在workbuddy中让数据分析agent先核对统计口径是避免结果失真的第一道闸门，需分三步：①用编号清单明确定义指标；②强制agent输出含字段来源的口径确认回执；③设置可量化、可追溯的校验点验证清洗结果。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在WorkBuddy中让数据分析Agent先核对统计口径，是避免后续所有分析结果失真的第一道闸门。很多用户跳过这步直接要图表，结果发现“销售额”被算成数量×单价，而业务系统里早有现成的金额列；“环比”默认比上月，但实际要跟上季度比——这类口径错位一旦进入可视化环节，返工成本翻倍。
第一步：用结构化提示词锁死口径定义权
在对话框输入任务前，必须用编号清单明确写出指标定义。例如：“① 销售额=原始表‘实收金额’列，不含退款；② 新客=首单日期在统计周期内且历史无订单；③ 环比基期=上一个自然月（非上30天）；④ 门店归属以‘所属大区’字段为准，不参考地址文本。”
这一步不能写“按常规理解”，【AI没有业务常识，默认值往往来自训练数据而非你的系统】。它会照着你写的每一条执行，漏写一条，就可能按自己的逻辑补全。
第二步：强制Agent输出口径确认回执
在指令末尾加一句：“请先逐条复述你识别到的口径定义，并标注哪些字段是你从原始文件中实际读取到的，哪些是你推断的。确认无误后，再执行清洗和汇总。”
Agent会返回类似这样的回执：
“已识别：① 实收金额列存在，值为数值型 → 采用；② 历史订单需关联另一张表，当前未上传 → 暂按‘首次下单时间’字段替代；③ 上月日期已解析为2026-09-01至2026-09-30 → 采用；④ ‘所属大区’列存在，含空值37行 → 已标记。”
看到这个回执，你只需检查带“→”的结论是否与你预期一致。有偏差立刻打断，不用等它跑完全部流程。
第三步：用“校验点”代替“信任交付”
方法一：要求Agent在清洗后立即输出3个校验点
例如：“清洗完成后，请输出：① 原始行数 vs 清洗后行数；② ‘实收金额’列最大值、最小值、空值占比；③ 抽样5条‘新客’记录，列出其‘首次下单时间’和‘订单日期’。”
方法二：指定关键字段做交叉验证
输入：“用‘实收金额’列总和，除以‘订单数量’列总和，得出平均客单价。再用透视表按‘所属大区’分组，检查华东大区的平均客单价是否落在[180, 220]区间。不在则标红并说明哪几行异常。”
【校验点必须可量化、可追溯到原始行，不能只说“逻辑已校验”】
