AI生成表格数据如何核验
AI 生成的表格看起来整齐，不代表数据已经可靠；应先定义字段规则，再做结构校验、来源追踪、交叉计算和抽样复查。
AI 很会把信息整理成表格。让它列竞品清单、活动排期、用户反馈分类、研究资料摘要、课程目录、问题清单、字段定义、会议待办，几秒钟就能得到一张看起来很整齐的表。
问题也在这里：表格越整齐，越容易让人放松警惕。读者看到列名、行号、单位、分类和合计，就会下意识觉得“这已经像数据了”。但 AI 生成的表格可能出现很多隐蔽错误：字段类型不一致、日期格式混乱、单位混用、重复行、遗漏来源、类别越界、合计不等于明细、样本数写错、把推测写成事实、甚至凭空补出不存在的行。
所以，AI 生成表格之后，不要只问“格式好不好看”，更要问“它能不能被验证”。表格核验不是把整张表再丢给模型问一遍“有没有问题”，而是先定义字段规则，再用来源、范围、唯一性、交叉计算和抽样复查，把表格从“像数据”推进到“可检查的数据草稿”。
整齐不是准确
自然语言回答出错时，读者通常还能感受到模糊：措辞可能保守、引用可能不清、语气可能像总结。但表格会制造另一种错觉。它把不确定的信息放进单元格，把表达风格统一，把行列对齐，把空缺填满，于是错误也被排版得很安静。
比如你让 AI 总结 20 个工具的价格、使用对象和主要功能。它可能把不同地区的价格混在一起，把“免费试用”写成“免费版”，把旧版本功能写成当前功能，把没有查到的信息补成“支持”，还可能把来源不同的指标放在同一列比较。
再比如让 AI 从一批访谈记录里做用户反馈表。它可能把一句抱怨拆成两个问题，把同一个用户的多条反馈当成多人意见，把“希望有这个功能”写成“强需求”，或者把研究者的归纳当成受访者原话。
这类问题不一定靠肉眼一遍发现。表格需要规则，规则需要先写出来。
先定义表格要回答什么问题
核验的第一步，不是检查单元格，而是检查表格目标。
一张表要回答什么问题？是为了排期、比较、归档、发布、统计、追踪还是决策？不同用途决定不同核验强度。内部头脑风暴表可以容忍更多空缺；公开资料表必须有来源；运营日报要能回到原始数据；研究表要区分原文事实和作者判断；财务或业务指标表要回到系统导出和计算口径。
如果目标没说清，核验就会失焦。比如“做一张 AI 工具对比表”太宽，应该改成：“做一张用于选题调研的资料表，字段包括工具名、官网、更新日期、公开定价页面、主要能力、来源链接、待复核项，所有价格只记录公开页面显示内容，不做购买建议。”
目标越清楚，字段规则越容易写。
用 schema 约束行列
OpenAI Structured Outputs 文档强调，使用结构化输出时要先设计 JSON Schema，并把模型输出约束到指定结构。这个思路对表格同样有用：不要先让模型随意生成一张表，再回来修；更好的做法是在生成前定义列名、类型、枚举值、必填项和说明。
W3C CSV on the Web Primer 把 CSV 验证说得很清楚：验证是在检查文件是否包含你期望的内容，包括列数、列名、列值类型、唯一值，以及是否匹配其他 CSV 文件。Frictionless Data 的 Table Schema 也提供了字段、类型、约束和主键等表达方式。
普通使用者不一定要写完整 JSON Schema，但至少要有一份“字段说明表”：
1. 字段名：这一列叫什么。 2. 类型：文本、整数、小数、日期、布尔值、分类、链接。 3. 单位：元、美元、百分比、天、小时、次数、人数。 4. 是否必填：不能为空，还是允许空缺。 5. 允许值：例如“待处理 / 处理中 / 已完成”。 6. 范围：例如评分 1 到 5，日期不晚于今天。 7. 唯一性：是否不能重复，例如订单号、用户 ID、文章 ID。 8. 来源：这一列是否必须有来源链接或原始记录编号。
有了字段规则，核验才有检查入口。
结构化输出只解决一部分问题
结构化输出能减少格式错误，比如少一列、列名不对、JSON 解析失败、字段类型混乱。但它不能自动验证事实。
模型可以按 schema 输出 price: 19.99，这个数值格式正确，却可能不是当前价格；它可以输出 source_url，但链接可能不支持这条结论；它可以输出 category: "高优先级"，但优先级判断可能来自模型推断，而不是业务规则。
所以，表格核验至少分成两层。
第一层是结构核验：列名是否齐全、类型是否正确、必填是否为空、分类是否越界、ID 是否重复、日期是否能解析、链接是否有效。
第二层是事实核验：数值是否来自原始数据，结论是否能回到来源，合计是否等于明细，分类是否符合规则，抽样行是否和原文一致。
只做第一层，表格会“格式正确但内容不可靠”；只做第二层，表格会“材料可信但难以自动检查”。两层要一起做。
六类常见错误
第一类是单位错误。同一列里混用元和美元、百分比和小数、天和小时，会让比较失真。处理办法是把单位写进字段说明，必要时拆成 value 和 unit 两列。
第二类是日期错误。AI 可能把发布时间、更新时间、抓取时间、活动时间混在一起。处理办法是给日期列命名更具体，例如 published_at、checked_at、event_date。
第三类是重复或遗漏。同一对象可能被写成不同名称，或者同一 ID 出现两行。处理办法是设置主键、规范名称，并用去重检查。
