Как сделать рабочий дашборд с помощью ИИ: один CSV, один график и публичная ссылка

Первый дашборд лучше ограничить одним вопросом. Возьмем вымышленный CSV с продажами по месяцам и построим один столбчатый график в Streamlit. AI напишет основу, но данные и итоговые суммы нужно проверить вручную.

Создайте sales.csv с колонками month и revenue, например за шесть месяцев. Используйте вымышленные суммы. До кода посчитайте общий доход и назовите месяц с максимальным значением.

Не начинайте с Excel на двадцать листов. Если прототип не работает на шести строках, большой файл не поможет.

Проверьте, что список зависимостей короткий и версии не взяты наугад. При необходимости сверьте их с текущей документацией.

Создайте отдельное окружение Python, установите зависимости и запустите Streamlit. Откройте локальный адрес в браузере.

Сравните общую сумму и максимальный месяц с ручным расчетом. Затем удалите одну колонку и временно переименуйте файл. Пользователь должен увидеть понятную ошибку, а не пустой экран.

В репозитории нужны app.py, sales.csv, requirements.txt и короткий README. Не добавляйте виртуальное окружение, кеши Python и реальные данные компании.

Если приложение когда-нибудь будет читать закрытый источник, используйте Secrets Streamlit. Для текущего прототипа секретов нет.

Создайте приложение в Streamlit Community Cloud, выберите репозиторий, ветку и файл app.py. После деплоя сервис дает адрес на домене streamlit.app.

Откройте ссылку в приватном окне и на телефоне. Проверьте заголовок, сумму, график и отсутствие ошибок в логах. Условия бесплатного хостинга и ограничения ресурсов могут меняться.

Дашборд показывает данные, но не объясняет причины. Перед публикацией подпишите единицы измерения, период и источник. Если CSV ручной, так и укажите.

Переход от прототипа к приложению с Git, базой и деплоем разбирается в ИИ-лаборатории Глеба Кудрявцева.

Дашборд готов, когда публичная ссылка открывается, ручной итог совпадает, две ошибки обрабатываются, а источник и период понятны без истории чата.