假设有人提出一个需求：

输入一份销售数据，输出一份分析报告。

这句话还不能作为一项可执行的工作。它没有说清销售数据包含哪些字段，也没有说清分析报告要回答什么问题、包含哪些指标。

把 AI 先想成一个加工盒

向盒子里放入原始材料，盒子处理材料，另一端产生可以检查的结果。

输入材料 → AI 或 Agent → 可检查的输出

工程上可以把这个盒子近似理解为一个函数。这个比喻有一个限制：AI 不是 Excel 公式。相同输入可能产生不完全相同的表达，因此还需要明确的合格标准和人工复核。

第一步：说清输入

对一份 Excel 或 CSV 数据，至少说清以下内容：

• 数据来自哪个店铺后台或系统。
• 时间范围是什么。
• 每一行代表什么。
• 文件包含哪些字段。
• 金额、数量、比率等字段使用什么单位。
• 哪些字段可能缺失。

例如，一份用于判断促销表现的输入数据可以包含：

字段	含义
日期	订单或汇总数据所属日期
商品编号	商品的唯一标识
商品名称	用于人工阅读的名称
销售数量	指定时间范围内的销售件数
销售金额	指定时间范围内的销售额，单位需要写明
促销类型	满减、折扣、优惠券或其他促销方式
促销费用	本次促销发生的可确认费用
店铺或渠道	数据所属店铺、平台或销售渠道

内测作业可以不附真实样本，但字段和字段含义必须写清楚。

第二步：说清输出

「生成分析报告」不是明确的输出。分析报告需要先有一个想要回答的问题。

例如：「这次促销是否带来了值得继续的销售增长？」

输出可以被定义为：

• 促销前后的销售数量变化。
• 促销前后的销售金额变化。
• 不同商品、店铺或渠道的表现差异。
• 促销投入与销售增长之间的关系。
• 是否建议继续促销，以及建议的依据。

数据分析不能只用来证明原来的想法。分析结果可能支持、削弱或推翻最初的判断。

第三步：写出 3～5 条合格标准

合格标准用来回答：什么样的输出才能交付？

上述促销分析可以使用以下标准：

1. 不遗漏需求中指定的任何指标。
2. 每个主要结论都能对应到输入数据。
3. 区分数据事实、分析推测和行动建议。
4. 明确说明缺失数据和分析限制。
5. 不把两个同时发生的变化直接写成因果关系。

第四步：写下已经想到的流程

中间流程可以暂时不完整，也不需要立即估算工程实现时间。但必须尽量写出已经想到的步骤，并标明暂时不知道的部分。

例如：

1. 检查必要字段是否存在。
2. 统一日期、金额和商品编号格式。
3. 划分促销前和促销后的时间范围。
4. 按商品和渠道汇总数据。
5. 计算差异并检查异常值。
6. 由 AI 帮助解释可能原因，同时标明证据不足的地方。
7. 人工核对结论和行动建议。

本节作业

从真实工作中选择一个需求，按以下格式填写：

我要解决的工作问题：

输入：
- 来源：
- 格式：
- 字段或必要内容：

输出：
- 交付形式：
- 必须包含的指标、内容或结论：

合格标准：
1.
2.
3.

已经想到的中间步骤：

暂时没有想清楚的问题：

完成标准

• 输入已经具体到另一个人能够知道会收到什么。
• 输出已经具体到另一个人能够知道要交付什么。
• 已经写出 3～5 条可以用来检查结果的标准。
• 不会的部分已经被明确标出，而不是用「不知道」代替整个思考过程。

内测阶段不使用 LLM 自动批改作业。讲师会查看提交情况，并根据学员卡住的位置进行单独沟通。