用途
本技能是一个交互式教学指南，专注于教授 Snowflake Cortex 的 CLASSIFY_TEXT 文本分类功能。它面向希望学习如何对非结构化文本进行自动分类的用户，通过一个名为 Tasty Bytes 的全球餐车网络场景，演示如何将客户评论分类为“Likely”“Unlikely”或“Unsure”以推荐。
主要能力
- 教授如何使用 Python 的 cortex.classify_text 对单条字符串进行分类。
- 教授如何将分类列添加到整个 DataFrame 数据集。
- 教授如何在 SQL 中直接使用 SNOWFLAKE.CORTEX.CLASSIFY_TEXT 进行分类。
- 讲解如何编写有效的任务描述（task description）以提升分类准确性。
- 强调类别应清晰且互斥，例如使用 ["Positive", "Negative", "Neutral"] 而非过于相似的类别。
- 解释 CLASSIFY_TEXT 属于零样本分类（Zero-Shot Classification），无需训练。
- 对比 Python 与 SQL 两种方式的适用场景：Python 适合实验、复杂逻辑和 ML 管道集成；SQL 适合大规模处理、语法简单且无需 Python 环境。
使用方式
技能启动时，首先通过 web_fetch 获取官方文档以确保使用最新语法和参数。随后检查环境，优先使用 SNOWFLAKE_LEARNING 环境（角色 SNOWFLAKE_LEARNING_ROLE、数据库 SNOWFLAKE_LEARNING_DB、仓库 SNOWFLAKE_LEARNING_WH），若不可用则回退到用户当前角色和仓库。教学遵循“先解释后执行”模式：在执行任何命令前先解释其作用，展示代码块，等待用户确认后再执行，并解释结果。课程分为四课：设置与数据加载、单字符串分类、DataFrame 分类、SQL 分类。每课结束后有检查点问题，并可根据用户提问深入讲解参考材料中的内容。
适用场景
- 学习 Snowflake Cortex 文本分类功能的初学者。
- 需要将非结构化文本（如客户评论、反馈）自动归类到自定义类别的数据分析师或数据科学家。
- 希望了解 Python 与 SQL 两种实现方式差异的开发者。
- 需要为机器学习管道集成文本分类能力的团队。
限制
- 本技能为教学性质，不提供生产环境部署或性能优化指导。
- 依赖 Snowflake 环境，需要相应的角色、数据库和仓库权限。
- 分类效果受类别定义和任务描述质量影响，技能中未提供具体的准确率或性能数据。
- 未提供收费、价格或平台兼容性等具体信息。