收入少了，先别急着让 AI 写原因
月底开会，负责人问：“这月收入为什么少了？”有人说客户流失，有人说折扣太多，财务提醒还有一笔到账时间没对上。AI 很容易把这些猜测整理成一份像样的报告，但报告好读，不代表原因已经查清。
数据、财务和法务都需要分析，检查答案的方式却不同。数据分析要对得上口径，财务要对得上账和凭据，法务要对得上条款与公司立场。这篇用一组虚构经营资料，演示怎样使用岗位插件，把这些差别体现在结果里。
三个包，三种检查方法
本文使用的岗位精选包源自 Anthropic 的 Knowledge Work Plugins，由 Onevium 独立整理适配，随包提供 Apache-2.0 许可、固定版本和修改记录。
| 包 | 包含的 Skill | 先检查什么 |
|---|---|---|
| 数据分析 | analyze、sql-queries、data-visualization、validate-data | 范围、分母、汇总逻辑 |
| 财务 | reconciliation、variance-analysis | 期末时点、差异项目、证据 |
| 法务 | review-contract、legal-risk-assessment | 原条款、公司标准、待专业复核项 |
精选包提供本地分析与草稿工作流，不安装数据库、财务软件或合同系统连接器。下面的数字、公司立场和合同都是教学用的虚构资料；参考答案用于核对，不能当作真实业务实测。
开源许可不包含模型用量或外部业务系统费用。练习只需要文件和已配置的模型，不需要先接通数据库或财务系统。
数据：同一个总数，可能藏着两个问题
先把下面的数据保存为 sales.csv：
period,segment,orders,revenue
previous,small,80,8000
previous,large,20,6000
current,small,100,10000
current,large,10,3000
这两期均为完整月份，币种一致，每行是一个互不重叠的客户分组，没有税费或退款调整。用 analyze 提问：
比较两期收入、订单数和每单平均收入，分组解释数字变化。
先检查汇总口径。不要把分组均值直接平均。
只有这些数据，不能认定流失、降价或任何因果关系。
输出计算过程和下一步需要补的证据，再用 validate-data 复查。
你可以手工核对：总收入从 14,000 到 13,000，减少约 7.14%；订单从 100 到 110；每单平均收入从 140 到约 118.18。两个分组内部的每单收入仍为 100 和 300。
这意味着收入下降与订单构成变化同时出现：高客单分组订单减少，低客单分组订单增加。数据还不能告诉你高客单订单为什么减少。要判断客户流失，需要客户身份与续约记录；要判断折扣，需要成交价格和折扣记录。
上游数据插件包含分析前后的验证方法。这里最该保留的习惯，是让结论停在证据能够支持的位置。
财务：差额能解释，才算对上
再给 reconciliation 一份简化的期末银行对账资料：
同一期末、同一币种：
银行余额：10,200
账面余额：10,050
在途存款：500，已有存款凭据，银行次日入账
未兑现支票：700，已有签发记录
银行手续费：50，银行已扣，账面尚未登记
其余项目：本练习假设无其他差异
要求它分别列出银行侧与账面侧调整，不改账，不生成已批准的会计分录。参考计算是：银行侧 10,200 + 500 - 700 = 10,000；账面侧 10,050 - 50 = 10,000。
关键不只是两边都等于 10,000。每项调整还应保留类型、金额和凭据。把“手续费”删掉再试一次，结果应留下 50 的未解释差额，而不是自行补一个“其他调整”来凑平。
variance-analysis 适合继续比较预算与实际，但预算口径、期间和重大性标准应由团队给出。上游方法中的金额阈值不能自动变成你的审批标准。正式财务输出仍需有资质的人员复核。方法来源见财务插件。
法务：先给公司立场，再让 AI 找偏差
假设同一家公司准备采购一套报表服务。下面是纯粹为了练习写出的条款对照，不构成真实合同建议：
| 审阅项 | 虚构采购方标准 | 虚构供应商草案 |
|---|---|---|
| 续约通知 | 至少提前 30 天可提出不续约 | 必须提前 90 天通知 |
| 数据导出 | 终止后仍提供 30 天导出窗口 | 终止当日关闭导出 |
把两列分别保存为公司标准与合同草案，告诉 review-contract：我们是采购方，重点审查这两项，仅做文字对照，适用法律尚未指定。要求输出原条款、标准、偏差、业务影响和待法务确认的问题。
一个有用的发现会指出：“草案要求更早作出续约决定，采购方需要检查内部审批能否赶上。”它不应仅凭这个差异就宣布条款违法。对导出窗口，应指出业务连续性与资料取回问题，而不是虚构某地法律规定了 30 天。
上游法务插件把公司的谈判标准作为重要输入，也注明默认示例具有特定法律地区背景。用在自己的团队前，应由专业人员维护适用规则。
一次复核，不只是再问一句“你确定吗”
给 AI 一个反例，通常比要求它更加认真更有用。
- 数据分析：故意提供一个不完整月份，检查它是否提醒两期不可直接比较。
- 财务对账：拿掉一张凭据，检查它是否保留差额与待核实项。
- 合同审阅：不提供公司标准，检查它是否先指出缺口，而不是冒充知道你的底线。
这些是可以照做的验收条件，不是我们已经取得的模型通过率。记录原始输入、模型、输出和人工发现的问题，才能看出下次调整有没有帮助。
三种岗位的共通做法，是让产物留下可查的依据；专业判断仍按照各自的标准完成。
在 Onevium 安装并开始练习
在 Onevium 里打开左侧插件。这次用的是 Onevium 精选中的社区岗位包，名称是：数据分析岗位精选、财务岗位精选、法务岗位精选。上游原作者和许可仍保留在包内，Onevium 负责这份精选适配。
先在页面上方的作用范围选择练习项目，再找到需要的岗位包，点击卡片旁的添加。安装窗口中核对包名、版本、发布者、包含的 Skill 和启用范围，阅读内容后点安装并启用。回到目录，确认该包在当前项目显示为已启用，再开始新一轮会话。
如果目录还没显示新包，打开来源 → 检查更新，等目录读取成功后再找。这里不需要下载 ZIP、导入 JSON 或运行准备脚本。
打开已安装包的详情，查看在对话中使用，取用界面列出的完整名称。例如本篇可以用 /onevium-data-essentials:analyze，再附上前面的任务和资料。也可以直接让 AI 使用这个已安装的 Skill。第一次运行时检查过程里是否加载了正确 Skill、读取了指定资料，然后按本文的核对点审阅结果。
文章里的公司和数字都是虚构练习。客服案例包含一次实际调用的观察；其他案例给出的是可复算的参考答案，不代表所有 Skill 都经过业务实测。更多入口说明见插件教程和Skills 教程。社区的开源仓库用于查阅源码、许可和适配记录。
从一份能复查的结果开始
先拿一个范围小、答案能核对的任务试用：上面四行 CSV、一份简化对账资料，或者两项虚构合同条款。打开生成的报告，逐项检查计算和引用。跑通后再逐步增加复杂度。
插件把工作方法带进会话，公司规则和资料仍需要有人维护。不要一次把全部资料都交进去，再希望 AI 自动理解所有边界。关于营销、销售和客服如何交接，可以看客户工作流实践。