Excel+LLM 系统的瓶颈是业务知识无损传递
Tired40s · reddit · 2026-07-28
Excel + LLM 查询系统的真正瓶颈：业务知识在流水线里丢了
一位没有编程背景的采购从业者花了 6 个月搭建 Excel + LLM 查询系统，最终发现最难的并不是“模型能不能听懂自然语言”。一个看似完全明确的问题——“这批物料当前价格是多少”——系统竟然会不断答错、被证据校验拒绝、再改写重试，最后一次查询烧掉了 150 万 token，直到账户余额耗尽才暴露问题。
真正的根因是：原始 Excel 里其实有一个单元格注释，明确解释了 Order Type 列里的 A/B 缩写含义，但流水线里有个为了省 token 的函数把这段注释压扁成了一个布尔值 hascomment: true。模型根本没看到具体解释，只能根据训练数据去猜 A/B 可能代表什么，于是不断违背他自己写下的规则——没有证据就不要编造。
作者的结论是：很多 agent/RAG 失败，不是模型“不够聪明”，而是人类原本知道的业务知识没有一条可靠、无损的路径进入模型。真正费力的工程工作，是把这些隐性知识变成可复用、可传递、不会在管道中被悄悄篡改的数据。
「编程与Agent」频道最新
- PR 守护进程把评审意见自动变成修复 PR — MikkoH · 2026-07-28
- Claude 编程上下文该不该定期重置？开发者纠结如何保留有效记忆 — mobileraj · 2026-07-28
- SAP 的 TRACE 在保留工具知识的同时实现 86% 召回 — SAP · 2026-07-28
- GlobalGPT 主打一站式 AI 工作区，月费 10 美元接入 100 多种模型 — hey_abusiddik · 2026-07-28
- GlobalGPT 演示通过 MCP 在 Codex 内生成视频 — hey_abusiddik · 2026-07-28
- GlobalGPT 推出 CLI，把图像和视频生成接入 Codex — hey_abusiddik · 2026-07-28