跨境Ai视界 上篇文章解决了关键词库数据展示的部分，完成了从Tableau本地客户端，到云Saas数跨境BI的迁移。收到了很多的读者的反馈说，他们已经成功解决数据看板的问题，节省了很多时间。
本着同样的逻辑，我们来解决Python清洗的部分，完成从本地端到云端的迁移。
今天要使用的工具是字节跳动出品的豆包MarsCode。这是一个可以运行代码的云IDE软件，不需要本地配置环境，直接在云端执行。
创建项目
1.首先注册MarsCode，由于是大厂出品，可靠性和安全性上不用担心。
注册链接：https://www.marscode.cn/events/s/iSxwCk2J
2.进入工作台，选择MarsCode IDE。
3.新建项目，选择导入git代码仓库,输入我已经上传到github上的项目链接。
https://github.com/TechTerryDev/amazon-keyword-clean.git
执行代码
1.创建好项目之后，在控制台中，复制这行命令安装依赖。
pip install -r requirements.txt
2.复制命令，创建环境变量。
cp .env.example .env
3.把 .env 文件中的 ZHIPUAI_API_KEY 替换成自己的key。
4.把下载好的表格，重命名为 data.xlsx 并上传项目根目录。点击界面顶部的 “Run” 按钮，执行代码。完成后，下载 output.csv 文件。
到这里，教程就结束了。整个过程极其优雅，再也不用担心本地配置环境的问题。
修改内容
1.首先解决nltk词库报错的问题，我把需要的文件直接放到项目当中，不需要联网调用。
2.添加了环境变量，可以方便的更换api key、智谱模型、筛选系数和聚类数量。智谱模型换成了免费版的GLM-4-Flash。由于我们使用AI分类的需求比较简单，免费的模型足以胜任。
3.代码托管到了github，后续会直接在上面更新，项目链接地址不变。
总结
到目前为止，关键词库三件套已经形成闭环了。首先找到热卖竞品ASIN，通过卖家精灵导出扩展词，用python清洗表格，用AI给关键词分类，最后在数跨境BI中，生成可视化效果。
第一部分-方法论
https://www.amzalysis.com/article/amazon-keyword-library
https://www.amzalysis.com/article/amazon-sales-breakthrough
第二部分-Python清洗(本篇)
https://www.amzalysis.com/article/keyword-library-python
第三部分-数据分析
https://www.amzalysis.com/article/keyword-library-upgrade
整个过程，本着运营的逻辑，加上个人的思考，借助AI工具，结合读者的反馈，完成从本地到云端的迁移。
即使有了这么多丰富的工具，我也会经常提醒自己，产品和需求才是第一。在AI逐渐成型的今天，工具的价值在于更好的辅助运营，我们可以将更多精力放在提升产品质量和用户体验上，这才是运营工作的核心所在。