提示词工程：让AI准确理解表格计算逻辑

表格计算看似只是函数拼接，真正决定对错的往往是提示词有没有把“业务潜规则”写进模型可见的约束里。字段含义、空值口径、日期语义和汇总维度一旦含糊，模型只能按字面做最常见的数学映射，公式语法正确、结果却与手工核对完全对不上，这类偏差本质上是理解偏差，而不是算力不足。

先锁语义，再要公式

有效做法是把生成拆成两段。第一段只要求模型用自然语言复述任务：按哪一列分组、对哪一列做何种聚合、空值是按零还是跳过、是否去重、输出是单格还是多格分别写入。复述里若出现“总额”而需求是“均值”，或把“分别填入三个单元格”理解成一个拼接字符串，应在写公式前当场纠正。第二段再允许输出具体公式。缺少这道复述闸门，后续改参会反复在表象错误上打转。

提示词里应显式锚定数据结构，而不是假设模型能猜同义字段。列名混乱、中英混用或仅用字母代号时，要写清“销售金额即某列、按销售日期归入季度、忽略空值”一类映射；空值规则必须二选一写死；日期需声明已统一为可识别的日期类型，避免文本型日期导致分组错位。汇总口径同样不能只丢业务口头禅：是条件求和，还是先去重再计数，要把“总”“去重”“每个客户”等关键词写进同一句约束，否则模型会默认选最常见的求和路径。

拆步与验算收口

复杂逻辑宜拆成可观察的中间步骤：先给出筛选条件对应的范围，再给出聚合，而不是一次要最终长公式。每一步都能对照表内几行样例，错在条件、范围还是函数形态会立刻暴露。公式生成后仍须抽样人工验算：取一笔已知结果的记录比对；若偏差先查字段与条件区域是否错位，再改公式。条件聚合类函数对区域顺序敏感，仅靠“看起来像对的”不够。

提示词工程在这里的价值，是把默会的数据约定变成可检查的指令合同：先对齐理解，再约束口径，最后用复述与抽样把隐性差错挡在报表之外。模型可以省去死记函数的成本，却替代不了人对业务规则的最终确认。