回答を読む

すべての Agent の答えはレシート付きの短いナレーションです。ナレーションは Agent が何が起きたと考えているか。レシート — ツール呼び出し、テーブル、チャート — は Agent が実際に何をしたか。何かを信頼するなら、レシートを信頼してください。

回答の解剖

画面上には 5 つの要素があります:

• ツール呼び出し行（グレー、モノフォント） — 各行がツール名、一行説明、所要時間を表示。
• ナレーション — Agent がデータから読み取ったと考える内容。
• データレンダリング — テーブル、チャート、マップ。スクショではなくライブマークアップ。
• 太字の主張 — Agent は「これだけは持ち帰るべき」という 1 点を太字にします。
• 解釈 — データの後の文章で、なぜそれが重要かを説明。

読む順序: ツール呼び出し → データ → ナレーション。逆ではありません。ナレーションは間違うことがあるが、データは通常そうではありません。

ツール呼び出し

各ツール呼び出しは次を表示します:

✓ tool_name · 一行説明 · 所要時間

• ✓ は成功。✗ は失敗 — Agent は通常リカバーして再試行しますが、失敗行はクリックする価値があります。
• tool_name は呼び出しが属するドメインを示します（sql.query、python.analyze、app.create、watch.create、fetch.get など）。
• 説明は Agent が達成しようとしたことであって、生の引数ではありません。
• 任意の行をクリックすると展開されます: 実行された正確なクエリ/コード/ペイロードと、Agent が解釈する前の生の結果が見られます。

編集可能: 行が展開されると、クエリを変更して再実行できます。Agent は新しい結果を後続のナレーションで使います。

データレンダリング

Agent が使う 3 つの形:

• テーブル — 答えが行のとき。カラムでソート可能、CSV エクスポート可能。
• チャート — 比較なら棒、時系列なら線、分解ならスモールマルチプル。すべてライブマークアップ — 任意のズームでクリア、テーマ対応。
• KPI カード — 1 つの数字の答えに。大きな値、小さなデルタ、下にコンテキスト。

頼めばレンダリングを変えられます: 「これを線グラフで」「これをテーブルに展開して」。Agent はクエリを再実行せずに要求を尊重します。

引用と出所

良いデータ衛生はすべての数字にソースがあることを意味します。Agent は自動で追跡します。

• ナレーションの数字にホバー — どのツール呼び出しが生んだか小さなツールチップで表示。
• 「クエリを見せて」 — いつでも、どのターンでも。Agent が関連するツール呼び出しをインラインで開きます。
• 出所付きでコピー — テーブルのクリップボードコピーは、行 + 生成に使った SQL のコメントブロックを一緒にコピーします。

これは Report を書いていたり、結果を共有ドキュメントに貼ったりするときに最も重要です。ソース可能な数字は信頼可能な数字です。

Agent が不確実性をフラグするとき

Agent はわからないと言うのを恥ずかしがりません:

• 「ここでデータが矛盾しています。」 — 通常はタイムゾーンか重複。ツール呼び出しをクリック。
• 「これはサンプルベースです — 全データセットで実行しますか？」 — 非常に大きなテーブルで起きます。サンプルの結論が重要なら yes。
• 「 以降のデータしか見えません。」 — 統合またはアップロード境界。Agent は欠けているものを捏造しません。
• 「この 2 つのデータソースが食い違っています。」 — GA4 vs Stripe の売上、webhook vs 統合でよくあること。Agent はギャップを浮かび上がらせ、両方の数字を提示します。

これらを真剣に受け取ってください。Agent が正しいことをしているサインです。

押し返す

Agent が間違っていると思うとき:

• 「正しくないように見える」 — Agent に再チェックを頼みます。より狭いサニティクエリで再実行します。
• 既知の正しい値を与える。 「先週の売上は $42K だった、$38K ではない — 差を追跡して。」 Agent はギャップをトレースします。
• 手法を問う。 「これは同じものを比較していますか？ 先週は営業日が 1 日多かった。」 Agent は調整して再実行します。

これは失礼ではありません。これが 1 セッション内で Agent が改善する方法です。

いつ自分で SQL を確認すべきか

すべてのクエリを読む必要はありませんが、他の人と共有しようとしている答えについては、30 秒 SQL を読むのは安い保険です。

注目点:

• 行を爆発させる JOIN。 非一意キーへの LEFT JOIN は売上を重複させます。
• 欠けたフィルタ。 updated_at > now() - interval '7 days' は正しい、フィルタなしは間違い。
• 間違った集計。 AVG(price) vs SUM(price) / COUNT(*) — 通常同じ、時々違う（NULL の扱いが異なる）。
• タイムゾーンドリフト。 結果の日付が 1 日ずれていれば、Agent が UTC を使っていてデータがローカル時刻の可能性大。

おかしいものを見つけたら、その場で SQL を編集できます。Agent が再実行してナレーションを更新します。

答えをエクスポート

すべての答えはエクスポート可能です:

• コピー — ナレーションとデータをコピー。
• Report として保存 — ナレーション + チャートが Markdown ページに。Reports を参照。
• CSV ダウンロード — テーブルデータのみ。
• スクリーンショット — 回答パネルはスクショに優しい。OS のツールを使ってください。
• ターンへのリンク — 各ターンには安定 URL があります。Slack に貼ってチームメイトにこの答えを正確に見せられます。

次のステップ

• 質問する — ループのもう半分。
• Split ビューと Artifact — 答えがチャットに大きすぎるときに何が起きるか。
• Reports — この答えを後で（自分やチームメイトが）再読できるものに変える。