AI 做亚马逊数据分析靠谱吗：我们给运营 AI 立的两条规矩——证据分 4 级、每个数据源单独写截止日期（库存表停在 9/6，10/9 才查出来）

同一个运营事实，经常有好几个来源给出不同的数：后台首页、接口回读、本地数据库、昨天生成的报表、上周的复盘、AI 自己的记忆。我们在 agent 合同里写死了先后顺序，AI 下结论时要写明用的是哪个来源。

第二条更容易被忽略：一个来源是新的，不代表别的来源也是新的。我们要求 AI 对实际用到的每个来源分别写截止时间，没用到的来源不用去查，但也不能暗示「数据都是最新的」。下面是 2026-10-12 那份每日复盘末尾的真实写法（已脱敏）：

5 月下旬，AI 算出来的广告费突然翻倍。查下来不是广告真多花了，而是活动级和关键词级两个同步任务把数写进了同一张广告表，表上又没有唯一索引，一求和就叠加计数。

修法有两步：给广告表加唯一索引，防止同一天、同一活动、同一定向重复写入；再把算利润的查询收进一个统一的指标模块，规定广告费只取活动汇总行，不再让 AI 每次手写 SQL。5/27 我们把这条写成了「广告费查询铁律」。

6 月中旬做广告巡检时，同一个窗口的广告费出现了两个数：按 5/27 那条铁律只取活动汇总行，是 $347；按关键词报告逐行加总，是 $1,266。原因是活动汇总行从 6 月起数据缺失，只含部分活动。也就是说，5/27 的修法在 6 月悄悄失效了，广告费被低估约 3 倍，之前的利润分析因此严重偏乐观。

2026-10-09，我们给所有数据表建了一张登记表（表名、日期列、过滤条件、最大允许滞后天数、谁负责生产、状态），再写了一个只读的新鲜度检查脚本。第一次跑的结果如下：

规矩写在文档里不够，AI 会忘，也会被一份看起来很新的报表带偏。我们现在让它在每份分析里固定做这几步：

它们只能让 AI 说清楚「我知道什么、截止到哪天、哪里不知道」，不能保证结论对，更不能保证生意变好。我们店到现在也没有真正盈利；没有一组「立规矩前 vs 立规矩后」的对照数据能证明它省了多少钱或多少工时，这一点我们不编。能确定的是：上面 3 次事故，第 2 次和第 3 次都是靠交叉核对和新鲜度检查查出来的，而不是靠 AI 自己察觉。