用 Quadratic 完成第一个小项目：完整演练
Quadratic 是一款在线服务：支持 Python、SQL 与 AI 的新型在线表格。
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：评测大模型应用
目标：用 Quadratic 完成一次「评测大模型应用」，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
- 用工作邮箱注册，开启双重验证。
- 准备材料：一批真实用户问题和应用回答（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：评分标准清晰可复用。
- 保存提示词与最终结果，写三行复盘。
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。
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「图表建议」，或者把这次的流程分享给同事一起试。
更多可以试的用法
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
输入：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。
交付前确认：先排查数据本身问题。
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。
交付前确认：说明了处理对结论的影响。
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：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：图表结论被过度解读
区分相关与因果，在报告中标注假设。
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。
适合人群：销售
销售可以用 Quadratic 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：数据分析师
数据分析师可以用 Quadratic 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
适合人群：电商运营
电商运营可以用 Quadratic 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。
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 Quadratic 当前版本，重要内容请人工核对后再使用。
本文基于 Quadratic 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。