如何用小样本快速验证AI生成的公式?

AI 生成的公式，最危险的不是出现明显报错，而是第一行结果正确，向下填充后却因引用偏移、空值处理或条件分支错误，导致整张表悄悄失真。小样本验证的目标，不是证明公式“能计算”，而是证明它在关键业务边界上仍按预期计算。

先固定口径，再让 AI 生成

验证前，必须明确字段含义、单位和计算边界：金额是含税还是未税，日期按发生日还是入账日，百分比是比例还是数值，空状态代表未完成、忽略，还是允许参与计算。信息不完整时，AI 会依据常见习惯自行补全，公式可能在示例行中碰巧正确，换一批数据便失效。

更稳妥的做法是先要求 AI 输出字段理解、计算口径和潜在歧义，确认后再生成公式。这样可以提前发现文本型数字、百分比单位混用，以及跨表引用范围不一致等问题。

用边界样本覆盖决策分支

不要只拿几行正常数据测试。应建立一个独立试算区，覆盖典型值、最小值、最大值、临界值、空值、负数、异常大额、重复键，以及状态字段中的罕见取值。每类样本不必很多，但必须让公式的每个条件分支都有机会被触发。

验证每行时，至少核对三点：结果是否符合业务直觉，实际走的是不是预期分支，空值和异常是否按规则显示。尤其要警惕公式把错误“吞掉”后返回空白或零，这种结果看似整洁，实际上可能掩盖数据质量问题。

重点检查填充后的引用

公式在首行正确，并不代表批量应用正确。逐项判断哪些引用应随当前行变化，哪些必须固定在参数区或查找范围；再向下、向右填充几行，观察行号、列标和区域是否仍然指向正确位置。相对引用适合当前行计算，绝对引用适合固定税率、阈值或参数表，混用错误往往要到整表完成后才暴露。

确认试算区通过后，再在正式表中小范围填充，抽查含空值、临界值和异常标记的行，并核对行数、总合计和分组小计。复杂公式还可以拆成清洗、条件判断和最终取值等辅助列。验证前置，通常比生成更长的提示词更能降低返工成本。