01
指标：金额、数量或转化率
02
范围：组织、项目或数据集
03
时间：日、月或滚动窗口
04
动作：回答、对比或预警
“销售下降了吗”其实至少有五种答案
自然语言把业务表达变得容易，却也把歧义带进了分析。销售可以指含税金额、净销售额、订单数或毛利；下降可以是环比、同比或相对预算。若系统直接选择一个口径，回答看似完整，实际无法复核。
追问设计的目标不是增加对话轮数，而是尽快暴露会改变结论的变量。只有当变量对结果影响很小，才适合采用默认值，并在答案中公开说明。
把追问做成最小确认单
实操时可把问题拆成指标、范围、时间、比较方式、输出形式五个槽位。系统先识别已知信息，只询问缺失且会改变结果的槽位；选项尽量使用业务词，并允许用户直接修改。
例如用户问“华东库存够不够”，合理追问应先确认库存口径和覆盖天数，再确认仓库范围与未来需求窗口。不要一次抛出十个技术问题，也不要用字段名替代业务表达。
用澄清日志检查系统是否可靠
测试时保存原问题、追问、用户选择、最终查询条件和结果。重点观察：是否问到了真正影响结论的歧义；用户改口径后是否只改变相关部分；同一口径重复提问是否保持一致。
AskTable.ai 的产品方向包括自然语言问数、多维对比、趋势、归因、预测和异常分析。具体模型如何处理某个行业术语，仍应使用企业自己的问题集验收，不应仅凭通用演示推断。
什么时候应该停止追问
追问过多会让用户回到表单时代。可以设一个停止条件：指标、范围、时间和比较方式已经明确，剩余不确定性不会改变行动建议。此时应在答案顶部列出口径，并提供修改口径入口。
如果问题需要业务负责人判断，例如“是否应该补货”，系统可以先给出数据事实和风险信号，再把决策留给负责人，而不是把推断包装成确定结论。