一份横评测试里，同一份 4510 条门店记录被同时丢给腾讯 WorkBuddy、豆包工作、千问办公和 Kimi，让它们各写一份 2000 字分析、配一套图表。
交上来的东西都很像样：一份单页网页、一份 9 页 PPT、两份 12 页 PPT，目录、配色、结论一应俱全。可把数字摊开对一遍，四份报告对不上。
某茶饮品牌 9 月去重后有 351 家门店，其中购物中心店 152 家，占 43.3%。WorkBuddy 算对了 351 家，却把商场店占比写成约 60%。
千问办公看到某品牌 3 家机场店连续 9 个月产生 27 条记录，写成了“27 家机场店”。Kimi 选对了月份，但没去重，仍把 353 条记录当成 353 家门店，还把两家校园店记成零。
豆包工作则把一家四线城市门店多算了一家。四家里只有 WorkBuddy 做了同月去重，把 942 条记录还原成 940 家门店；可它的占比仍然算错。 四份报告，数字都出过错。36氪
这不是“模型太笨”。四家都能把报告排好版，说明“生成”这一关已经过了；卡住的是“口径”——哪个时点算存量，哪些记录该合并，占比的分母是谁。
AI 看到的是表格，不是你脑子里的业务规则。口径没写清，它就会挑一个看起来最顺的算法，把空补上。
所以，把活交给 AI 之前，第一件事不是写“帮我分析一下”，而是写“怎么算”。
比如这份数据，可以直接在任务里写死：以 9 月为存量口径；同一门店同月重复记录，按品牌、门店名、地址三个字段去重；所有占比的分母统一用去重后的门店数。
每个图表下方再标一行口径。几句话，能挡掉上面大半错误。
第二件事，要过程，不要只盯着成品。让它先交计算步骤：用了哪些字段，怎么去重，每个数字来自哪张表；图表先给数据源，再排版。
做创意活也一样。先定一张满意的样图，再让整套素材沿着这个方向生成——先定调，再批量，返工少得多。 另一位策划则把没成形的概念丢给 AI，让它拆成三套方案，还预设“难缠的同事会怎么挑刺”。36氪
第三件事，把验收固定成动作。AI 会一本正经胡说八道，尤其数字和事实。 重要材料生成后，至少抽三处回原始资料核：一个总数、一个占比、一个结论。知乎
核完再把常做的检查写成清单，下次直接贴给 AI；做熟的动作，做成模板或 Skill，别每次从零描述。
人定目标和验收，AI 跑执行。这条分工，比换一个更强的模型更能决定最后能不能用。
这份测试说的是数据报告，但同一套方法适用于所有有事实、有数字、有口径的活：报销汇总、竞品调研、会议纪要、周报。
工具可以换，口径、过程和验收这三步不能省。
四份报告都很好看。真正决定它们能不能发的，是你在按下发送前，有没有把 43.3% 和 60% 这两个数对一遍。
AI 能替你搬砖，不能替你签字。
