Очистка данных начинается с единиц и форматов: агенты пишут преобразования с протоколом ошибок

Отчёты расходятся, когда системы по-разному понимают одно поле. Дата может поменять месяц, число потерять дробную часть, масса остаться без единицы.

Microsoft показывает это на датах в Power Query: преобразование зависит от региональных настроек. Выбрать тип «Дата» недостаточно, нужно знать формат источника.

Начать стоит со словаря полей одной выгрузки. В нём владелец данных задаёт смысл значения и решает, что делать, если этого смысла не хватает.

В постановке задачи агенту нужен ожидаемый результат для каждого типа поля. Формулировка «почистить таблицу» оставляет ему выбор, считать ли пустую сумму нулём.

Агент может написать скрипт и проверки, а загрузки затем выполняет этот код. Обращаться к модели за толкованием каждой строки для согласованных форматов не требуется.

Правила работы агента отделяют код от бизнес-решений. Он переводит килограммы в граммы по заданному коэффициенту, а неизвестную единицу возвращает владельцу данных.

Спорная строка должна оставаться доступной для разбора. Если скрипт заменил неизвестное значение нулём, отчёт выглядит законченным, а ошибка стала частью расчёта.

Документация pandas показывает похожую развилку: параметр errors='coerce' заменяет неразобранную дату пустым значением NaT. Пустое значение само по себе не объясняет причину.

У очереди исключений нужен ответственный, как и у организации работы агентов. Его решение возвращается в правило преобразования и проверочный пример следующей загрузки.

Наш опыт относится к vibecoding.ru, где работает открытая машина агентов. Клиентского кейса очистки данных у нас нет.

Здесь полезен механизм поломки. Корректный на вид текст остановил обработку, ручное перечисление потеряло поле, а ошибка чтения превратилась в число.

При преобразовании данных из источников фиксируют соответствия полей и судьбу отвергнутых строк.

После этих случаев появились проверки конкретных причин. Ни успешный запуск, ни заполненная ячейка отдельно не доказывают, что вход сохранил смысл.

Принимать нужно совпадение с заранее утверждёнными примерами. Проверку, которую агент написал после собственного преобразования, дополните примерами владельца данных.

Сводка показывает судьбу каждой входной записи. Число принятых строк, строк на проверке и обоснованных исключений должно совпасть с числом входных записей.

Ответственность за ошибки ИИ включает решение о выпуске результата. Если пропал обязательный столбец или файл не прочитан, загрузку останавливают целиком.

Для разовой таблицы с понятными форматами начните с Power Query. Он поддерживает региональные настройки и сохранение ошибочных строк для разбора.

Разработка по подписке нужна при постоянной очереди изменений. Тариф «Один проект» стоит 250 000 ₽ в месяц на 08.10.2026.

Инженер ведёт машину агентов и может получить задачу на нормализацию с очередью ручной проверки. Состав работ согласуется по выгрузке, готовые изменения остаются в репозитории клиента.

Первой задачей закажите преобразование одной выгрузки и отчёт исключений. В заказе должны быть исходный файл, правила полей и утверждённые примеры результата.

Эффект измеряйте на следующих загрузках. Смотрите, какие причины повторяются и сколько строк ждёт решения, а закрытые исключения превращайте в правила и тесты.

Следующий шаг для руководителя начинается с обсуждения задачи для компании.

1. Согласуйте смысл поля до преобразования: формат, единицу и действия при неизвестном значении.

2. Поручите агенту код и проверки, сохраните исходную выгрузку отдельно от результата.

3. Принимайте результат вместе с протоколом и судьбой каждой входной записи.

4. Проверьте повторную загрузку: она не должна создавать копии или менять значения.

5. Назначьте владельца исключений. Его решения становятся правилами и тестами следующих загрузок.