销售怎么用 PandasAI：3 个高频任务的做法
用自然语言对 DataFrame 提问的开源库——这是 PandasAI 最主要的用途，也是本文讨论的前提。
这篇写给销售：围绕客户背景调研、跟进邮件与话术和会议纪要与商机记录这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。
销售的三个高频用法
1. 客户背景调研
在 PandasAI 中可以这样提：
根据这家客户公开的官网和新闻信息，整理一份拜访前简报：主营业务、近期动态、可能的需求和我方切入点。所有信息附来源，推测的内容标注「推测」。
把关：推测与事实分开标注。
2. 跟进邮件与话术
提示词示例：
写一封会后跟进邮件：感谢对方时间，总结会上确认的 3 点，列出下一步和时间，附上对方关心问题的答复。不做合同以外的承诺。
把关：没有超出授权的承诺。
3. 会议纪要与商机记录
提示词示例：
根据这段客户沟通记录，更新商机信息：客户痛点、决策人、预算情况、竞争对手、下一步动作。记录中没提到的字段留空。
把关：缺失字段留空没有臆造。
也可以试试：指标异动解读
这是「数据与分析」类工具的通用任务，销售同样用得上。
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。
边界与合规
客户数据按公司规定处理，报价和承诺以合同为准。
- 产出由销售本人负责，AI 只是草稿和辅助。
- 对外内容发布前至少看一遍。
- 如单位有规定的工具清单，优先在清单内选择；PandasAI 的同类还有 Vanna、Julius。
一周试用建议
选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 PandasAI 纳入日常流程。
更多可以试的用法
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。
写 SQL 查询
输入：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。
检查点：说明了口径问题。
图表建议
准备材料：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）。
交付前确认：指出了误导风险。
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：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。
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。
概念补充：口径
指标的定义与计算规则，不同口径会得出不同结论。
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。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 PandasAI 的数据处理条款，再决定能否使用。
所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。