从零到一：用 Vanna 做出第一份成果
先说清楚它是什么：Vanna 属于「数据与分析」方向的开源项目，开源的文本转 SQL 框架，基于 RAG 训练。
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：写 SQL 查询
目标：用 Vanna 完成一次「写 SQL 查询」，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
- 阅读仓库 README 与许可证。
- 准备材料：数据库表结构说明（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：说明了口径问题。
- 保存提示词与最终结果，写三行复盘。
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。
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「评测大模型应用」，或者把这次的流程分享给同事一起试。
补充练习
指标异动解读
输入：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。
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。
交付前确认：说明了处理对结论的影响。
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。
检查点：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：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：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：异常检测
自动发现偏离正常范围的数据点。
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：电商运营
电商运营可以用 Vanna 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：财务人员
财务人员可以用 Vanna 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。
适合人群：数据分析师
数据分析师可以用 Vanna 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。
使用提醒
涉及个人信息、商业机密或受监管数据时，先确认 Vanna 的数据处理条款，再决定能否使用。
本文基于 Vanna 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。