脏数据进模型，等于把问题放大
模型会把输入的毛病放大 ✔：字段缺失 → 它去猜 ✔；
单位混乱 → 它算错 ✔；重复行 → 它总结出错误结论 ✔。
在进入模型之前做"数据质量前置检查" ✔，比事后调提示词有效得多 ✔。
一、六项前置检查（按顺序）
① 完整性：必填字段有没有？（缺了别让模型猜）
② 类型与范围：数字是不是数字、日期是否合法、枚举是否在表内
③ 一致性：同一实体的写法是否统一（"北京"vs"北京市"）
④ 去重：完全重复与近似重复
⑤ 单位与量纲：金额币种、长度单位、时间时区
⑥ 时序：日期是否单调、有没有未来时间
第 ⑤ 项最常出事故 ✗：金额没写币种 ✔、长度混用米与英尺 ✔ ——
模型不会问，它会直接算 ✔。
二、检查之后怎么办（三级处置）
| 情况 | 处置 |
|---|---|
| 可修正（大小写、全角半角、多余空格 ✔） | 自动规范化 + 记录 ✔ |
| 需确认（单位缺失、币种不明 ✔） | 停下来问用户 ✔（见校验分级那篇 ✔） |
| 不可用（关键字段缺失 ✔） | 明确拒绝 + 说明缺什么 ✔ |
关键：不要"带着问题往下走" ✗ ——
模型不会因为数据有问题就变谨慎 ✔，它照样给一个看起来很确定的答案 ✔。
三、把质量检查接进链路
- 进模型前统一过一遍 ✔（不要每个功能各写一套 ✔ —— 见生成与校验分离 ✔）；
- 检查结果要留痕（多少条被规范化、多少条被拒 ✔ —— 见仅记录那级 ✔）；
- 与数据源方对齐（反复出现的同类问题，是上游该改 ✔）。
四、该观测什么
- 前置拒绝率（高了说明上游质量差或检查过严 ✔）；
- 自动修正率（按类型统计 ✔）；
- 因数据质量导致的失败占比（用失败类型分类衡量 ✔ —— 见失败分类 ✔）；
- 上游改进趋势（同类问题是否逐月减少 ✔）。
五、一条判据
抽 20 条失败案例 ✔，有多少能追溯到"输入的某个字段有问题" ✔？
比例高，说明该做前置检查，而不是继续调提示词 ✗。