Vanna 老手才知道的用法
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。
这些技巧适合已经会基本操作、想进一步提效的用户。
8 条进阶用法
- 长材料分段处理，每段完成后再要一份汇总。
- 把固定的背景和规则保存为预设或模板，避免每次重复输入。
- 遇到瓶颈时，用 PandasAI 做一次对照，判断是工具问题还是用法问题。
- 把「口径」等关键设置弄清楚再调参。
- 同一任务准备 5 份测试材料，改设置后统一复测。
- 记录每次的输入、设置和结果，形成自己的经验库。
- 敏感信息用代号替换，交付前再换回。
- 先要大纲或计划，再要全文，复杂任务分两到三步完成。
示例：分步完成的写法
图表建议
输入：一组需要汇报的数据。
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。
补充练习
数据清洗方案
准备材料：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。
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。
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：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。
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：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：评测集
用于反复检验模型或应用效果的标准问题集合。
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：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。
适合人群：销售
销售可以用 Vanna 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：新媒体运营
新媒体运营可以用 Vanna 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。
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。
文中提示词和示例仅作示意，实际效果取决于你的材料和 Vanna 当前版本，重要内容请人工核对后再使用。