指标与答案构建器

当 AI 回答涉及计算逻辑的问题时，如果没有预定义的公式，模型每次都可能生成不同的 SQL，导致同一指标出现口径不一致的情况。指标和答案构建器解决的就是这个问题——把计算逻辑固化下来，让模型直接引用，而不是临时推断。

什么时候用指标，什么时候用答案构建器？

场景	推荐	原因
单表聚合，如 SUM、AVG、COUNT	指标	配置简单，支持别名和同环比
需要多表 JOIN	答案构建器	指标不支持多表，需要写完整 SQL 模板
有复杂过滤条件（如只统计有效订单）	答案构建器	过滤逻辑写在 SQL 模板的 WHERE 中
明细查询（非聚合，返回行级数据）	答案构建器	指标只支持聚合计算

它们对问答准确性的作用

指标和答案构建器不是“展示配置”，而是影响 AI 如何理解问题、选择 SQL 和稳定复用口径的关键配置。

实际配置分析域时，健康度扫描会检查“域内是否存在指标”。如果域内没有指标，系统会给出异常项，提示这可能影响问答正确性。这说明指标不是可选的装饰项，而是推荐上线前至少配置核心指标。

配置	对问答的作用	不配置时的常见问题
指标	固化常用聚合口径，减少模型临时生成 SQL 的不确定性。	同一个“销售额”“账户数”等问题可能每次生成不同 SQL。
指标别名	让模型理解同一指标的不同叫法。	用户说“客单价”“人均消费”“ARPU”等业务词时，可能匹配不到正确指标。
答案构建器	固化复杂 SQL、JOIN、过滤、明细查询或多指标组合。	复杂问题依赖模型临时推理，容易漏 JOIN、漏过滤条件或分组错误。
Filters / Dims	约束用户提问时哪些字段可作为筛选条件和维度。	用户要求“按地区”“按时间”“只看有效订单”时，系统可能不知道哪些列可以使用。

一个实用判断是：如果问题可以用单表、单个聚合函数稳定表达，优先做成指标；如果需要完整 SQL 逻辑、多个字段、多表 JOIN 或明细返回，使用答案构建器。

创建指标

在左侧导航栏数据 -> 指标中，点击 + 新建指标。支持聚合与自定义代码两种方式。

一个指标模板中可以定义多个指标，每个指标可以添加多个别名，让模型理解同一概念的不同叫法（如"客单价"和"人均消费"）。

⚠️ 注意：Default Domain（默认域）中允许指标名称和别名重复；在用户创建的其他 Domain 中，指标名称（含别名）不能重复。

在分析域中添加指标

除了从左侧导航 数据 -> 指标 创建全局指标，也可以在分析域管理页中配置指标：

进入 分析域管理。
打开数据页签。
点击顶部卡片中的指标。
点击 添加指标。

实际页面提供三种入口：

入口	说明
自动生成指标	选择表后由系统生成简单指标建议。
新建指标	手动创建指标。
选择已有指标	将已经创建好的指标加入当前分析域。

“自动生成指标”适合快速启动。页面会先要求选择表，然后点击 生成指标。系统会基于字段类型和字段用途生成候选指标，例如计数、求和、平均值、最大值、最小值。

需要注意：自动生成的是候选建议，不是最终业务口径。你应逐个检查指标名称、聚合函数、字段选择和过滤条件，再决定是否采纳。

实际测试中，账户表曾生成过类似指标：

指标含义	可能的 SQL 口径
账户总数	`COUNT(id)` COUNT(id)
总座位数	`SUM(seats)` SUM(seats)
平均座位数	`AVG(seats)` AVG(seats)
最晚创建时间	`MAX(created_at)` MAX(created_at)
最早试用结束时间	`MIN(trial_ends_at)` MIN(trial_ends_at)

这些指标能帮助系统稳定回答“账户总数是多少”“平均座位数是多少”这类问题。但如果业务上需要“只统计有效账户”“排除测试数据”“按付费账户统计”，就不能直接采纳默认建议，需要补充过滤逻辑或改用答案构建器。

