Metabase Metabot 进阶技巧：用熟之后还能怎么提效
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。
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
- 先要大纲或计划，再要全文，复杂任务分两到三步完成。
- 要求输出「不确定清单」，把需要人工核实的地方单独列出。
- 长材料分段处理，每段完成后再要一份汇总。
- 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。
- 把「口径」等关键设置弄清楚再调参。
- 同一任务准备 5 份测试材料，改设置后统一复测。
- 遇到瓶颈时，用 Power BI 做一次对照，判断是工具问题还是用法问题。
- 记录每次的输入、设置和结果，形成自己的经验库。
示例：分步完成的写法
自然语言问数
输入：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。
补充练习
图表建议
输入：一组需要汇报的数据。
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）。
验收标准：指出了误导风险。
指标异动解读
准备材料：一个突然下降的业务指标。
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。
验收标准：先排查数据本身问题。
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。
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：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：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。
概念补充：语义层
把业务指标定义统一管理，让 AI 查询时口径一致。
概念补充：异常检测
自动发现偏离正常范围的数据点。
适合人群：销售
销售可以用 Metabot 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。
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：新媒体运营
新媒体运营可以用 Metabot 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。
注意事项
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。
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。