Pilar，一家巴西房地产科技公司，联合创始人兼首席技术官Raphael分享了利用Anthropic Claude 3.5 Sonnet生成报告的经验，并比较了两种不同方法的优劣。Pilar为房地产经纪商提供基于低成功费模式的软件和服务，其20人的技术团队不断开发创新产品，例如全新的房地产门户网站Pilar Homes。
随着业务扩张和客户数量增长，对报告的需求也日益增加。Raphael意识到利用AI代理来优化报告生成流程的潜力，并进行了探索。
方法一：AI直接处理数据，受限于最大令牌数
最初，Raphael尝试让Claude直接访问数据库，执行查询，将结果转换为CSV文件。 Claude能够处理小型CSV报告(少于500行)，但大型报告会因超出最大令牌限制而失败。分析发现，大部分令牌消耗在处理单个记录上。
代码片段：
# each collection object describes a mongodb collection and its fields
collections = [
# ... (collection definitions) ...
]
role_prompt = "你是一位工程师，负责根据用户对报告内容的描述生成基于CSV的报告。"
task_prompt = f"{report_description}.\n可用集合: {collections}\n公司代码: {company_codes}\n始终要求用户提供公司代码来过滤数据——用户可以使用'imobiliária'、'marca'、'brand'或'company'来指代公司。如果用户需要某个集合中不存在的字段，请勿将其添加到报告中，也勿询问用户该字段。"
# ... (find and docs2csv functions) ...
方法二：AI生成Python代码，提升效率和可扩展性
为了解决最大令牌数的限制，Raphael改用了一种更有效的方法：让Claude生成可执行的Python代码来处理数据。
他修改了提示，不再提供工具，而是让Claude生成代码。 Claude成功生成了能够连接数据库、执行查询并生成CSV报告的Python代码。
本文档主要讲述的是maven使用方法；Maven是基于项目对象模型的（pom），可以通过一小段描述信息来管理项目的构建，报告和文档的软件项目管理工具。Maven将你的注意力从昨夜基层转移到项目管理层。Maven项目已经能够知道 如何构建和捆绑代码，运行测试，生成文档并宿主项目网页。希望本文档会给有需要的朋友带来帮助；感兴趣的朋友可以过来看看
示例代码：
# ... (database connection and query code generated by Claude) ...
结论
Raphael的实验表明，AI能够显著提高报告生成的效率，但关键在于选择正确的架构。代码生成方法比直接AI数据处理更具可扩展性和可维护性，同时允许工程师审查AI生成的代码，提高可靠性。 未来，可以通过多个AI代理并行处理任务来进一步提升效率。
主要经验：
- 直接AI处理适用于小型数据集。
- 代码生成方法更具可扩展性和可维护性。
- 人工审核循环提高了可靠性。
参考文献:
- 内部文档
- Anthropic Claude及Thomas Taylor的Python SDK
- Phil Calçado关于构建AI产品的文章
总而言之，Pilar的案例展示了AI在实际应用中的潜力，以及选择合适的架构对成功实现AI驱动的自动化流程的重要性。 通过代码生成的方式，Pilar不仅解决了最大令牌数的限制，还提升了系统的可扩展性和可维护性，为未来的发展奠定了坚实的基础。
