回答可解释性
Analytics Agent 可以根据自然语言问题，结合数据源、知识库、指标口径、参考 SQL 和答案构建器生成分析结果。对于业务用户来说，得到一个数字只是第一步，更重要的是知道：这个数字代表什么、为什么这样计算、用了哪些依据，以及在结果不确定时应该如何处理。
回答可解释性功能通过结构化回答、口径说明、依据来源和异常提示，帮助你从“看到答案”进一步走向“理解答案、核验答案、正确使用答案”。
它解决什么问题
| 使用中的问题 | 回答可解释性提供的帮助 |
|---|---|
| 只看到一个结果，不知道指标怎么算 | 在回答中直接展示业务口径和统计范围 |
| 回答内容很长，重点不容易找到 | 先展示数据总览和关键解读，技术细节按需展开 |
| 想了解 Agent 是如何分析问题的 | 展开推理过程中的 Thinking，查看推理阶段、判断依据和工具调用摘要 |
| 不确定回答引用了哪些配置或知识 | 查看参考指标、SQL、答案构建器、知识和修改记录 |
| 问题有歧义，担心 Agent 自行理解错误 | 标注默认假设，或展示候选口径和推荐原因 |
| 数据源不支持问题，却返回一段看似合理的分析 | 明确说明缺少的数据、字段或权限，并给出下一步建议 |
核心能力
展示可展开的推理过程
回答生成过程中，Agent 会展示当前正在进行的分析状态。回答完成后，过程区域默认收起，避免影响结果阅读；如果你想了解 Agent 是如何理解问题、获取信息和组织分析的，可以展开推理过程查看已产品化展示的过程内容。
展开后通常可以看到：
- 问题理解：识别问题意图，以及时间范围、指标、维度等可能存在的歧义；
- 信息获取：检索相关数据表、指标、知识库和用户上下文；
- 分析判断：说明采用的分析方向、口径选择和关键判断；
- 工具调用摘要：查看使用过的工具或数据获取动作，例如检索数据表、查询指标、读取知识等；
- 阶段产出：查看每个推理阶段形成的摘要或中间发现。
这些内容用于帮助你理解回答是如何形成的，不等同于“预先规划好的任务清单”。Agent 可能根据问题复杂度动态进入不同的分析阶段。
结构化呈现分析结果
对于复杂问数问题，回答会优先组织为以下内容：
| 内容 | 你可以看到什么 |
|---|---|
| 数据总览 | 核心指标卡片、关键数值和按维度拆分的结果 |
| 文字解读 | 2 至 4 条关键发现、业务含义和异常情况 |
| 口径说明 | 指标定义、计算公式、统计时间和筛选范围 |
| 假设 / 风险提示 | Agent 采用的默认理解，以及可能影响结果的风险 |
数据总览帮助你快速找到结果，文字解读帮助你理解结果，口径说明帮助你判断结果是否适用于当前业务场景。
提供指标口径与依据追溯
回答中的口径说明会使用业务语言表达。如果需要进一步核验，可以展开口径说明及外部引用，查看本次回答参考的：
- 参考指标及公式；
- 参考答案构建器；
- 参考知识或文档。
SQL、字段映射、Request / Response、查询结果样例等技术内容默认收起，不影响正常阅读；需要排查时可以继续展开具体来源。
模糊问题透明处理
并不是所有问题都需要先追问。Agent 会根据问题可能造成的影响，采用不同的处理方式。
轻度模糊：默认回答，并标注假设
当问题可以回答，且默认理解不会明显改变业务含义时，Agent 会先给出结果，同时说明采用的假设，并提供“最近一个季度”“看近 30 天”等后续调整选项。
例如，你问：
Agent 回答可能会说明：
关键模糊：先确认口径，再生成结果
当同一个概念存在多个权威定义，且不同定义会显著影响结果时，Agent 不会随机选择口径，而会展示候选口径、结果差异和推荐原因。
例如“总收入是多少”可能对应：
- 已完成订单收入；
- 全部订单金额；
- 净收入。
你可以使用推荐口径、对比多个口径，或直接选择符合业务定义的口径。
识别不可答场景并提供修正路径
当核心概念没有映射、缺少必要字段或表、权限不足、数据为空，或多个权威口径无法裁决时，Agent 会明确提示当前无法可靠回答，不继续生成可能误导你的图表或长分析。
反馈通常包括：
- 当前问题为什么无法回答；
- 已经缺少或无法确认的内容；
- 你可以采取的下一步，例如切换数据源、补充字段或改问可支持的问题。
使用建议
- 先明确问题，再查看过程：提问时尽量写清指标、时间范围、分析对象和筛选条件；回答生成后，先看结论，再按需要展开 Thinking 或来源。
- 按核验目标选择展开内容：想了解 Agent 如何理解和分析问题时，展开 Thinking；想确认指标定义和数据依据时，展开“口径说明及外部引用”；想排查技术问题时，再查看 SQL、字段映射或工具调用明细。
- 对关键问题保留业务上下文：涉及经营判断时，在追问中补充业务定义、时间范围和筛选条件，避免只说“再详细一点”导致分析目标不清。
- 把异常提示当作追问入口：出现默认假设、口径冲突或无法回答提示时，优先根据提示补充信息或调整问题，再继续使用结果。
注意事项
- 解释内容来自本次回答链路：Thinking、口径说明和外部引用反映的是本次回答实际使用到的判断和资产，不代表系统对所有历史回答的统一解释。
- 来源信息不是结果正确性的保证：参考指标、SQL、知识和答案构建器用于帮助核验依据，仍可能受到配置变更、数据质量或业务口径变化影响。
- 默认理解需要人工确认：对于“最近”“销售情况”“客户数”等有多种含义的问题，使用结果前应确认时间范围、统计对象和指标定义。
- 关键结论仍需业务审核：涉及财务、经营决策或对外披露的结果，不应仅凭 Agent 的解释或来源直接使用。
常见问题
Thinking 和“口径说明及外部引用”有什么区别？
Thinking 回答“Agent 是怎么理解和分析这个问题的”；“口径说明及外部引用”回答“这次结果采用了什么定义、参考了哪些资产”。前者用于理解分析过程，后者用于核对结果依据。
为什么有些回答的 Thinking 内容比较少？
Thinking 的展示内容会根据问题类型和复杂度变化。需要查询数据的问数类问题通常会展示问题理解、信息获取和分析阶段；“如何提问”“为什么采用这个口径”等咨询类问题通常直接给出说明，不展示完整问数过程。
为什么展开 Thinking 后看到的是摘要和工具名，而不是完整系统日志？
产品会优先展示业务用户能够理解的推理阶段、关键判断和工具调用摘要。SQL、字段映射、Request / Response 等技术细节按需展开，原始系统日志不会作为默认回答内容展示。
我应该先展开 Thinking，还是先展开来源？
如果你想判断 Agent 是否正确理解了问题，先看 Thinking；如果你想确认指标怎么算、用了哪些知识或 SQL，先看“口径说明及外部引用”。对于关键业务结论，建议两者结合查看。
为什么同一个问题在不同时间的解释或结果可能不同？
回答会结合当时可用的数据、指标、知识和答案构建器生成；相关资产或底层数据发生变化后，同一个问题的回答可能随之变化。需要核对差异时，应同时关注本次回答的来源和修改记录。
回答可解释性不是一次性的技术日志展示，而是 Analytics Agent 面向业务用户的结果说明能力：先让你看懂结论，再让你核对口径，必要时追溯来源，并在无法可靠回答时告诉你如何继续。