表格分析工具最令人困扰的问题在于：AI 虽然提供了修改建议，但用户完全不清楚其背后的判断依据。要么只有一句“建议调整”，要么理由与结论混杂不清，难以理解。要解决这一痛点，关键在于为飞书智能伙伴设定一套精准的指令，强制它清晰阐述判断依据。

设置明确的指令结构

在提问之前，先用一个三段式句式锁定输出格式：「请基于以下表格数据 → 先总结核心问题 → 再逐条给出修改结论 → 每条结论后必须用‘理由：’开头，说明数据依据或业务逻辑」。

这一步骤至关重要。如果仅要求“请给出修改理由”，AI 很可能将理由揉进结论中、压缩成半句话，甚至直接跳过。通过「理由：」作为固定前缀，相当于在输出结构上加了一道约束，让 AI 难以敷衍了事。

嵌入具体判断锚点

方法一：绑定字段类型
在提示词中明确说明：「当涉及‘完成率’列时，理由必须引用同比/环比值；当涉及‘预算偏差’列时，理由必须标注超支百分比及阈值（如＞15%）」。

方法二：限定归因维度
再加一条约束：「所有理由不得出现‘可能’‘大概’等模糊表述；必须指向表格中真实存在的单元格位置（例如：B3单元格数值为-23%，低于基准线12个百分点）」。

像「B3单元格数值为-23%，低于基准线12个百分点」这种带有坐标和差值的描述，才是触发 AI 调用具体数据的信号。缺少这一环，AI 很容易泛泛而谈。

用示例强制对齐输出习惯

第一步：在提示词末尾直接粘贴一段人工写好的理想回复样例，格式如下：
结论：C7单元格的Q3预测值需下调18%。
理由：历史三年Q3实际达成均值为预测值的82%，且Q2末客户取消订单量达同期2.3倍。

第二步：紧接着写「请严格按以上格式生成全部结论与理由」。

飞书智能伙伴对示例的模仿优先级远高于文字指令。你提供的样例中包含数字、时间维度以及外部变量（客户取消订单），它会据此提取同类要素，而非自行编造一套逻辑。

操作上并不复杂，直接复制粘贴即可。但如果遗漏这一步，AI 大概率会搬出“综合来看”“结合经验”之类的话术，等于白费功夫。