数据产品诊断

数据真源与逆向诊断

从异常答案逆向核对展示、查询、语义映射和数据真源，再决定是不是模型问题。

核心判断

先核对数据和查询，再判断是不是模型问题。

这里从异常输出一路追到数据真源，让下一步该核验什么、修什么、怎么回归都能落到证据上。

结构样例异常样例逆向检查链

只保留诊断顺序，不含数据源、查询语句或内部字段。

面向同时连接模型、查询服务和多源数据的 AI 产品团队。目标是在出现异常答案时，能够用同一条证据链定位产品、模型、查询或数据问题。

表面上是模型给错答案，真实原因可能发生在对象识别、时间范围、语义映射、查询返回或展示格式。直接调 Prompt 会让症状暂时变化，却无法证明根因已经修复。

按输出、请求、映射和真源逆向检查，先排除确定性错误。只有当数据上下文已被验证，才讨论检索策略、模型推理和表达优化。

每个异常样例保留最小复现输入、期望口径、实际证据和问题归属。修复后沿同一条链回归，确认不是通过改写答案绕过数据问题。