给科研人员的 Cortex 上手指南：步骤、提示词与注意事项
先说清楚它是什么：Snowflake Cortex AI 属于「数据与分析」方向的在线服务，Snowflake 数据云中的大模型与 AI 函数。
这篇写给科研人员：围绕文献检索与阅读、实验记录与数据整理和论文写作润色这几类日常工作，说明它能帮上什么忙、怎么用、哪些地方必须自己把关。
科研人员的三个高频用法
1. 文献检索与阅读
在 Snowflake Cortex AI 中可以这样提：
围绕【研究问题】列出近五年的 10 篇代表性文献：作者、年份、方法、主要发现。我会逐条核对，请只列出你能给出 DOI 或可检索标题的文献。
把关：每篇都核对过原文。
2. 实验记录与数据整理
提示词示例：
把这份实验记录整理成规范表格：日期、条件、样本编号、观测值、备注，指出记录中缺失或前后不一致的数据，不要补全数值。
把关：缺失数据被标出而非补全。
3. 论文写作润色
可直接复制到 Cortex 里修改：
润色这段论文方法部分的英文，保持专业术语不变、数据不变，改为被动语态为主的学术风格，列出主要修改。
把关：术语与数据未改动。
也可以试试：图表建议
这是「数据与分析」类工具的通用任务，科研人员同样用得上。
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）。
边界与合规
遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
- 产出由科研人员本人负责，AI 只是草稿和辅助。
- 对外内容发布前至少看一遍。
- 如单位有规定的工具清单，优先在清单内选择；Snowflake Cortex AI 的同类还有 Databricks、BigQuery Gemini。
一周试用建议
选一个最常做的任务连续用 5 个工作日，记录每次节省的时间和需要修改的地方，再决定是否把 Cortex 纳入日常流程。
更多可以试的用法
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。
检查点：先排查数据本身问题。
数据清洗方案
适用情况：手头有一份有缺失和异常值的数据时。
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。
验收标准：说明了处理对结论的影响。
评测大模型应用
准备材料：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。
检查点：评分标准清晰可复用。
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：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：追踪（Tracing）
记录大模型应用每次调用的输入输出与耗时。
使用提醒
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。
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。