天工AI数据分析提示词动作连贯秘诀推荐
坦白说，多数人在用AI做数据分析时碰到的真正痛点，不是AI算不出结果，而是它“跳跃式推理”——查完A直接跳到C，中间缺了B，你又查不到原因。这并非AI逻辑混乱，而是你下达的指令路径太模糊。
解法在于用时间序列动词链锁定分析流程、绑定输入与输出对象、并强制分步校验闭环。具体操作拆解为三步。
用三段式动词链锁死分析起止与过渡
第一步：把孤立的动作词替换成带有起点、过程和终点的完整动词链。例如，别说“分析用户留存”，改成“从GA导出2025年Q1新客注册表→按install_date+device_id去重并标记首日DAU→以7日为窗口滑动计算次日/7日/30日留存率”。每一步的起点、操作对象和终点都一目了然。
第二步：每个动词后面附加数据锚点。举例：“去重操作必须保留原始event_timestamp字段，不可聚合丢失毫秒级精度；滑动窗口需对齐自然周（周一至周日），而非滚动7日”。缺少这类约束，AI会默认按“逻辑最优”简化，结果就是把“按设备ID去重”误解为“按用户ID去重”，导致多端登录的用户被遗漏。
第三步：在结尾插入强制闭环指令。例如：“第3步输出的留存率表格，其‘7日留存’列数值必须与第1步导出表中install_date=2025-03-01的记录数做交叉验证，误差＞±0.8%则终止输出并报错”。少了这句，AI大概率会擅自补一句‘综上，留存表现良好’，却不告诉你具体数值是否自洽。
绑定输入文件与输出结构，禁用自由推演
方法一：在提示词开头明确声明：“本次分析仅基于用户上传的《2025Q1_用户行为埋点.csv》文件，字段含event_time、user_id、event_name、page_path；禁止调用任何外部数据库或假设未提供的字段”。直接封死AI的“自由发挥空间”。
方法二：规定输出必须严格对应输入结构。例如：“输出表格第一列为原始csv中的user_id，第二列为计算所得LTV预测值（单位：元），第三列为预测置信区间（格式：[126.4, 138.9]）；禁止新增列、合并行或改变原始user_id顺序”。指令越具体，AI越不会偷偷“优化”你的数据结构。
方法三：加入校验指令：“生成前比对输入文件行数（应为2,841,603行）与输出结果行数，若不一致，立即返回错误代码ERR_INPUT_MISMATCH并停止后续步骤”。这一步看似简单，实则是拦截AI擅自过滤“无效事件”却未告知你的关键防线。
分步执行+关键节点校验
将整个分析流程拆成三个阶段，每个阶段设置校验节点：
① 第一阶段：清洗 → 提取 → 标准化。要求AI先输出清洗规则清单（例如“删除event_name为空的行；将page_path统一转小写；修正event_time时区为UTC+8”），得到你确认后再进入下一步；
② 第二阶段：特征工程 → 模型输入准备。必须输出字段映射表——左侧是原始字段、中间列是转换公式、右侧是加工后字段名。例如“event_time → to_timestamp(event_time, 'yyyy-MM-dd HH:mm:ss.SSS') → session_start_ts”。每个字段的来龙去脉清清楚楚；
③ 第三阶段：指标计算 → 可视化建议。只允许基于第二阶段输出的字段生成指标，禁止引入新字段。每项指标必须标注计算口径，例如“付费转化率 = count(distinct case when event_name='pay_success' then user_id end) / count(distinct user_id)”。
记住：第二阶段的输出字段名必须真实存在于第一阶段的结果中，否则第三阶段的所有计算自动失效。