场景背景
用户,“为什么昨天收入突然下降?”
第一步,Agent 不应该马上猜:
某个媒体挂了。
而是先查整体。
Query 1:
date
request
impression
click
income
ecpm
Observation:
收入 -25.4%
request +0.3%
impression +0.2%
click -1.0%
eCPM -25.5%
Working Memory 更新:
confirmed:
整体收入明显下降
流量基本稳定
eCPM 明显下降
hypothesis:
主要问题更可能来自价格/变现效率
接下来 Agent 决定:
下钻 media。
Query 2:
dimensions = media
metrics = income, impression, ecpm
Observation:
media_a:
收入差额 -6800
eCPM -33.8%
media_b:
收入差额 -100
eCPM -2.7%
这时:
media_a
明显异常。
接下来 Query 3:
filters:
media = media_a
dimensions:
position
Observation:
position_101:
收入差额 -200
eCPM -3.1%
position_102:
收入差额 -6600
eCPM -54.5%
Query 3 已经同时带回 request、impression、click、income 和 eCPM,因此它既完成广告位定位,也承担最后一次交叉检查:
position_102 的 request、impression 基本稳定
click 小幅下降
income 与 eCPM 大幅下降
广告位收入差额汇总与 media_a 收入差额一致
如果 Query 3 没有包含这些验证指标,我们才需要 Query 4。少查一次不是偷懒,而是避免重复取数;前提是现有结果确实回答了验证问题,并且聚合结果能够对账。这时 Completion Gate 才通过。
最终报告:
2026-09-06 收入较 2026-09-05 下降约 25.4%。
整体请求和曝光略有增加,而 eCPM 下降约 25.5%。
收入下降贡献主要集中在 media_a,其中 position_102 的收入差额为 -6600,
同时 eCPM 下降约 54.5%。建议优先检查这个范围;
价格、竞价或填充策略是否发生变化,仍需外部变更记录确认。
注意。
这个结论不是:
LLM 一开始猜出来的。
而是:
Query Result
一步步支持出来的。
这就是 Data Agent 应有的证据链。
© 版权声明
文章版权归作者所有,未经允许请勿转载。
THE END

















请登录后查看评论内容