第 45 套 Skill:Excel 实时操作,Excel 专家的＂真人机双写＂——AI 不问清背景,给再多指令也白搭

过去 44 套 Skill，我一直在做同一件事：把有共性的需求，提炼成工具。 但这一次，我想做一件不一样的事——把我脑子里那套 Excel 专家的判断，蒸馏给 AI。 市面上的 Excel Skill 拿到指令就开干，看起来很快，但往往做出来的东西不能用。 因为 AI 没有好的提问、没有好的上下文，也没有了解你全面的背景现状。 这套 Skill 把"问"放在了"做"前面：先摸清工作簿的结构，再用专家视角一步步问你。这篇讲它为什么不一样。

一、先交代：我为什么从"造工具"转向"蒸馏知识"

过去这几个月，我一直在做插件、做工具、做 App。

Excel 插件、WPS 加载项、浏览器插件、桌面工具、App、网站、小程序……44 套 Skill，把"造东西"拆了一遍。

这套东西有一个共同的名字：AI 编程。

AI 编程最擅长的，是找共性，把它抽象出来，提炼成工具，反复使用。

很多人都在做同一件事，于是拆成步骤、写成代码、包成按钮。以后谁要做，点一下就行。

这就是工具的逻辑：一次造好，万人复用。

但做得越久，我越发现一个现实问题：现实当中，没有那么多东西有共性。

很多工作，就是一次性的。

老板丢来一张表，让你下班前出汇总；客户发来数据，让你看看有没有问题；同事请你把报表排个版，明天开会要用。

做完就完了。下次遇到，可能完全是另一个样子。

但共性不是一开始就有的。

共性是在做的过程中长出来的：做十次，发现三次是同一套动作；再做十次，发现可以固化成流程；再做十次，才敢说"这是共性"。

还没长成共性就硬做工具，往往做出来是"一次性工具"——费大力气，只用一次。

而大部分工作，等不到共性出现，就已经结束了。

这些"一次性"的工作，就不值得被认真对待吗？

我不这么看。

工具解决"很多人重复做同一件事"，Skill 解决"这件事只有你会做"。

一个追求复用，一个追求"这一次做对"。

它们不是替代关系。工具是手的延伸，Skill 是脑的延伸。

而 Skill 最大的价值，不是"让 AI 多会一个操作"，而是——

它可以蒸馏你自己的专业知识、专家知识。

把你脑子里那些"看到什么、先问什么、什么不能忍、什么必须坚持"的判断，提纯出来，写成 AI 能执行的流程。

因为工具的天花板，是"共性有多少"；而专家知识的天花板，是"你这个人的判断有多深"。

所以这一次，我又一次站到了一个新领域的门口。

不是 Excel——Excel 我做了很多年。

是"把专家知识蒸馏给 AI"这件事。

二、我凭什么蒸馏 Excel 知识？——我不只是"做插件的人"

我凭什么蒸馏 Excel 的专家知识？

会写 Excel 插件，不等于懂 Excel。

会写代码的人很多，但"懂 Excel 最佳实践"是另一回事。

我的底子有三层。

第一层，是开发者。

这些年，我一直在做 Excel 插件、WPS 加载项、Office 自动化。EasyShu 图表插件、各种 COM 加载项、VBA 工具……这些是我的老本行。

第二层，是 Excel 的高级用户。

我自己也天天用 Excel，而且挺挑剔。

但我不只是"高级用户"。

Excel 的每一个高级功能，我都是重度用户：用 Power Query 做数据清洗、合并、自动化；用 Power Pivot 做关系建模、度量值、透视分析；用数据连接打通 SQL Server、Access、Web 这些外部数据源；用 VBA、COM、Python、外部 API，把 Excel 接到别的系统上。

