你不能依赖LLM理解你的数据粒度
大型语言模型（LLM）虽然功能强大，但在处理数据时往往无法准确把握数据的粒度（grain）——即每条记录所代表的具体含义和层次。文章指出，LLM可能混淆不同层级的数据（如客户级与订单级），导致分析结果出错。因此，在使用LLM处理数据时需要人工监督，不能盲目信任其对数据结构的理解。
背景速读
- "数据粒度"（grain）指数据表中每一行所代表的现实世界实体或事件的精细程度。例如，一行可能代表一笔订单、一个订单中的一行商品，或一次点击记录——不同粒度决定了你能问什么问题、不能问什么问题。
- 许多非技术人员或AI工具的用户，常误以为LLM能自动"理解"数据集的结构含义。实际上，大语言模型看到的只是文本表格，没有关于每行究竟代表什么的元数据或业务逻辑。
- 这篇文章批评了一种常见误区：认为LLM足够智能，可以直接对数据做精确分析或生成正确SQL。作者强调，AI工具必须由人工明确指定数据粒度，否则会产生看似合理但完全错误的答案。
- 这是数据工程与AI交叉领域的一个现实问题——类似"数据血缘"（lineage）和"语义层"（semantic layer）的讨论，关乎如何让AI可靠地操作结构化数据。