Cortex 实用模板合集（附填写说明）
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。
这篇不讲概念，直接给能复制修改的模板，以及每个模板该怎么填。
模板怎么用
每个模板都由三部分组成：背景（你是谁、要做什么）、约束（格式、篇幅、禁止事项）、验收（怎样算合格）。把方括号里的内容换成你自己的信息即可。
模板 1：指标异动解读
适合：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。
填写提示：如果结果太长，补一句字数或条数上限；验收看「先排查数据本身问题」。
模板 2：评测大模型应用
适合：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。
填写提示：如果结果太长，补一句字数或条数上限；验收看「评分标准清晰可复用」。
模板 3：写 SQL 查询
适合：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。
填写提示：要求它在不确定处标注，而不是自行补全；验收看「说明了口径问题」。
模板维护
- 给每个模板编号并记录修改日期。
- 保留一份「效果好」的示例输出作为对照。
- 团队共用时注明适用场景和负责人。
延伸练习
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。
验收标准：给出了可复核的计算过程。
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。
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。
检查点：说明了处理对结论的影响。
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。
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。
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：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：财务人员
财务人员可以用 Cortex 处理单据识别录入、报表说明与分析等工作。需要注意：财务数据属于敏感信息，优先使用企业版或本地方案，结果需复核。
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。
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。