这是一个虚构但很典型的案例：小李是一位为个人和家庭提供保险咨询的保险代理人，最近手头在忙“和 8 位客户进行保障需求沟通”，同时还要准备“筹备一场家庭保障讲座”。这次小李需要整理一份给团队主管的保障方案说明，决定试试 AI 代码执行数据分析。

背景

对小李来说，要向客户讲清楚复杂条款，写跟进消息、做需求分析，还要遵守严格的销售规范。偏偏这次还遇到一个变数：一位客户对条款理解有偏差，需要再次沟通。保障方案说明需要尽快交给团队主管，时间并不宽裕。

第一次尝试：问题出在哪

小李一开始只写了一句话：

帮我写一份关于“年轻家庭的保障规划”的保障方案说明。

结果 AI 给出的内容四平八稳却用不上。复盘下来，主要有两个问题：

  • 不看代码直接用结论。
  • 一次提很多复杂问题。

改进后的提示词

小李按照代码执行分析的思路重写了提示词，核心是上传前删除或脱敏不必要的敏感字段：

我上传了一份客户跟进表格，字段包括：客户类型、沟通日期、预算元、需求类型。
请用代码完成以下分析：
1. 先检查数据：行数、各字段缺失值、明显异常值；
2. 按“客户类型”分组，统计记录数和“预算元”的平均值、中位数；
3. 按“沟通日期”画出每周趋势折线图；
4. 用三句话总结发现，并说明你的计算口径。
请展示你使用的代码，所有数字以代码运行结果为准。

结果（示意）

下面的效果为虚构演示，用来说明这类改进通常带来的变化：

示例（虚构）：用户上传门店销售表，问“哪个时段客流最多”。AI 写代码按小时分组统计，发现 12 点和 18 点是两个高峰，并画出柱状图；同时提示“有 23 行时间字段为空，已排除在统计之外”。

拿到结果后，小李没有直接转发，而是先删掉不符合实际情况的内容，再补上 AI 不知道的背景。

复盘：这次用到的方法

  • 先让 AI 描述数据：行数、列名、数据类型、缺失值。
  • 用业务语言提出问题，说明指标的口径定义。
  • 查看 AI 写的代码和中间结果，确认计算逻辑正确。
  • 至少浏览关键步骤，确认筛选条件和计算口径符合你的定义。

之后小李发现，同样的方法也适用于另一类场景：快速生成图表用于汇报。

复盘时小李还想到一个问题：和表格软件的公式比哪个好？答案是：一次性的复杂分析用代码执行更快，需要长期维护和他人协作的报表用表格公式更合适。

给保险代理人的提醒

让 AI 把条款里的专业术语改写成通俗说法，再对照原条款核对。产品责任、免责条款和收益表述必须以合同条款为准，不能用 AI 生成的内容做任何承诺。另外，对话里不要出现客户身份信息、健康告知和保单信息。

一个额外的小技巧：大数据量时先用一部分样本测试代码，再处理全量。

如果你也是保险代理人

可以先从“参加产品培训”或“学习新产品条款”这样的小任务开始练习代码执行分析，熟练之后再用到保障方案说明这类更正式的材料上。每次记录一下哪句提示词最管用，慢慢就有了自己的模板。

相关阅读