一、写在前面
前段时间去交流，又被问到一个实际问题：
在组织全区活动时，我们设计了一份签到表，其中包含“所在单位地区”一列，目的是希望按地级市（如南宁市、柳州市等）对参与者进行分组，方便现场快速查找和签到。
然而，实际收集信息时发现，参与者填写的格式非常不统一（如下图，数据我编的，一共是500人），包括但不限于：
（1）带省级前缀的（如“广西南宁市”）
（2）仅写区县名的（如“马山县”）
（3）省略市级名称的（如“青秀区”）
（4）其他混合格式（如“南宁西乡塘区”）
这种混乱的填写方式导致数据无法直接按地级市归类，给后续的整理和签到分组带来了困难。
借此机会，我们继续来测试DeepSeek-R1能否来解决这个实际问题？
二、统一格式
这回还是输入DeepSeek-R1、Kimi-1.5和GPT-4-o3-mini-high，坐山观虎斗。
（1）咒语
请根据{表格}中的“单位所属地区”列，自动生成“所属地市”列，格式为“**市”。并增加一列，名称是“地市编号”，根据“单位所属地区”的地市名称生成对应的行政编号，填入“地市编号”列。最终的结果以表格形式输出，我需要全部输出数据，数据为：{XXXX}
（2）DeepSeek- 关闭深度思考（R1）模式 无联网
由于上下文问题，DS的输出长度有限，因此不能一次性输出500个数据，因此会有数据打断（因此，在咒语中复制表格时，只需要复制““单位所属地区”列”）：
让他继续输出即可，唯一BUG的就是，需要事后把打断的数据补齐才行。
这500个数据，分三次才输出完毕：
而且有些小瑕疵，比如合山市其实是来宾市的县级市，他没回识别出来，因此还需要微调。
但是，大体上是OK的。
最后，根据筛选功能或者根据“城市编号”进行排序，就可以把各个地级市分开了。
接着，我琢磨着，能否直接一步到位，把各个地市的表格单独输出？
咒语：请根据{表格}中的“单位所属地区”列，自动生成“所属地市”列，格式为“**市”。并增加一列，名称是“地市编号”，根据“单位所属地区”的地市名称生成对应的行政编号，填入“地市编号”列。最终的结果以表格形式输出，且按照地市依次分别输出单独的表格，例如“南宁市”单独一个表，输出完毕后，问我是否继续输出下一个地市的表格，我说继续后，你才继续输出。数据为：{XXXX}（这里就得复制全部表格了哦）
但是这样检查起来很容易错漏，我测试了一下，模型会漏几个人，排查起来更费时间。因此，还是第一种方法方便检查！
（3）Kimi - 关闭长思考模式 无联网
同样也是会被打断输出，但是让他继续输出的话，格式就开始乱了：
宣告失败。
（3）ChatGPT - 4.5
先试试第一种方法，GPT可以直接生成CSV文件：
请根据{表格}中的“单位所属地区”列，自动生成“所属地市”列，格式为“**市”。并增加一列，名称是“地市编号”，根据“单位所属地区”的地市名称生成对应的行政编号，填入“地市编号”列。最终的结果以表格形式输出，我需要全部输出数据，并生产CSV文件，数据为：{XXXX}
结果是它调用python来处理，结果自然来说不太行：
GPT-4.5不行，那么，推理模型呢？
我又试了一下GPT-o3-mini，还得是推理模型才可以：
麻烦的是还是得自己复制，起码也是能完成该任务咯。
而且他能识别“合山市”是属于“来宾市”，略胜一筹。
（4）Claude - 3.7 Sonnet
Claude也能实现，但是需要解锁完整版功能才行，不然收到输出字符数的限制：
同样的，他能识别“合山市”是属于“来宾市”。
五、写在最后
最后，总结一下：
（1）DeepSeek可以完成，但是受限于输出长度的问题，还得配合人工操作。而且，存在瑕疵，县级市不能识别出来。
（2）GPT的通用模型完成不了，而推理模型可以。我觉得是因为通用模型习惯性的调用python来解决问题，把自己的路走窄了。O3-mini推理模型完成度较高，唯一缺点就是不能直接生成csv文件，还是得手工操作。
（3）Claude基本上跟GPT的O3-mini效果一致。
不过话说回来，DS是免费的呀，使用门槛低，这个才是必杀技。
》阅读笔记：p39-p48)
