Как проверить формулы и структуру XLSX после правки ИИ в Windows
Read-only скрипт на Python показывает листы и координаты формул в двух XLSX, находит изменения и отклоняет опасные архивы до разбора XML.
Новости искусственного интеллекта
Пошаговые руководства по настройке и использованию искусственного интеллекта. Понятные действия, проверка результата и помощь с частыми ошибками.
Read-only скрипт на Python показывает листы и координаты формул в двух XLSX, находит изменения и отклоняет опасные архивы до разбора XML.
Локальный скрипт на Python отличает реальные изменения данных от перестановки ключей и пробелов, показывает точные пути и строго отклоняет дубли, NaN и Infinity.
Создаём отдельный CSV только с row_id и topic, не перезаписываем исходник и вручную проверяем свободный текст перед передачей ИИ.
Создаём два JSON-манифеста папки до и после работы ИИ, сравниваем пути, размеры и SHA-256 и отменяем изменения только из отдельной копии.
Локальный конвертер на Python сохраняет 0012 строкой, правильно разбирает запятые, кавычки и многострочные поля и не заменяет JSON при плохих заголовках или ширине записи.
Сначала читаем метаданные ZIP без извлечения файлов, отсекаем опасные пути, ссылки и подозрительные размеры, затем отдельно проверяем CRC в заданных лимитах.
Локально считаем строки, находим повторяющиеся ключи и сверяем десятичную сумму с независимым эталоном через стандартный Python.
Собираем локальный read-only MCP-сервис без зависимостей, ограничиваем инструменты двумя allowlist и проверяем успешный вызов вместе с запретом нежелательной операции.
Пошагово сравниваем исходный и исправленный текст встроенной командой diff, сохраняем отчёт и устраняем ложные различия из-за кодировки и переносов строк.
Проверяем синтаксис JSON, повторяющиеся ключи и минимальный контракт встроенными средствами Python — до передачи файла рабочему скрипту.
Сначала изучаем пути и масштаб изменений, затем проверяем патч без записи и испытываем его в отдельном Git worktree.
Четыре учебные записи: сохраняем запятые, кавычки и пропуски, проверяем значения и готовим копию для открытия в Numbers.
Проверяем текстовый слой, отделяем нужные страницы в «Просмотре» и на учебном PDF разбираем, как теряются связи в таблицах.
В локальном чате LM Studio можно сначала составить карту вопросов, затем написать черновик по вашим данным. Результат этой работы — текст для проверки. Программа не должна решать за вас, какую цену обещать, когда закончить проект и кому передавать исходники.
Синтетический TXT, шесть готовых заданий и эталонные ответы помогут понять, где локальная модель ошибается и что проверять вручную.
Проверяем этап задержки, нагрузку памяти и настройки LM Studio: что уменьшить первым и почему размер файла не равен нужной RAM.
Локальному ИИ можно поручить разделение текста на решения, действия и открытые вопросы. Но завершённая таблица не обязательно точна: пустой срок или неизвестный ответственный должны остаться видимыми, даже если модель умеет красиво заполнить каждую ячейку.
Для небольших фрагментов удобно использовать уже настроенный локальный чат LM Studio: отдельно задать правила перевода, приложить короткий глоссарий и проверить результат рядом с оригиналом. Главное здесь — не гладкость русского текста, а сохранение того, что автор разрешил, запретил или оставил неопределённым.
Конкретные GGUF и MLX: размеры файлов, осторожный выбор по RAM, запас для macOS и контекста. Для русского чата, кода и документов на Apple Silicon.
Учебный TXT, проверочные запросы и эталон ответов: как проверить работу с документом в LM Studio и заметить выдуманные сведения.
Как выбрать и загрузить модель в LM Studio, проверить первый ответ и освободить память. Пошаговый маршрут и ограничения редакционной проверки.