第四类是分类越界。原本只允许“公开来源 / 内部来源 / 待查”，模型却写出“疑似公开”。处理办法是限定枚举值，把无法判断的情况统一放进“待查”。
第五类是计算不一致。小计不等于明细，总数不等于分组，百分比相加异常。处理办法是把计算列和输入列分开，并用公式或脚本重算。
第六类是来源缺失。表里有结论，但没有链接、文件路径、页码、工单号或记录 ID。处理办法是把来源列设为必填，并且让每条主要结论至少对应一个来源锚点。
抽样复查比“再问 AI 一遍”更重要
很多人会让 AI 自查：“请检查上表有没有错误。”这可以发现一些表面问题，但不能替代来源复查。因为模型可能沿着同一份上下文继续顺滑地解释错误。
更稳的方式是抽样复查。比如一张 200 行资料表，可以按以下方式抽样：
1. 随机抽 10 行，看字段是否能回到来源。 2. 抽所有高优先级行，看分类依据是否清楚。 3. 抽数值最大和最小的行，看是否有单位或录入错误。 4. 抽最近更新的行，看日期是否来自同一口径。 5. 抽来源为空的行，全部改成“待查”或删除。
抽样不是形式。它能帮你判断这张表是小修可用，还是需要重新生成。
让表格保留证据列
AI 生成的表格不要只有结论列，还要有证据列。常见证据列包括：
1. source_title：来源标题。 2. source_url：公开链接或内部路径。 3. source_anchor：页码、段落、时间码、工单评论号、行列范围。 4. checked_at：抓取或复核时间。 5. confidence_note：不确定点。 6. review_status：未复核、抽查通过、逐项复核、待查。
这些列会让表格看起来不那么简洁，但能提高后续维护的把握。没有证据列的表，发布、复用、更新和纠错都会变难。
用工具检查，而不是只靠感觉
不同团队可以用不同工具。轻量场景里，Excel 和 Google Sheets 的数据验证、下拉列表、条件格式、重复项检查、筛选和透视表已经很有用。Microsoft 支持文档说明，Excel 的数据验证可以限制单元格接受的类型或取值，例如整数、小数、列表、日期、时间、文本长度和自定义公式。Google Sheets 的下拉与数据验证也能在输入不匹配时拒绝或提示。
工程场景里，可以用 JSON Schema、Table Schema、Great Expectations 或自写脚本。Great Expectations 把 Expectation 定义为对数据的可验证断言，Expectation Suite 则是一组描述理想数据状态的断言。这种思路适合把“应该是什么样”变成可重复执行的检查。
不管工具轻重，原则都一样：把规则写下来，让工具先检查机器能检查的部分，把人力留给来源、语义和例外判断。
两个常见场景怎么落地
第一个场景是工具对比表。很多内容团队会让 AI 输出“工具名、官网、价格、适用人群、优点、缺点、链接”。这张表最容易出错的地方，是价格和功能版本。核验时可以把字段改细：pricing_page_url 只放公开定价页，checked_at 记录查看日期，price_note 只写页面可见信息，feature_source 指向产品文档或发布说明，review_status 标出未复核、抽查通过或待查。这样即使价格更新，后续也知道该回到哪里重新检查。
第二个场景是用户反馈表。AI 可以把访谈、工单和评论整理成“用户、问题、场景、影响、建议、优先级”。这里要小心把模型归纳当成用户原话。更稳的做法是保留 raw_quote、source_id、source_anchor 和 analyst_note。用户原话是一列，分析师判断是一列，优先级再用团队规则计算。这样表格既能读，也能复盘。
这两个场景有一个共同点：不要把所有信息压进一个漂亮单元格。能拆开的就拆开，能标来源的就标来源，能用规则判断的就写规则。表格不是越短越好，而是要让下一位接手的人知道哪些内容已核验、哪些内容仍要查。
复查记录也要写进表
很多表格出问题，不是因为没有检查，而是检查结果没有留下来。今天有人抽查了 20 行，明天另一个人看表时不知道抽的是哪 20 行、发现了什么、修了什么、还剩什么风险。
可以在表格旁边加一张“复查记录”小表，字段包括：复查时间、复查人、抽样规则、抽样行数、发现问题、处理方式、仍需复查、下次复查时间。它不需要复杂，但能让表格从一次性生成物变成可维护资料。
如果表格会被发布，复查记录还可以帮助审稿人判断是否适合上线。若一张表只有结构校验，没有来源抽样；或者抽样发现多处错误但没有修正记录，就应继续留在草稿阶段。AI 表格的发布门槛，不是看它排版是否整齐，而是看它能否说明自己的字段、来源、复查和限制。
发布前清单
表格准备交付或发布前，可以检查十件事：
1. 表格目标是否写清楚？ 2. 每列是否有字段说明、类型和单位？ 3. 必填列是否存在空值？ 4. ID、名称或链接是否有重复？ 5. 日期、货币、百分比和数量是否同一口径？ 6. 分类值是否只来自允许列表？ 7. 合计、占比、排序和筛选是否重新计算过？ 8. 每条主要结论是否有来源锚点？ 9. 是否做过抽样复查，并记录复查比例？ 10. 是否标明哪些行仍是“待查”？
AI 生成表格的价值，是快速搭出结构和第一版内容。核验的价值，是把这张表变成可以被别人接手、复查、更新和纠错的资料。表格越像数据，越要把规则和来源放在旁边。
