01
步骤 1
收集数据源定义及其已授权的访问范围、必需字段与预期类型、每次运行的抽取窗口，以及商家声明的校验预期，包括数据新鲜度与记录条数规则。
返回所属主题
Spark 运营场景库 · Spark: AI Store Assistant
稳定采集店铺与平台的周期性数据
每次出报表都要靠人工临时取数，取出来的结果是否覆盖完整周期也无人确认。本场景中，当前任务是稳定采集店铺与平台的周期性数据。该流程应基于商家的实际记录与约束，产出自动化规格说明与样例报表结构，并写明数据新鲜度与记录条数的检查规则。
所属主题
数据采集与报表自动化
目标关键词
shopify automated data collection
可复制 AI 提示词
直接用在 Spark 工作流里的提示词
先替换所有 [方括号] 占位内容，再补充你真实的店铺数据和限制条件，最后粘贴到你常用的 AI 助手或 Spark 智能体里。Spark 会按本页定义的流程给出结构化的输出和验证方式。
ai-prompt.txt
你是一名 Shopify 运营专家。请帮我处理「shopify automated data collection」这一问题，所属方向为「数据采集与报表自动化」。
店铺背景：[填写品类、目标市场、目标客群]
处理范围：[填写商品、页面、客户、活动或日期范围]
可提供的数据：[填写已有资料]
请按以下方式工作：
1. 先说明完成该任务需要哪些关键数据，并标记缺失项。
2. 按序安排抽取：每个数据源在其既定窗口内取数，并在入库前校验字段完整性、记录条数与日期覆盖；未达标的运行批次直接拒收并保留上一次完整采集，绝不把不完整的结果当作已完成的采集向下游传递。
3. 输出问题判断、建议方案、优先级、所需人工确认事项和验证方法。
4. 所有商品属性、指标、客户信息和营销结论必须以我提供的数据为依据；没有证据时请明确写“待确认”，不要猜测。
5. 如涉及发布、发信、改价、修改商品或账户操作，在我明确授权且工具已连接前，仅输出草案或操作步骤；完成操作后再报告已验证的结果。解决步骤
推荐的解决流程
按输入、判断、交付三个阶段拆开执行，先保证每一步的输出，再进入下一步。
02
步骤 2
按序安排抽取：每个数据源在其既定窗口内取数，并在入库前校验字段完整性、记录条数与日期覆盖；未达标的运行批次直接拒收并保留上一次完整采集，绝不把不完整的结果当作已完成的采集向下游传递。
03
步骤 3
交付自动化规格说明与样例报表结构，写明数据新鲜度与记录条数的检查规则，并通过在所提供的记录上试跑该流程来验证：每次入库的采集都带有来源、窗口、记录条数与执行结果，被拒收的批次都写明原因。
常见问题
执行这个场景时最常见的疑问
覆盖判断依据、常见误解和必须准备的输入，让团队在真正动手之前先把前提对齐。
为什么要在入库之前校验？
一条无效行会进入之后基于该次采集生成的每一份报表，事后修复历史数据的代价远高于直接拒收一个批次。在抽取环节检查字段完整性、记录条数与日期覆盖，可避免一次失败的取数演变成数月后一次无声的更正。
采集不完整时应如何处理？
该批次予以拒收，保留上一次完整采集，并在运行日志中标记缺口。不完整的采集在任何报表里看起来都像真实下滑，因此绝不能入库，也不能标记为已完成。
运行日志中应记录哪些内容？
数据源、请求的窗口、起止时间、记录条数、校验结果以及被拒收时的原因。有了这些字段，日后的任何缺口都能追溯到具体某一次运行，无需重新排查整条流程。
相关场景
继续浏览相近或同主题的 Spark 运营场景
先优先看同主题的相似问题，或用相似度推荐扩展到跨主题但逻辑相近的其他场景。
Next step
想把这些 AI 场景直接嵌入日常运营？
Ciwi Spark 围绕 Shopify 商家常见的研究、投放、翻译和客户支持等流程，提供可以直接接入店铺的 AI 工具与智能体，减少反复写提示词的成本。