本文记录了一个基于 Python 的学生画像与个性化推荐系统实验，围绕数据清洗、规则画像、大模型增强、Chroma 向量检索、MMR 重排和报告输出展开，重点讲解系统流程与核心代码实现。

本文记录了基于助睿ETL平台完成CSV、文本和Excel文件数据抽取、字段解析、数据加工与结果验证的完整实验流程。

本报告基于助睿数智零代码平台，利用 K-Means 算法对学生考勤数据进行聚类建模，精准识别出“纪律高危型”群体，并通过 ETL 完成业务标签的数据库回写。结合 BI 多维画像大屏分析揭示：高危违纪行为在男女生中发生率相当，但在老校区高三年级及个别薄弱班级（如高三9班）呈现高度聚集特征。该实验成果为校园开展靶向行为干预与精细化治理提供了科学的数据决策支撑。