透過人工智慧進行 JSL 腳本編寫JMP社群的各位朋友，大家好！
我只是有點好奇，有多少人使用人工智慧工具（例如 Chat-GPT、Claude 等）來輔助編寫 JSL 腳本，以及你是否覺得這些工具真的有用，或者等到它修復所有錯誤的時候，你自己寫得更快。雖然每個組織對工具的使用規則都不一樣，但我還是想問大家，我們是否可以作為一個社區，共同選擇一個工具，幫助它變得更聰明。
祝您有美好的一天！
自動化和腳本編寫回覆：借助人工智慧進行 JSL 腳本編寫嗨@GregMcMahon ，
我之前在其他一些帖子中也評論過這個問題，但使用人工智能（就我而言是 Claude）徹底改變了我編寫 JSL 項目的方式——它能夠生成簡潔優雅的解決方案，錯誤極少，並且大大減輕了編寫 JSL 代碼時“枯燥乏味”的部分——也就是代碼編寫本身！只要提供充分的專案計劃，並引導它一次處理一小段程式碼（先處理這個表達式，再處理這個函數），它就能節省大量時間。
除了速度快之外，它還能解決複雜的難題，甚至是棘手的問題；例如，在我正在開發的一個報告工具中，我一直搞不清楚如何才能按照我想要的方式嵌入圖片。我在 Claude 中得到了兩個提示，就找到了解決這個困擾了我好幾週的問題的方案，我之前甚至都想乾脆放棄。
考慮到 JMP 內建了 Python 集成，而且 Python 相關資源非常豐富，你可以利用 LLM 進行許多複雜的分析。以下是我目前見過/嘗試過的一些很棒的案例：
- 透過 JSL 建立報告/儀表板 - 向 AI 提供完整的表格腳本（無需資料），並要求其建立選項卡式儀表板，每個選項卡包含的報告都以腳本的形式儲存到腳本表中。
- 輸入日誌/錯誤代碼和完整腳本，以便AI快速偵錯。
- 產生範例「壓力測試」文件，以測試 JSL 腳本的實用性和局限性（例如，我在最近的JSL 視覺化工具中使用它來建立測試案例）。
- 為混合設計產生約束條件
- 在圖表建構器中建立自訂線條
- 產生範例測試資料來測試想法（例如，我最近建立了一個 qPCR 資料集，看看它如何與 Functional Data Explorer 平台配合使用）。
這是我和 Claude 一起製作的“JMP 街機遊戲廳”的有趣帖子。
謝謝！
本
回覆：借助人工智慧進行 JSL 腳本編寫JMP社群的各位朋友，大家好！
我自己並不使用JSL程式設計。我的同事會用，借助人工智慧，我可以協助他們理解一些概念。雖然2026版的JSL已經改進了很多，但去年它經常會猜測函數，這意味著我必須花時間去尋找正確的函數。
我將網路上找到的 JMP JSL 19 函數轉換成了 .nd 文件，並將其作為一項技能添加到了 Claude Code 中。這或許對其他人也有用：
https://github.com/octoplus-sa/claude-skills
玩得開心，
回覆：借助人工智慧進行 JSL 腳本編寫有趣的。
https://github.com/octoplus-sa/claude-skills/blob/main/jmp-jsl/skills/jmp-jsl/references/scripting-index/All%20Categories/Display%20Boxes/MouseBox.md#setdroptrackrack
https://github.com/octoplus-sa/claude-skills/blob/main/jmp-jsl/skills/jmp-jsl/references/scripting-index/All%20Categories/Display%20Boxes/MouseBox.md#setclick
https://community.jmp.com/t5/Uncharted/Three-JSL-Easter-Eggs/ba-p/21181
編輯：
@OctoAvgJumper ：感謝分享 GitHub 連結；我為腳本索引編寫的 JSL 屬於 JMP，在@kristen-slappey 的帖子之後，顯然可以用於訓練 AI。我之前並不知道（退休有一段時間了）JMP 已經把這麼多文件都搬到了 GitHub 上。現在想想，「有趣」或許應該用「酷」；如果你願意，可以把 JSL 放回 GitHub。
回覆：借助人工智慧進行 JSL 腳本編寫我們這裡有完整的腳本索引網站，剛剛更新到 19.1 版本： https://github.com/JMP-LLC/JSL-Scripting-Index-Website ，還有一個 llm-full.txt 文件，方便任何想要輕鬆抓取 JSL 進行內容的人： https://jsl.jmp.com/lltxt 文件，方便任何想要輕鬆抓取 JSL 進行時間的人： https://jsl.jmp.com/lltxtms-full.
回覆：借助人工智慧進行 JSL 腳本編寫這種平面檔案非常方便，很適合像 Notebook LLM 或類似工具。希望 LLM 能從中學習，這樣我們就無需在編碼時手動輸入資料了。
目標是縮小 CodeX/Claude Code 的上下文窗口，減少某些 AI 請求所需的標記數量。由於它是一種技能，因此僅在需要時載入/引用。然後，文件會被拆分，以便使用較少的標記來尋找正確的參考文獻，並且不會在不需要時將所有文件傳送到 LLM。
回覆：借助人工智慧進行 JSL 腳本編寫腳本編寫指南（非索引）是否也會以這種方式提供（如果能放在 JMP-LLC 程式碼庫中就更好了）？我認為 LLM 也能從這份指南中受益，因為指南中包含更多範例。