在我眼里，Excel 从来不是一张"电子表格"，而是一个没有上限的超级数据平台：数据进得来、洗得干净、建得了模、分析得了、还能再送出去。

程序员看它，可能只是"读写单元格"；我看它，是一整套数据基础设施。

我读过《为什么精英都是 Excel 控》这类书：标题写结论、数字右对齐、单位独立成栏、颜色只做投影、强调一屏最多三处……

这些不是"排版技巧"，是专家的判断：算得对、结构对、读者看得懂。

第三层，是我和别人最不一样的地方：我喜欢用方法论指导开发。

此前的 MYN 任务管理 App，就是先找一套科学方法论，再让 AI 按方法论实现。

我不是先想"AI 能调哪些接口"，而是先想：

一个 Excel 专家，看到一张表，会怎么想？

他会先看什么？先问什么？什么信号说明这张表不能直接用？什么错误可以修，什么错误不能忍？什么时候该动手，什么时候该停下来问用户？

这些问题的答案，才是我要蒸馏的东西。

接口只是手脚，判断才是大脑。

做 WPS 多维表格 Skill 时，我就坚持：不了解数据结构，不要贸然分析。 表头、合并、小计、隐藏列、公式列、颜色语义，都是信息；不了解就透视、汇总，数字可能漂亮，口径却是错的。

错的口径，比没有结论更危险。

所以这次，我把"先摸透结构"做成了第一道闸门。

为什么这套东西，估计只有"复合型"的人做得出来

这些底子单拎一层都不稀奇，稀奇的是叠在一个人身上。

我是业务背景出身，对 Excel 的每一个细节都了如指掌。

我知道业务人员怎么做表：哪些列给老板看、哪些给自己核对；哪些"小计"会被当成明细；哪些颜色是标记、哪些只是顺手涂的；一张表传到谁手里，会在哪一步被改坏。

这些细节，不在 API 文档里，也不在编程书里。

我的技术积累，是从 Excel 一路"长"上去的。

我先把 Excel 用透，再学 VBA，再走到 VBA 对象模型、COM 接口。

界面上点一下"冻结首行"、拖一下透视表字段、改一个数字格式，对应哪个属性、哪个调用、哪一段 NumberFormat，我都清楚。

这种映射，不是查文档能查全的，是长期用出来的。

我会写代码，而且做过大量插件和工具。

这让我知道：AI 不能从零开始写。

只给 AI 空接口、让它每次现写，它会写歪、写慢、写出不一样的东西。

所以我给它搭了"脚手架"：把反复试错、最终跑通的脚本，做成它能直接调用的命令。

而且，我近 5 个月一直在做 Skill 开发，专注为"零门槛"用户打磨交互手感。我越来越清楚：Skill 不是写一段提示词就完事，它需要脚本去约束——把专家的判断，变成 AI 不会走偏的轨道。

这套 Skill 里，不只有"接口"，还有一整套固化脚本：

• 工作簿结构分析，一条 profile 跑完；
• 44 条体检规则，一条 diagnose 跑完；
• 样式审计、报表版式、数字格式、打印设置、定义名称、Power Query、数据连接……
• 高频刚需的动作，全部有现成命令。

这些脚本不是"写出来好看"，是"反复试错跑通"的——147 项冒烟测试就是证据。

所以我说，这套东西估计只有"复合型"的人做得出来：只懂业务的人写不出脚本，只懂代码的人不懂业务细节，只懂接口的人不懂 Excel 最佳实践，只懂提示词的人不懂用脚本约束 AI。四种能力叠在一起，才是市场上少有的多领域能力综合体。

我估计，全中国像我这样角色、这样能力的人，也不出十人。

这不是我有多厉害，是这条路本来就窄。

而我刚好，走了很多年。

三、市面上的 Excel Skill，缺的到底是什么？

动手前，我把主流 Excel Skill 都看了一遍。

从 Codex、Claude Code 到 Trae、WPS 灵犀，它们大多自带或能装 Excel Skill。

共同点很明显：它们更多是"读写 Excel"，而且是程序员视角——把 Excel 当文件，拆开、读单元格、写单元格、读公式、写公式。

但问题是，它们给 AI 的，充其量是一支画笔、一张纸。

它们告诉 AI：纸在这里，你可以画。至于画什么、怎么画，等用户说。

AI 很听话，画得也很快。但它不知道什么叫"画得好"。

它不知道：

• 标题只写"月度报表"，读者要自己从 20 行里找重点；
• 金额不写单位，读者不知道是元还是万元；
• 负数一会儿用括号、一会儿用减号，读者会以为这是两种不同的数；
• 一屏 10 处加粗、8 种颜色，等于没有重点；
• 合计与明细差 3 万，这张表就不该交出去。

