帮学生用 Genie 问数据，从挂表到出图走一遍

Genie 这个工具我之前没碰过，试了一下 Databricks 的 Genie。

先把它是什么讲清楚。你手里有一张表格，几十列，几千行。以前要拿到「上个月一共多少条记录」，得写 SQL，那是让数据库干活的一句命令，语法错一个逗号就不跑。Genie 干的事是，你用中文问，它把这句中文翻成 SQL，跑完给你一张结果表，有时候还顺手画个图。

我花了一个下午，带组里刚进实验室的硕士生走了一遍。下面是流程。

1. 进工作区。左侧栏找到 Genie 入口，点 New，新建一个 Genie space。这个词直译是空间，你理解成一间问数房就行，把同一批相关的表放进同一间，别混着放。

2. 挂数据。在 Add tables 里把表拖进来，再去指标定义那一栏，把字段的中文名和口径写上去。写完右侧会出现一列字段清单，每个字段后面跟着它自己的描述。

3. 先问最笨的一句。别写 select count(*)，直接打「这张表一共有多少条记录」，回车。界面会分成两块，上面是它生成的 SQL，下面是结果。我这边测下来，第一句基本都过。

4. 再问业务问题。「上个月每天的记录条数是多少」。它会生成一段带 group by 的 SQL，结果是一张按天排的表。

5. 出图。结果表右上角能切视图，切到图表，折线还是柱状自己点，不用它默认那个。

6. 追问。在同一个对话框接着问「只保留周三的数据」，它会基于上一轮的 SQL 改，不用从头来。

流程走下来，容易踩的坑有这么几个。第一个是搜错东西，搜 Genie 教程，一半结果在讲谷歌 DeepMind 的 Genie 3。

Genie 3 是一句提示词生成可探索 3D 世界的世界模型，输出 720p、大约 24 帧，据说能记住场景里放过的物体约一分钟。

那跟 Databricks 这个问数的 Genie 完全是两回事。我一开始也绕了十分钟。

第二个坑是口径。你问「活跃用户有多少」，模型不知道你们组的活跃怎么定义，登录过算，还是跑过一次任务算。这个必须提前写在指标定义里，不然它给你一个数字，你拿去写论文，审稿人问一句这个数怎么来的，就答不上。

第三个坑是数据本身。日期格式不统一、单位一会儿毫秒一会儿秒、缺失值填的是空字符串。这些问题它不替你发现，报错倒是报得挺快。我跑 OCR 流水线也是这个体会，前面清洗的功夫一分都省不掉。

第四个坑是权限。表没授权给你，点进去就是一句报错，跟模型没关系，去找管数据的人。

跟自己写 SQL 比，差别在几处。上手门槛，自己写要学语法，用它会中文就行。口径统一，自己写靠自己记，用 Genie 写在定义里全组共用。多表关联，自己写可控，用 Genie 容易猜错，得复核。结果可信度，自己写取决于人，用 Genie 取决于定义细不细。合起来说，优点是门槛低、追问快、口径有地方放，缺点是定义没写全时它会猜，跨表关联容易出错，出结果得人工复核一遍。我上周写过一篇智能体办事，先别急着付款，思路是一样的，先让结果可复核，再谈自动化。

下一步可以把同一间问数房接进 dashboard，让组会的周报自动刷新，而不是每次手动跑一遍。我判断往后一两年，用中文问数据会变成数据平台的默认入口，写 SQL 会退成一项复核技能。但数字算不算数，还是看谁把口径写清楚。