Cortex 用前用后：3 组示意对比
在「数据与分析」类工具里，Snowflake Cortex AI 的定位是：Snowflake 数据云中的大模型与 AI 函数。
下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。
对比一：模糊指令 vs 明确指令
改之前：直接说「帮我图表建议」。结果往往泛泛而谈、格式随意。
改之后：写清材料、格式和验收标准：
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）。
变化（示意）：输出结构稳定，可以直接按「指出了误导风险」检查。
对比二：一次做完 vs 分步完成
改之前：把「写 SQL 查询」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。
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。
对比三：不检查 vs 带检查点
改之前：拿到结果直接用。改之后：每次都对照「说明了处理对结论的影响」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。
以上对比均为示意，用来说明方法差异，不代表具体的效率数字。
更多可以试的用法
自然语言问数
适用情况：手头有一张销售明细表时。
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。
检查点：给出了可复核的计算过程。
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。
指标异动解读
适用情况：手头有一个突然下降的业务指标时。
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：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：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：科研人员
科研人员可以用 Cortex 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：新媒体运营
新媒体运营可以用 Cortex 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。
写在最后
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。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Cortex 当前版本，重要内容请人工核对后再使用。