分析方法

指标需要指定分析方法，影响同环比的计算逻辑：

分析方法	同环比算法	适用场景
可加型指标	（本期值 - 上期值）/ \|上期值\|	绝对数值类指标，如销售额、订单数
比例型指标	本期值 - 上期值	百分比类指标，如市场占有率、转化率

例：市场占有率今年 30%、去年 20%，比例型算法的同比结果是 +10%（不是 +50%）。

创建答案构建器

在左侧导航栏数据 -> 答案构建器 中，点击 + 新建答案构建器。

答案构建器的核心是一段 SQL 模板，其中

${dims}

${dims}

和

${filters}

${filters}

是固定占位符，分别代表查询时的维度和过滤条件，由 AI 在回答问题时动态填入。

SELECT ${dims}, sum(op.payment_value) as total_sales_bz, avg(op.payment_value) as avg_sales_bz FROM datagpt_ws.public.v_gpt_orders AS o LEFT JOIN datagpt_ws.public.v_gpt_order_items AS oi ON o.order_id = oi.order_id LEFT JOIN datagpt_ws.public.v_gpt_products AS p ON oi.product_id = p.product_id LEFT JOIN datagpt_ws.public.v_gpt_customers AS c ON o.customer_id = c.customer_id LEFT JOIN datagpt_ws.public.v_gpt_payments AS op ON o.order_id = op.order_id LEFT JOIN datagpt_ws.public.v_gpt_sellers AS os ON oi.seller_id = os.seller_id WHERE ${filters} GROUP BY ${dims}

在分析域管理页中，也可以通过 数据 -> 答案构建器 -> 添加答案构建器 配置。实际页面提供：

入口	说明
新建答案构建器	直接编写新的 SQL 模板。
选择已有答案构建器	复用已有答案构建器。

新建答案构建器时，页面包含代码和数据区域，并提供 格式化 和 运行校验 按钮。代码区会提示：

-- SQL语句需遵循底层数据平台的语法规范。 -- ${filters} 表示过滤条件变量，${dims} 表示维度变量

这意味着答案构建器不是自然语言说明，而是一段可校验的 SQL 模板。写完后应先点击 运行校验，确认 SQL 语法、表名、字段名、JOIN 和变量使用都能通过，再保存。

配置 Filters 和 Dims

SQL 模板下方需要定义哪些列可以作为过滤条件（Filters）和维度（Dims）。未在此处选中的列，不会作为问题的过滤条件和维度。

💡 提示：在数据 -> 数据表 的列配置中，将列的用途字段设为 FILTER 或 DIM，此处会默认选中对应的列。最终以答案构建器页面的配置为准。

答案构建器适合解决的问题

答案构建器适合把复杂逻辑固定下来，避免模型每次临时推断。

典型场景包括：

多表 JOIN：订单、客户、商品、支付等多张表需要组合。
复杂过滤：只统计有效订单、排除测试数据、只看某类状态。
明细查询：返回订单明细、用户列表、异常记录，而不是一个聚合数字。
多指标组合：同一 SQL 中同时返回销售额、订单数、平均值、转化率等。
固定业务口径：例如“带看转换率”“玩家活跃度”“交易明细”等已经有明确口径的问题。

如果一个问题经常被问、SQL 又比较复杂，就应该优先考虑答案构建器，而不是依赖 AI 每次重新生成 SQL。

配置检查清单

保存指标或答案构建器前，建议检查：

检查项	指标	答案构建器
名称是否业务可读	必查	必查
是否配置别名	建议	建议
是否绑定正确表	必查	必查
聚合函数是否符合口径	必查	视 SQL 而定
是否需要过滤条件	视场景	必查
是否涉及多表 JOIN	不适用	必查
是否完成运行校验	建议	必查
是否加入目标分析域	必查	必查

配置完成后，应回到分析域点击 开始分析，用典型问题验证：

系统是否优先引用已配置指标或答案构建器。
返回 SQL 是否符合预期。
按维度拆分、按条件筛选是否能正确生效。
结果是否与人工 SQL 或业务口径一致。