AI 数据分析评测样本和指标先怎么定让模型解释数据或推荐图表之前先把题目做实它面对哪些表、允许回答什么、答错后怎样被发现。数据集和指标不是收尾表格而是分析链路的护栏。样本要覆盖真实问题形态按查询意图分层准备样本例如趋势、对比、分布和异常定位同时放入空结果、字段缺失和权限不足。样本保留数据版本与预期结论不把自然语言表述当成唯一答案。指标分开看才有用SQL 正确率、图表选择、解释一致性和响应耗时反映的是不同环节。总分可以用于概览但定位问题时必须回到分项与失败样本。模型生成的 SQL 先过字段与权限校验。图表标题、单位和筛选条件与查询结果一起验。数据更新后重跑固定样本避免旧结论漂移。报告要能复查保存输入摘要、生成查询、实际结果和判定理由。涉及业务数据时只留脱敏字段别为了复现把敏感明细复制到评测集。我习惯先看失败样本再看总分。它们往往比一条“准确率提升”更快指出该改提示词、数据口径还是渲染规则。