读时间： 約 5 分钟 · 系列： 分析師进階 · 上一步： 快取与 Source Run · 下一步： Plan vs Memory
它們做什麼
Lantide 内建一组 AI 数据分析工具（t 檢定、卡方、ANOVA、线性／逻辑迴歸、相关、预测、分群、PCA、ARIMA 等），由 Agent 在对話中透过 @@PROTECT0@@ 启用。
重点：
- 統計在 SQL 备好的表 上跑，不是取代 SQL 取数
- 结果主要在 AI 对話 呈现，不会改写 原始资料檔
- 适合 Execute 后的「这張乾淨表上还要做檢定／建模嗎？」
完整工具清单与参数說明見 USER_GUIDE §12.9。
什麼时候会用到
| 場景 | 典型流程 |
|---|---|
| A/B 转化差异 | SQL 聚合两组樣本 → 对話中 t 檢定 / 卡方 |
| 留存曲线解读 | SQL 算 cohort 表 → 对話解读 + 必要时建模 |
| 多因子相关 | SQL 整理 wide 表 → 相关 / 迴歸 |
Agent 也可能依 分析方法論 在 Plan 里建議 checkpoint（例如「比較组樣本是否足夠」）——方法論指导 Plan 怎麼写，不是跳过 SQL。
两條规则（分析師必知）
1. Planning 階段不跑正式統計
还在改 Plan、对口徑时，Agent 应專注探索 schema 与修訂計畫。若你发现 Planning 中 Agent 急著跑檢定，应先把 分母与樣本定義 写进 Plan。
2. 執行前 Agent 会問你確认
无論 Quick 还是 Executing，启用統計工具前 Agent 通常会用互動問題確认：欄位对应、对照组、显著性门檻等。不要跳过確认——参数錯了，檢定再快也沒意義。
和 Excel / Python notebook 怎麼选
| 对話統計工具 | 自己 export 后建模 | |
|---|---|---|
| 口徑 | 前置 SQL 仍在 Lantide | 易与取数脫節 |
| 重现 | 同一 SQL + 对話紀录 | 靠个人习慣 |
| 深度 | 覆蓋常見檢定与基礎 ML | 几乎无上限 |
建議： 取数与口徑留在 Lantide SQL；探索性、与 Plan 綁在一起的檢定 用对話工具；極客製化 pipeline 再 export 或另开 notebook，但正式交付仍应指回 SQL / Report。