DB-GPT 进阶技巧：用熟之后还能怎么提效
先说清楚它是什么：DB-GPT 属于「数据与分析」方向的开源项目，面向数据库与数据分析的开源 AI 应用框架。
这些技巧适合已经会基本操作、想进一步提效的用户。
8 条进阶用法
- 给一个你满意的样例，让它模仿结构而不是复制内容。
- 记录每次的输入、设置和结果，形成自己的经验库。
- 敏感信息用代号替换，交付前再换回。
- 把「口径」等关键设置弄清楚再调参。
- 把固定的背景和规则保存为预设或模板，避免每次重复输入。
- 遇到瓶颈时，用 Chat2DB 做一次对照，判断是工具问题还是用法问题。
- 同一任务准备 5 份测试材料，改设置后统一复测。
- 先要大纲或计划，再要全文，复杂任务分两到三步完成。
示例：分步完成的写法
评测大模型应用
输入：一批真实用户问题和应用回答。
为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。
验收标准：评分标准清晰可复用。
延伸练习
数据清洗方案
准备材料：一份有缺失和异常值的数据。
分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。
检查点：说明了处理对结论的影响。
写 SQL 查询
准备材料：数据库表结构说明。
根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。
验收标准：说明了口径问题。
指标异动解读
适用情况：手头有一个突然下降的业务指标时。
日活本周下降了，请列出可能原因的排查清单，按「数据问题 / 产品变化 / 外部因素」分类，每项写明需要查看的数据。
交付前确认：先排查数据本身问题。
常见问题：敏感数据暴露给模型
使用脱敏视图或只读账号，限制可访问的表。
常见问题：生成的 SQL 运行报错
提供准确的表结构和字段说明，先在测试库运行。
常见问题：AI 算出的数字和报表不一致
检查口径和过滤条件，要求它输出 SQL 或公式逐步复核。
概念补充：追踪（Tracing）
记录大模型应用每次调用的输入输出与耗时。
概念补充：文本转 SQL
把自然语言问题转换为数据库查询语句。
适合人群：新媒体运营
新媒体运营可以用 DB-GPT 处理内容排期、数据复盘等工作。需要注意：活动规则与奖品说明要准确，避免诱导分享等违规玩法。
适合人群：电商运营
电商运营可以用 DB-GPT 处理商品详情与主图、活动方案与客服话术等工作。需要注意：商品参数和促销规则必须与后台一致，避免虚假宣传。
适合人群：HR 与招聘
HR 与招聘可以用 DB-GPT 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。
注意事项
涉及个人信息、商业机密或受监管数据时，先确认 DB-GPT 的数据处理条款，再决定能否使用。
本文基于 DB-GPT 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。