指標異常診斷：找出可能原因
某個指標突然掉了，不知道從哪查起。
提示詞長度
234
tokens
建議模型
V4 Pro
單次成本（離峰）
$0.00022
Flash
跑一萬次
$2.15
Flash 離峰
提示詞全文
某個指標出現異常，幫我列出排查方向。
指標：{{指標名稱}}
正常值：{{範圍}}
現在值：{{當前}}
發現時間：{{什麼時候開始}}
最近變動：{{近期上線了什麼、改了什麼}}
輸出：
1. 先確認「異常是否真實」：哪些情況會導致統計錯誤而非業務變化
2. 可能原因清單，按可能性排序，每條包含：
- 原因
- 對應的驗證方法（具體到查什麼數據、看什麼日誌）
- 如果是這個原因，其他指標應該出現什麼連帶變化
3. 排查順序建議（先查哪個，為什麼）
4. 「不需要查」的方向（避免浪費時間）
要求：
- 驗證方法要具體，不要寫「查看日誌」
- 用「其他指標的連帶變化」來交叉驗證，而不是單一指標猜
- 如果資訊不足，直接說明還需要什麼數據
為什麼這樣寫
- 「先確認異常是否真實」這一步能省掉大量無效排查 —— 很多「異常」是埋點或時區問題。
- 要求「其他指標應該出現什麼連帶變化」，這是定位根因的關鍵手法，單一指標看不出因果。
- 要求列出「不需要查的方向」，避免在低機率原因上耗時間。
成本
按上面這段提示詞估算（輸入 234 tokens、輸出 300 tokens）。輸出長度依任務而定，實際會有差異。
| 模型 | 單次（高峰） | 單次（離峰） | 1 萬次（高峰） | 1 萬次（離峰） |
|---|---|---|---|---|
| DeepSeek Flash | $0.00043 | $0.00022 | $4.30 | $2.15 |
| DeepSeek V4 Pro | $0.00150 | $0.00075 | $14.97 | $7.48 |
模型建議：診斷需要因果推理與業務理解，V4 Pro 明顯更好。這類任務答錯會浪費整個團隊時間。
變體
- 做漏斗分析時，改成「逐層看哪一層轉化率下降，並定位到下鑽維度」。
- 有多個指標同時異常時，追加「判斷它們是否有共同原因」。
常見失敗
- 不提供「最近變動」，模型只能列通用原因，價值有限。
- 不要求具體驗證方法，會得到「檢查資料品質」這種等於沒說的建議。