用 Snowflake Cortex AI 完成第一个小项目：完整演练
Snowflake Cortex AI 是一款在线服务：Snowflake 数据云中的大模型与 AI 函数。
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：数据清洗方案
目标：用 Snowflake Cortex AI 完成一次「数据清洗方案」，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：一份有缺失和异常值的数据（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：说明了处理对结论的影响。
- 保存提示词与最终结果，写三行复盘。
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。
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「自然语言问数」，或者把这次的流程分享给同事一起试。
延伸练习
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。
检查点：评分标准清晰可复用。
图表建议
适用情况：手头有一组需要汇报的数据时。
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。
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。
检查点：说明了口径问题。
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。
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：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：语义层
把业务指标定义统一管理，让 AI 查询时口径一致。
适合人群：电商运营
电商运营可以用 Cortex 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。
适合人群：销售
销售可以用 Cortex 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：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。
注意事项
本文基于 Snowflake Cortex AI 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。
涉及个人信息、商业机密或受监管数据时，先确认 Snowflake Cortex AI 的数据处理条款，再决定能否使用。