏形

当前流程是：

1. 准备 CSV

2. 运行：

python3 summarize_check.py

1. 自动得到：

• 原始检查结果

• mistral中文说明

这已经是一个真正能用的本地小工作流了。

现在这版的特点

优点

• 自动化已经打通

• 分工清楚

• 结果基本可信

• 不再依赖手工搬运结果

当前还不够好的地方

• mistral生成的中文说明还是偏“罗列”

• 不够像正式日志

• 输出没有自动保存成文件

第四步小升级

让 summarize_check.py自动生成两个文件：

• check_result.txt

• check_summary.txt

这样每次跑完，你不仅看到结果，还能直接保存下来。

很好， 已经完全跑通了。现在已经实现了这条自动链路：

• check_csv.py自动检查和统计

• summarize_check.py自动调用 mistral

• 自动生成：

• check_result.txt

• check_summary.txt

以后处理这类 CSV，只需要：

python3 summarize_check.py

它就会自动完成：

1. 跑检查脚本

2. 调用本地 mistral

3. 生成中文说明

4. 保存结果文件

当前目录里各文件的作用

• amzn_trades.csv：原始 CSV

• amzn_trades_clean.csv：清理后的 CSV

• check_csv.py：检查和统计脚本

• summarize_check.py：自动总结脚本

• check_result.txt：检查原始输出

• check_summary.txt：中文说明结果

现在已经是一个可实际使用的本地小工具。

当前分工已经很清楚：

• Python：做准

• mistral：做写