貝老闆（端著拿鐵衝進來）：「我讓 AI 實習生做『月營收戰報』，圖表美到客戶跪下！」

小可（瞳孔地震）：「客戶剛打來說數字不對……跪下的是我。」

貝老闆：「不就把資料交給 AI 摳一摳？」

小可（抖手拿出摺扇）：「你給的是上週 Demo 的 CSV，加上昨天 GA 取樣，還跨時區。AI 竟然自己『合理補齊』？通通都是假的資料...」

貝老闆（愣）：「不是說生成式很聰明？」

小可：「它是作家，不是會計，你沒給他資料他就編出來給你....」

（電話響）

好威：「先別吵。這叫 LLM 幻覺。缺資料時它會把故事編圓。Grounding 就是要它『先取數、再說話』：Source → Compute → Explain。讓 LLM 當解說員，不是出納。」

好威解析

1）你要的報表其實是兩件事：算對數字與說明背後的原因。前者要靠 SQL／API 真查、真聚合；後者才交給 LLM。把兩件事混在同一個「生成」步驟，等於請脫口秀演員幫你結帳，每次都要自己好好確認資料的來源，是否真的有跟 API 和 DB 連動。

2）報表要能對帳：列出資料來源、時間區間、幣別與時區、行數與範例列、查詢版本。沒有這些，漂亮的圖就是漂亮的幻覺。

概念拆解

1️⃣ 幻覺與信度控制
LLM 幻覺常源於提示含糊、缺乏工具與資料邊界。像本案，它把 Demo 檔與取樣資料拼一起，再用語意猜測「合理趨勢」。降幻覺的關鍵是把 不確定性顯性化：降低 temperature、要求『若資料不足請回覆 Unknown』、給出負面指令『禁止自創數字』、要它 標示引用與信心說明，並用 few‑shot 示範「缺資料就停」的回覆格式。

2️⃣ Grounding 流程與護欄
Grounding = 以真資料為根。步驟：
A. 先用 Tool／RAG 列出可用來源（DB、GA、金流、Excel）；
B. 由程式或 SQL 完成聚合與校驗；
C. 交給 LLM 只做摘要與敘事。
護欄包括：固定 JSON Schema、產出 row_count／時間範圍／currency／timezone、顯示查詢摘要與 checksum、對齊發票與金流三方；再用 Great Expectations／dbt tests 做欄位型別、空值與閾值檢查。最後把「數字表」與「解說文」分開輸出。

Takeaways

A. 對帳儀式
每份報表強制雙軌輸出：
① 數字表＝由程式計算的明細與彙總；
② 解說文＝由 LLM 生成的口語摘要。
頁首固定放：來源清單、查詢時間、版本與 commit、樣本列、三數對帳（訂單數／發票金額／金流入帳）。若任一差異 > 0.5％，停止發布，回報缺口，不得「估」。

B. 老闆級 Prompt 模板）
「請先列出我可用的資料來源清單與時間區間；用 SQL／API 計算下列指標：GMV、退款率、ARPU。輸出 JSON：{metrics, sources, query, sample_rows, timezone, currency}。若資料不足或來源衝突，請停止生成解說，改回覆『缺資料清單』與取得方式。最後再依 JSON 生成 200 字摘要，並附『對帳表』與『風險提示』。」——這段讓不懂技術的人，也能要求 Grounded 報表。

**C. 小團隊流程 **
為報表寫微型 PRD 與 AC：口徑定義、誤差閾值、UAT 樣本、Rollback。建立 report-ci：跑資料測試、產物簽名、上線前對帳。失敗就自動回退前版，並發 Slack 通知。

精煉重點

• 先取數再說話；數字歸程式，故事給 LLM。
• 沒有對帳，就沒有真相；沒有來源，圖再美也是幻覺。

今日提問

你的團隊目前最常被問的『指標口徑』是哪一個？它的資料來源、時間區間與時區定義清楚嗎？

小作業 Prompt

把你的一個指標貼給 AI，直接用這段模板啟動 Grounding：

「請列出可用資料來源與區間；以 SQL／API 計算【自選指標】並輸出 JSON（含 metrics／sources／query／sample_rows／timezone／currency）。不足則回覆缺口與取得方式；最後依 JSON 生成 150–200 字商務摘要與對帳表。」