用 Metabase Metabot 完成第一个小项目：完整演练
先说清楚它是什么：Metabase Metabot 属于「数据与分析」方向的开源项目，开源 BI 工具 Metabase 的 AI 问答助手。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：图表建议
目标：用 Metabase Metabot 完成一次「图表建议」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：一组需要汇报的数据（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：指出了误导风险。
- 保存提示词与最终结果，写三行复盘。
根据这些数据推荐合适的图表类型，说明理由，并指出容易误导读者的画法（如截断坐标轴）。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「指标异动解读」，或者把这次的流程分享给同事一起试。
延伸练习
评测大模型应用
适用情况：手头有一批真实用户问题和应用回答时。
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。
交付前确认：评分标准清晰可复用。
数据清洗方案
输入：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。
验收标准：说明了处理对结论的影响。
自然语言问数
准备材料：一张销售明细表。
请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。
检查点：给出了可复核的计算过程。
常见问题：图表结论被过度解读
区分相关与因果，在报告中标注假设。
常见问题：问数结果看似合理但错误
准备几道已知答案的问题做抽检。
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。
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：评测集
用于反复检验模型或应用效果的标准问题集合。
适合人群：财务人员
财务人员可以用 Metabot 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。
适合人群：科研人员
科研人员可以用 Metabot 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
适合人群：软件工程师
软件工程师可以用 Metabot 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 Metabase Metabot 的数据处理条款，再决定能否使用。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Metabot 当前版本，重要内容请人工核对后再使用。