做数据相关的工作，最花时间的往往不是分析，是对齐口径：公开资料上的数字和自己表里的数字对不上，得逐条查是统计范围不同、时间区间不同，还是单位不同。
要让 AI 帮上忙，前提是它得同时看到两边的原始来源。
1. 让两边进同一轮对话
Tabbit 的做法是把网页侧和本地侧放进同一个上下文：
· 网页侧用 @ 引用——单个网页、整个标签页组、收藏夹都可以引;
· 本地侧用上传文件，文档和图片直接传进对话框。
两者在同一轮对话里同时给到模型，然后让它做交叉对比。比如手上有几家公司的公开资料网页，同时有自己整理的本地表格，可以让 AI 把两边的口径对齐后再给结论。
2. 先对齐口径，再要结论
这一步的顺序很重要。直接问「哪家更好」得到的多半是笼统答案;更有效的问法是先让它把差异摆出来：
· 两边同一个指标的定义是否一致;
· 统计的时间区间和口径是否可比;
· 单位、币种、是否含税这类容易被忽略的细节。
把差异列清楚之后再问结论，可信度完全不同。
3. 多来源时先归组
来源超过三四个，建议先用标签页智能分组把网页归成一组，在标签组首页对话时系统会自动聚合组内所有网页，再叠加本地文件，减少来回切换和遗漏。
标签组还支持保存和恢复、并可云同步，一个持续跟进的分析主题，下次打开就能接着做。
4. 结论必须回原文核对
这一条要单独强调：AI 输出的所有数据和结论，都应该回到原文核实之后再使用。
Tabbit 的任务模式在执行时每一步都清晰可见——它在搜什么、访问了哪些网站、提取了什么信息，全程透明，这为核对提供了路径。收藏功能会完整保存整个网页内容，也便于事后追溯原始出处。
多来源分析的可信度，取决于口径有没有对齐。先让 AI 摆差异，再让它下结论。
