点一下\\\"AI趋势分析\\\"出来全是废话：数据窄、提示空、输出松，三重叠加才是根因

点一下按钮，出来一坨不像话的结果

trae-novel 里的"AI趋势分析"功能，用户点击后直接吐出一大段文字。我扫了一眼，全是"该作品呈现一定趋势""建议关注市场变化"这种正确的废话。跟产品文档里写的"基于近 30 天数据判断上升/下降/平稳，给出可操作建议"完全两码事。

用户原话："结果非常离谱，看起来更像随便填充并没有很好的分析。"

我一开始想当然地以为是提示词太弱，准备直接往 prompt 里塞几段"请深入分析"。结果打开后端代码一看，数据链路本身就有问题——喂给模型的数据根本没到 30 天，只有最近 7 天的抓取记录，而且里面还有重复条目。提示词里也没告诉模型该按什么维度判断。模型收到的是"一坨残缺数据 + 一句模糊指令"，输出废话不是它的锅。

三重叠加：数据窄、提示空、输出松

定位到 bestseller 模块的趋势分析实现后，我把链路拆成三段看：

• 数据窄：抓取脚本只拉了最近 7 天，且没做去重，同一本书会出现 2~3 条记录，口径也不统一（有的按"销量"，有的按"浏览量"）。
• 提示空：prompt 里就一句"请分析该作品的趋势"，没告诉模型看哪些字段、按什么阈值判断、输出什么格式。
• 输出松：没有结构化约束，模型爱写多长写多长，爱用什么语气用什么语气。

三个问题叠在一起，模型只能"随便填充"。我最初的直觉是改提示词，但真正根因在数据层。

补丁匹配失败，被迫换精确行号

改后端时我先把新逻辑写成一个 patch 文件，用工具匹配原文替换。结果匹配失败——因为抓取数据多了一层去重逻辑，原文行号已经偏移了。

我放弃 patch 匹配，直接定位到 trend_analysis.py 第 142~187 行，用精确行号重写这段：

1. 把数据窗口从 7 天扩到 30 天，先按 isbn + date 去重；
2. 统一口径为"日均销量"，去掉浏览量字段；
3. prompt 里明确写入判断规则：7 天环比 > 20% 判上升，< -20% 判下降，其余判平稳；要求输出 JSON 而非自由文本。

前端也得跟：把"为什么这么判"亮出来

后端改完只解决了一半。前端原来只是把模型返回的文本原样渲染，用户看到一段话，不知道模型为什么这么判。

我让前端新增两块展示：

• 判断依据：列出实际用到的 30 天日均销量数据、环比计算结果、触发的阈值。
• 修正提示：如果数据不足 30 天（比如新书只上了 12 天），前端直接标黄提示"数据窗口不足，结论仅供参考"。

这样用户至少知道结论的置信度，而不是盲信一段黑盒文本。

补做数据核查，又挖出重复和口径问题

改完代码我顺手跑了一遍历史抓取数据，发现两个新坑：

• 爬虫重试时没加幂等锁，同一天同一本书会被写 2~3 次；
• 2024 年 11 月之前的数据用"周销量"，之后切成了"日销量"，直接混在一起算环比会把数字撑大 7 倍。

这两个问题不修，模型拿到的数据本身就有毒。我在 ETL 层加了 dedup(isbn, date, source) 和统一换算逻辑，把历史数据回填成日口径。

可以带走的三条经验

1. 别一上来就改 prompt。模型输出烂，先检查喂进去的数据够不够、对不对。"数据窄 + 提示空 + 输出松"是 LLM 应用最常见的组合翻车原因，优先级永远是数据 > 提示 > 输出格式。
2. patch 匹配失败别硬试，直接看行号改。代码库只要动过一次，行号偏移是常态，花十分钟定位比花半小时 debug 匹配逻辑快得多。
3. 让前端把"判断依据"展示出来。哪怕只是一组数字加一句"阈值 20%"，用户的信任感跟纯黑盒文本完全不在一个级别。

---

做自动化这几年，最耗时间的从来不是写代码，是摸清每个平台的脾气。

这篇里提到的坑，都是真金白银踩出来的。
这篇里的场景你踩过类似的吗？是卡在「需求说不清」还是「改完就崩」？
评论区说说，我按最多人卡的点接着写。