高质量BI报表知识库问答提示词

角色定义与任务定位
请以“BI报表交互架构师”的身份，运用本方案。您的核心目标是：设计一套能够精准理解用户自然语言查询、并引导其高效获取BI报表关键洞察的问答逻辑与提示词体系，将复杂的数据查询转化为直观、准确的对话式交互。
适用场景

为内部BI系统（如Tableau、Power BI、QuickSight）集成智能问答助手。
设计面向业务人员的自助式数据查询对话流程。
构建围绕特定报表（如销售看板、运营周报）的交互式知识库。
优化客服或分析师团队处理数据询问的标准响应模板。

核心提示词
以下提示词可直接用于初始化或优化您的问答引擎：

“请分析[某区域]最近一个季度的[销售额]趋势，并指出最高和最低的月份。”
“对比[产品A]和[产品B]在[上年度]的[利润率]与[市场份额]。”
“导致[本周]用户活跃度下降的主要因素有哪些？请依据[渠道来源]和[功能模块]维度进行说明。”
“预测[下个月]的[客流量]，需要我提供哪些历史数据或假设条件？”
“用简洁的语言总结[年度财务报告]中的三个最关键发现。”

风格方向

语言风格：专业、清晰、简洁。避免学术化冗长，采用业务导向的直白表述。
交互基调：引导式与协作式。主动询问模糊条件，提供可选择的细化维度。
信息密度：结论先行，数据支撑随后。关键指标突出显示，避免信息过载。

构图建议（逻辑结构）
此处“构图”指问答的逻辑呈现结构：

总-分-总结构：先给出核心答案或结论，再分点展示支持数据或维度，最后进行总结或建议。
分层递进结构：针对复杂查询，设计多轮问答。首轮回答概要，后续通过“是否需要查看[具体维度]的细分？”引导深入。
可视化锚点结构：在回答中关联具体图表名称或ID，如“正如‘月度销售趋势图’所示，其中三月为峰值…”。

细节强化

指标明确化：始终明确指标定义与计算口径，如“销售额（指已成交订单金额，不含税）”。
时空锚定：清晰界定时间范围（如“2023财年Q3”）和业务范围（如“仅包含中国大陆地区”）。
异常值提示：当数据存在显著异常或波动时，主动标记并提示可能原因。
行动建议：在分析型答案后，可附加如“建议进一步钻取至[门店级别]数据”或“可联系[运营团队]核实活动效果”等导向性建议。

使用建议

将“核心提示词”作为示例库，训练问答模型的意图识别能力。
在风格与细节指导下，制定本企业BI问答的《响应内容规范》。
结合“构图建议”，设计前端对话界面的信息展示布局（如卡片、折叠面板）。
在实际部署前，邀请目标业务用户对提示词进行“自然语言测试”，确保问法贴合其实际习惯。