这些不是"画功"，是"判断"。

画笔和纸，给不了判断。

为了跨平台，它们做了太多妥协

这些 Skill 要适应 Windows、Mac、Linux，Excel、WPS、在线表格；为了"一套到处跑"，只能选"最小公分母"。

标准化是优点，但也是天花板。

Excel 真正高频、刚需、高级用户天天在用的那些对象，往往不是"最小公分母"：

• 智能表（Table / ListObject）；
• 图表对象、切片器；
• 透视表的字段布局；
• 条件格式的规则与优先级；
• 定义名称与参数表；
• 打印区域与重复标题行；
• Power Query 查询；
• 数据连接……

这些，在很多通用 Excel Skill 里，要么没有，要么只有很浅的一层。

不是它们不想做，而是跨平台的定位，决定了它们做不深。

OpenPyXL 的天花板

很多通用 Excel Skill，底层用的是 OpenPyXL。

OpenPyXL 是个好工具，但它解决的是"文件级读写"：把 .xlsx 当成一个压缩包，拆开 XML，读单元格里的值，写单元格里的值。

它不认识透视表、切片器、迷你图，也不认识 VBA 宏。

更麻烦的是：它读写一遍再保存，这些它不认识的对象，可能会被静默丢掉。

公式读出来是 =SUM(A1:A10) 这串文本，不是 42。要拿到 42，要么依赖上一次的缓存，要么另装几百 MB 的 LibreOffice 重算——它自己没有计算引擎。

落到实际工作上，就是三件事：

第一，你还没保存的修改，它看不到。 文件级方案读到的是磁盘上的旧版本——它以为你没改。

第二，你问它"这个月总销售额是多少"，它可能答不上来。 它手里只有公式文本，没有算好的值。

第三，你表里的复杂对象，它可能保不住。 透视表、切片器、迷你图、VBA 宏……读写一遍再保存，可能就没了。

所以最后往往只能停在：单元格读写、公式文本、很浅的格式。

不是 AI 不聪明，是它手里那套工具，够不到 Excel 真正的能力层。

这就是我要填补的空白。

文件级方案不是"错"的。

批量处理磁盘上的几百个文件、在服务器上跑定时任务、不需要打开 Excel 的场景——文件级方案反而更合适。

它的边界是"文件"，我的边界是"你眼前这个工作簿"。

两种方案，解决的是两种问题。我只是把"实时操作"这一块，补上了。

四、什么才是真正的"人机双写"？——从腾讯 WorkBuddy 说起

今年 7 月底、8 月前后，腾讯 WorkBuddy 联合腾讯文档推出"人机双写"，WPS 的 Comate 等厂商也在讲类似概念，宣传得很热闹。

他们的说法是：AI 进入 Word、Excel、PPT，和人在同一个文件里一起写、实时同步。

我查了文档，也看了实测。判断是：这是一种"人机双写"，但它是"低级的人机双写"。

"低级"不是骂人，是能力层级。

WorkBuddy 的底层由腾讯文档提供编辑引擎。它打开你的 Excel，走的是在线表格引擎，不是你电脑上真正的 Excel 进程；它操作的对象，是腾讯文档定义的那一层，不是 Excel 的 ListObject、PivotTable、Chart、QueryTable。

在线表格的对象模型是"轻量版"：单元格、公式、基础格式、筛选、排序、条件格式、基础图表、基础透视表，这些有；但 VBA、Power Query、切片器、智能表的完整能力、定义名称治理、打印版式，要么没有，要么只有很浅的一层。

它像一个练歌房：麦克风、屏幕、沙发、饮料都有，你也能唱得挺开心。但你要的是录音棚：能分轨、能混音、能处理每一个频段。练歌房不是不能唱，是唱不出录音棚的东西。

它擅长协作、权限、云端，但碰不到 Excel 的"深水区"：透视表的字段布局与切片器、Power Query 的查询合并装载、智能表的扩展与结构化引用、VBA 宏、迷你图、条件格式优先级，以及你还没保存的那些修改。

