帮助中心 / 第 4 步

如何让业务问题，直接变成分析答案

四种分析模式怎么选，闭环过程怎么看，以及如何把结果沉淀下来。

前面三步配置好之后，就可以在 Agent 对话 里直接提问了。你不需要选数据源、不需要选 Agent——系统按问题内容自动路由。

四种分析模式

顶部下拉框可以切换模式。它们的区别不只是快慢，而是分析深度：

跨智能体模式需要问题确实涉及两个以上业务域，且这些域由不同的 Agent 覆盖。条件不满足时会自动降级为标准分析，并在时间线上说明原因。

分析过程是怎么跑的

提问后你会看到一条实时更新的时间线。系统不是一次性生成 SQL 就完事，而是一个闭环：

1. 规划 —— 把问题拆成多个分析步骤
2. 执行 —— 生成 SQL、安全校验、查询、出图
3. 观察 —— 自检结果：是不是空集？是不是全 NULL？分组维度是不是查错了表？
4. 反思 —— 决定继续、带修正建议重试、补充下钻步骤，还是提前收口
5. 报告 —— 结论先行，每个数字标注来源

第 3、4 步是关键。 举例：如果某一步的分组结果每组计数都是 1，系统会判断这多半是误统计了字典表，自动改用事实表重新查询，而不是把错误结果直接写进报告。

看懂报告

忠实性分数 —— 报告里每个数字都会回溯到实际查询结果。全部可溯源是 100%，偏低说明存在无法验证的表述，需要人工复核。

追问澄清 —— 当问题有歧义或数据源里确实没有相关字段时，系统会停下来提问而不是硬猜。补充说明后可以继续，不用从头再问一遍。

多轮对话 —— 同一会话内支持追问，比如先问「今年注册用户」，再问「按渠道拆开看看」。

把结果沉淀下来

存为看板 —— 报告里带图表的章节可以一键落地成报表面板，图表和 SQL 一起保存，之后可以直接查看，不用重新提问。

点赞 / 点踩 —— 这不只是表态。系统会据此调整本次用到的历史经验的可信度：有用的经验被强化、误导的被削弱。用得越多越准，靠的就是这个反馈。

提问技巧

说清时间范围。 「销售情况」不如「本月销售额，对比上月」。

用业务词汇，别用表名字段名。 系统会通过业务术语和语义层自动映射，你说「大客户」比说 customer_level = 'A' 更好——前者是稳定的业务口径，后者可能因为数据变更而失效。

归因类问题用深度模式。 「为什么下降」「什么原因导致」这类问题，标准模式往往只给出结果不给出原因。

结果不对时，去补 SQL 示例。 如果某类问题反复生成错误口径的 SQL，与其反复换措辞提问，不如去 SQL 示例 里录一条正确写法。这是最直接有效的纠正手段。

在其他工具里使用

平台提供 MCP 接入，可以在 Claude、Codex、WorkBuddy 等支持 MCP 协议的 AI 工具里直接查数和分析。权限沿用平台授权，脱敏字段不会返回，连接凭据不进入对话。