把 Quadratic 放进工作流：搭配工具与交接要点
在「数据与分析」类工具里，Quadratic 的定位是：支持 Python、SQL 与 AI 的新型在线表格。
单独用一个工具往往只解决一段问题，这篇讲怎么把它和上下游工具串起来。
推荐组合：Quadratic + FastGPT
FastGPT 的定位是：开源的知识库问答与工作流编排平台。两者分工可以是：Quadratic 负责「写 SQL 查询」这一步，FastGPT 负责把前后步骤串成自动化流程。
工作流步骤
- 明确交付物和验收标准，例如：说明了口径问题。
- 准备输入：数据库表结构说明，先去掉敏感信息。
- 在 Quadratic 中执行核心步骤（提示词见下文）
- 把结果交给 FastGPT 做下一步处理，或从 FastGPT 取得所需材料。
- 人工检查关键事实与格式，记录发现的问题。
- 把这次用到的提示词和设置保存为模板，下次复用。
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。
检查点：说明了口径问题。
交接时最容易出问题的地方
- 格式不兼容：两边导入导出的格式提前测试一次。
- 信息丢失：每次交接附上来源和版本号。
- 责任不清：约定哪一步由谁做最终确认。
- 成本叠加：两个工具都可能计费，先估算用量。
如果暂时不想引入第二个工具，也可以先用 Excel 等同类产品替代其中一环，跑通流程后再决定。
补充练习
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。
检查点：说明了处理对结论的影响。
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。
交付前确认：先排查数据本身问题。
自然语言问数
准备材料：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：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。
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：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：文本转 SQL
把自然语言问题转换为数据库查询语句。
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。
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。
写在最后
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。