更现实的是风险：腾讯文档在线表格导入 Excel 有明确边界——单文件 50MB、不支持 .xlsm 宏文件、不支持加密工作簿；导出回 Excel 时，公式可能只剩计算结果值，复杂对象可能保不住。它不认识的东西，保存时自然保不住。 用惯 Excel 高级功能的人，再让人机双写去改，文件可能直接报废。

那什么才是"真人机双写"？

**不是"AI 在简化版表格里能改单元格"，而是"AI 在真正的 Excel 里，和你拥有同等的能力"**：你能点的对象，它用代码驱动；你能算的公式，它用同一个引擎算；你还没保存的修改，它看得到；你的透视表、切片器、图表、Power Query、定义名称、打印设置，它都能碰。它写完你接着改，你改完它接着写——同一份文件、同一个对象模型、同一个计算引擎。

所以我说：WorkBuddy 那套，是"低级的人机双写"；我这套，是"真人机双写"。 它在"在线表格对象层"双写，我在"Excel 对象层"双写；它在"轻量版"里双写，我在"完整版"里双写。两者不在一个赛道上。

WorkBuddy 对"轻量办公、多人协作、在线表格"是合适的；不是坏产品，只是边界在那儿。但如果你说"人机双写"就是"AI 能改 Excel"，那我不同意：真正的 Excel 人机双写，得能碰 Excel 的对象模型；碰不到对象模型，就只是"在线表格的 AI 编辑"。

五、这套 Skill 是什么：让 AI 直接住进你打开的 Excel

于是，第 45 套 Skill——Excel 实时操作，来了。

它不是去改磁盘上的文件，而是实时操作你此刻正在打开的那个工作簿。

屏幕上是什么样，它就看到什么样；你改什么，它立刻感知；它写完，你立刻能看到。这就是"所见即所得"。

它怎么做到的？用 COM，直接指挥你面前的 Excel

这套 Skill 走 COM 路线：不拆文件，直接附着到你正在运行的 Excel 实例上。

• 你打开的工作簿，它附加上去；
• 你选中的单元格、选区，它能读到；
• 你还没保存的修改，它也能看到；
• 公式写完，Excel 自己算，写完就是算好的值。

它不重写整个文件。

所以 VBA、透视表、迷你图、条件格式这些对象，原样都在。

这就是"实时操控"和"文件读写"的区别：一个隔着文件说话，一个直接坐在 Excel 旁边。

但 COM 不是没有代价

COM 路线不是"一键变魔法"，坑不少：

• 多实例：你开了多个 Excel 进程，它得知道附着到哪一个；附错了就改错工作簿。
• UAC 权限：权限级别得和 Excel 一致；不一致，附加会失败。
• 受保护视图：从微信、邮件下载的文件，Excel 会用受保护视图打开；不"启用编辑"，它碰不到。
• 编辑态：你正在单元格里打字，Excel 是"忙"的；这时写值会失败。
• 未保存的工作簿：从没保存过的新文件没有路径，拍不了快照；没有快照，就没有回滚点。
• SaveAs 重定向：有些操作会让工作簿指向另一个文件；不处理，后面的写入可能落错地方。

这些坑我都踩过，所以 Skill 里有一张"失败分支表"：每种报错，对应一个处置动作。

这也是为什么我说：能力不是最难的，稳定才是。

让 AI 偶尔做成一次，不难；让它每次都做成，才难。

它能操作到什么颗粒度？

Excel 的对象模型，是一棵树：

Application → Workbook → Worksheet → Range / ListObject / PivotTable / Chart / QueryTable / Name / FormatCondition……

VBA 能在这棵树上做的事，COM 都能做。

所以这套 Skill 的能力边界，不是"读单元格、写单元格"，而是：

• **智能表（Table / ListObject）**：建表、扩表、列 schema、结构化引用；
• 透视表：建、改、刷新、字段布局；
• 图表：图表对象、数据源、格式；
• 条件格式：规则、区域、优先级、StopIfTrue；
• 定义名称：工作簿级 / 工作表级、参数表、失效名称清理；
• 打印：打印区域、重复标题行、横向、网格线；
• Power Query：查询增删改查、装载、刷新；
• 数据连接：OLEDB / ODBC / TEXT / WEB，连接清单、刷新、密码脱敏；
• 工作表 / 工作簿：增删、复制、隐藏、保护、计算；
• 选区：当前活动单元格、选区、引用依赖。

