让 AI Agent 回答营收问题前，先通过这场考试

营收运营负责人 Malek Damiri 提出“黄金问题”评测法：用财务已对账的真实问题及标准答案，按数字结果而非 SQL 语法给 AI Agent 打分。配套 Python 与 DuckDB 可运行测试框架显示，六份初稿仅得 2/6，暴露出时区、测试账号和 fan-out join 等错误，并说明如何自建考题。

AI推荐理由 文章提出用财务已对账的“黄金问题”评测 AI Agent 生成的 SQL，按数字结果而非 SQL 本身评分，并给出可运行的 Python+DuckDB 测试框架，报告六份初稿仅得 2/6。具体新信息是评测方法与失败模式（时区、测试账号、fan-out join）；局限是单一作者经验、样本仅六题，未提供跨场景验证。