如何写出可执行的数据分析提示词

先分享一个实战案例。许多团队在使用LiblibAI撰写数据分析提示词时，反馈最多的问题是：结果颗粒度太粗。它不像那种能直接用来安排人员、排定日程的待办清单，反而更像一份“报告框架”——告诉你该分析什么、用什么方法、借助哪些工具，可仔细一看，没有一条是能真正点击执行的。

问题根源在哪？核心就一句话：提示词里缺少对分析动作的物理可操作性、数据来源路径、输出格式以及验证手段的硬性约束。

具体怎么解决？往下看。

用五字段锁死分析任务粒度

编写提示词时，开头必须明确声明：需包含五个字段——分析目标、数据源路径、处理动作、输出格式、验证方式。这五个字段就是锚点，不加的话，AI会默认按照报告大纲的逻辑生成内容，根本无法形成可执行的清单。

接下来是重点：对“处理动作”追加限制。所有动作必须能被单人两小时内完成，禁止使用“梳理”“研究”“分析趋势”这类听起来高大上、实则无法量化时间的动词。只允许采用这样的写法：“导出2024Q1销售明细表（CSV）”“用Power Query合并3张Sheet”“在DAX中新建[复购率]度量值”。

注意：如果动作里不包含工具名、文件名和操作动词，AI就会输出一堆纯文字的步骤描述，而不是能直接拖入BI工具执行的指令。

第三步，也是很多人容易忽略的：给出一个与当前业务完全一致的样例。比如你正在做电商复购分析，那就写：“分析目标：识别高流失风险用户；数据源路径：/data/ods/user_beha vior_202406.csv；处理动作：用Python pandas筛选近30天无下单行为且历史订单≥5笔的用户ID；输出格式：Excel表格，含UserID、LastOrderDate、TotalOrders三列；验证方式：人工抽检前10条，确认LastOrderDate均早于2024-05-12。”

样例里必须包含真实路径、真实字段名和真实日期，否则AI只会把它们当成占位符来填充。

用角色+资源倒逼可派发性

两种方法都非常有效。

方法一：让AI扮演数据执行工程师，而不是分析师。提示词开头就写：“你现在是本项目的数据执行工程师，手头只有本地安装的Power BI Desktop V2.14和已授权访问/data目录的权限，无Python环境，无数据库DDL权限。请拆解出今天必须完成的全部可立即执行的数据处理任务。”

这样一来，AI的思维模式就会切换到“能干什么”而非“建议怎么干”。

方法二：叠加交付验收权设定。“所有输出必须能被业务方在3分钟内确认是否合格——即每项任务必须明确写出输入文件的完整路径（如/data/raw/crm_export_20240610.xlsx）、输出文件保存位置（如/data/staging/churn_risk_list.xlsx）、检查方式（如‘打开Excel→筛选[Score]列＞85的行数应为127’）。”

这相当于给每项任务安装了一个“验收开关”，业务方打开文件后发现数据不对，当场就能判定问题。

禁用抽象词，替换为带三要素的动作

在提示词末尾直接列出一串禁用词：提升、加强、完善、深化、推动、落实、构建、打造、夯实、加快、着力、持续。这串词不能缩写，不能换顺序，原样粘贴。

紧接着写替换规则：“把‘提升用户画像准确率’改为‘在Power BI中用DAX新增[AgeGroup]列，公式为SWITCH(TRUE(), [Age]<18,"Under18", [Age]<35,"18-34", "35+")，并用测试数据集验证100条记录输出无空值’。”

替换后的句子必须包含三个要素：工具名（Power BI）、函数名（SWITCH）、验证动作（100条记录验证）。缺一不可。

最后补一句：“所有任务不得跨日，起止时间精确到小时，例如‘2024-06-12 10:00至2024-06-12 12:00’。”