Quadratic 进阶技巧：用熟之后还能怎么提效
先说清楚它是什么：Quadratic 属于「数据与分析」方向的在线服务，支持 Python、SQL 与 AI 的新型在线表格。
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
- 要求输出「不确定清单」，把需要人工核实的地方单独列出。
- 给一个你满意的样例，让它模仿结构而不是复制内容。
- 敏感信息用代号替换，交付前再换回。
- 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。
- 记录每次的输入、设置和结果，形成自己的经验库。
- 遇到瓶颈时，用 Excel 做一次对照，判断是工具问题还是用法问题。
- 把「口径」等关键设置弄清楚再调参。
示例：分步完成的写法
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。
验收标准：说明了口径问题。
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。
验收标准：评分标准清晰可复用。
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。
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。
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：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：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：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：HR 与招聘
HR 与招聘可以用 Quadratic 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。
适合人群：新媒体运营
新媒体运营可以用 Quadratic 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：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。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 Quadratic 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 Quadratic 当前版本，重要内容请人工核对后再使用。