Quadratic 的 10 种用法与适用边界
支持 Python、SQL 与 AI 的新型在线表格——这是 Quadratic 最主要的用途，也是本文讨论的前提。
下面列出 10 个具体场景，每个都注明适合与不适合的情况。
10 个场景
- 自然语言问数：需要人工复核。
- 写 SQL 查询：需要人工复核。
- 数据清洗方案：适合每周重复执行。
- 指标异动解读：适合先小范围试用。
- 图表建议：适合每周重复执行。
- 评测大模型应用：可以做成固定模板。
- 数据分析师：取数与 SQL：可以做成固定模板。
- 财务人员：单据识别录入：需要人工复核。
- 新媒体运营：内容排期：适合先小范围试用。
- 软件工程师：代码阅读与重构：适合先小范围试用。
挑两个场景细看
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。
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。
不适合的场景
- 需要专业资质最终签字的判断。
- 无法核实来源却要公开发布的内容。
- 涉及他人隐私且未获授权的材料。
延伸练习
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。
交付前确认：说明了处理对结论的影响。
写 SQL 查询
适用情况：手头有数据库表结构说明时。
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。
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。
交付前确认：给出了可复核的计算过程。
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：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。
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：文本转 SQL
把自然语言问题转换为数据库查询语句。
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：科研人员
科研人员可以用 Quadratic 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 Quadratic 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。
注意事项
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。
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。