AI趋势分析输出完全离谱？我靠三层根因排查一次性修好，而不是瞎改提示词

上周迭代 trae-novel 的 AI 趋势分析功能，撞上一个特别典型的「AI 输出垃圾」场景：点页面上的「AI 趋势分析」按钮，结果秒出，但内容完全脱离网文行业的实际，像随机拼凑的填充文本，和想要的「近 3 个月热门题材变化、头部作品特征、用户偏好趋势」差了十万八千里。我一开始也差点去改提示词，最后靠三层根因排查一次性解决，过程里的坑值得记一下。

别急着改提示词，先把链路摸清

第一反应确实是 prompt 写得不行，准备直接调模板。但转念一想：数据源本身就是错的，提示词再好也吐不出正确结论。于是先去摸「AI 趋势分析」的入口和数据链路：一开始手动翻前端代码找后端接口，翻了两小时只找到按钮绑定逻辑，后端实现入口影子都没见着。后来换成 MCP 图谱工具直接检索项目内的实现关联，几秒就定位到 bestseller 模块下的趋势分析后端实现，顺带把对应测试用例也翻出来了，排查效率直接翻了 10 倍。

根因根本不在提示词

读完实现代码和测试用例，问题根本不是提示词能兜住的，是三层叠在一起：

1. 数据源又窄又错：喂给 AI 的源数据只有近 7 天抓取结果，样本量不够，还有重复抓取、口径不统一的问题——同一本作品的销量被不同爬虫抓了 3 次，没去重也没归一，直接喂进去，AI 就得出「头部作品销量是腰部 10 倍」这种离谱结论。
2. 提示词空泛没约束：原来的 prompt 就一句「请分析网文趋势」，既没限时间范围、数据维度，也没要求输出必须基于给定源数据，等于让 AI 自由发挥，输出离谱是必然。
3. 输出没做合理性校验：后端拿到 AI 返回结果，不做任何校验，哪怕内容和源数据完全无关也直接返给前端展示。

我定位数据时特意拉了一周源数据和 AI 输出结论对比，发现 AI 说的「科幻题材占比 35%」和实际源数据里的「科幻题材占比 12%」差了近 3 倍，根因就是重复数据导致的统计偏差，压根不是 AI 分析错了。

修起来没想的那么顺

确认根因动手修，还是踩了两个坑：

第一个是补丁匹配失败：一开始按常见改法直接写了个调提示词的补丁，执行时提示匹配不上——原来当前仓库代码和补丁对应的版本有差异，直接改提示词的补丁根本对不上。后来改成精确指定行号修改，才把 prompt 补全了分析维度、数据约束和输出格式要求。

第二个是只改了后端没改前端：刚改完后端以为完事，测试时发现前端还是展示原来的错误结论，用户根本不知道结果是基于什么数据算的。后来把前端的新增判断依据、数据来源说明、异常修正提示都补上，又清掉之前的结果缓存，才算彻底修好。

这次留下的三条经验

排查下来最大的感受：遇到 AI 输出问题，别上来就改提示词，先走一遍全链路，能少绕很多路。

1. 三层排查法：先查数据源对不对（重复没、口径统一没、样本够没），再查 prompt 给的约束够不够，最后查输出做没做合理性校验，三层都没问题再考虑调提示词。
2. 工具提效：跨文件查代码链路，优先用 MCP、IDE 的代码关联工具，比手动翻代码快得多，大项目里手动找入口特别容易漏。
3. 全链路修复：改后端逻辑一定同步看前端展示、缓存、校验，不然后端改了前端还用旧逻辑，等于白改。

说到底，AI 输出问题的根因九成不在提示词本身，先找数据和其他环节，比瞎调 prompt 有用得多。