在用 AI 分析监控大盘、运维指标等时序数据时，有四类错误反复出现，值得专门记录。

1. 时区偏移：UTC vs UTC+8

JSON 时间戳通常是毫秒级 Unix 时间戳，直接用 new Date(ts) 解析会得到 UTC 时间。若服务在东八区，日期会整体偏早 8 小时，导致数据归到”昨天”。

正确做法：转换时加 8 小时偏移：

const date = new Date(timestamp + 8 * 3600 * 1000).toISOString().slice(0, 10);
// 例：1741104000000 → "2025-03-05"（北京时间），而非 "2025-03-04"

2. 数值模糊：禁用 ~ 近似

AI 有时会把 0.007% 写成”约 0.001%“或”~0%”，完全丢失了异常信息。 错误率类指标往往绝对值很小，但 3-7 倍的相对变化就需要关注。

规则：必须报告精确数值，禁止用 ~ 近似。

3. 多 series 聚合：把不同页面的数据混在一起描述

一张图表通常包含多个 series（不同页面、不同平台、不同环境）。若 AI 把所有 series 加总或平均后描述，会掩盖局部异常。

• ❌ 错误：「整体 JS Error 约 300 次，正常」
• ✅ 正确：「搜索页：300次（正常）/ 小程序首页：21次 → 6次（突降）/ 商品详情：5次 → 47次（突增 9 倍，需关注）」

规则：每个 series 必须单独分析。

4. 漏报：只说有问题的，正常的不写

AI 倾向于只输出”需要关注”的项，默默跳过”正常”项。但巡检报告要求覆盖所有指标，否则阅读者无法区分”这项正常”和”这项没被检查”。

规则：所有图表的所有 series 必须逐一输出结论，正常也要写”正常”。

这四类问题在给 AI 设定分析规则时，需要明确写入 prompt 或 skill 的 references 文件，而非依赖模型自行判断。