一句话：凡是你能在界面上点出来的，绝大多数都能用代码驱动；凡是 VBA 能做的，它都能做。

这不是"多几个命令"，是能力层的区别：通用 Skill 在"文件层"读写数据，它在"对象层"操作 Excel。

我不说满：COM 不是我的发明

COM 路线不是我的发明。

市面上也有 COM 型工具和 MCP，有些做得很深。

我不敢说这是市面上唯一的路。

我只能说：把 COM 路线做成一套懂 Excel 最佳实践、又能被 AI 稳定调用的 Skill，我把我认为该有的东西，都做进去了。

我做这件事，不是为了赢一个"唯一"的名头，是为了让 AI 真的能帮你把这张表做好。

六、不止"接口"，还有"固化脚本"：少 Token，摸透整本工作簿

能操作，只是第一步。

如果每件事都让 AI 现写代码，会有什么问题？

• Token 烧得快；
• 稳定性差——同一件事，今天写的和明天写的可能不一样；
• 出错概率高——AI 每次都在重新理解 COM 的坑。

所以我把常用动作固化成了脚本命令。AI 不用现写代码，调用命令就能拿到结果。

两套用法

用法 A：标准命令行。

一律 JSON 输出，退出码即门禁：0 成功、1 发现问题、2 操作失败。

用法 B：Python 模块。

复杂业务逻辑，直接 import 模块，跑完即丢。

两套用法都是标准 Python，不依赖专有工具；Trae、WPS 灵犀、Claude Code、ZCode 都能用。

常用命令，覆盖高频动作

• probe：找到运行中的 Excel，列出工作簿；
• profile：给工作簿做结构化画像；
• diagnose：44 条规则体检；
• style-audit：样式审计；
• shot：截取区域，让 AI"看一眼"版面；
• read / write：整块读写；
• report-format：一键套报表版式；
• number-formats：整列刷数字格式；
• print-setup：打印就绪；
• title-band：写标题和口径带；
• negative-formats：统一负数写法；
• trim-precision：按列调精度；
• names / name-apply：定义名称治理；
• pq-* / conn-*：Power Query 与传统连接；
• verify：交付前审计；
• snapshot：手动拍快照。

这些命令，不是"演示用的玩具"，是"能干活的东西"。

固化脚本的价值，不只是省 Token。它还有三个好处：

第一，稳定。 同一件事，今天跑和明天跑，结果一样。

第二，可复现。 你上个月怎么做的，这个月还能照着做；命令在，流程就在。

第三，可审计。 每一步做了什么、改了什么、有没有回滚点，都有记录；出了问题，能查。

这三件事，靠"每次现写代码"做不到。AI 需要一套稳定的"手脚"，脚本就是。

重点说说 profile：为什么它能用很少的 Token，摸透一本工作簿

要让 AI 分析一本工作簿，不必把整张表的数据倒给它。

profile 不倒数据，它给工作簿做一次"结构化画像"：

• 有哪些工作表，每张表大概率是什么角色（数据源 / 报表 / 混合 / 字典）；
• 每张表有多少行、多少列，表头在哪一行，有没有多行表头、合并单元格；
• 每列的名字、类型、是否混合类型、是否有空值、是否是公式列；
• 公式清单：用了哪些函数，有没有旧函数、易失函数、跨簿引用；
• 卫生信号：有没有小计行、总计行、空行、空列、重复表头；
• 颜色语义：哪些颜色被用来承载业务含义；
• 外部链接：有没有外部工作簿引用；
• 定义名称：有哪些名称、是否失效、是否跨作用域重名；
• 格式画像：数字格式分布、条件格式区域、打印设置、网格线；
• 数据质量信号：错误值、交叉勾稽、公式 / 常量混用、负数写法、时间轴向、模糊标签……

这些结论，是一份 JSON，不是几万行原始数据。

AI 只读结论，不读原始数据。

这就是它能用非常少的 Token 摸透工作簿、也不会上来就瞎猜业务的原因。

它不是一次写完的

从 3.0 到 4.4.1，这套 Skill 走过了六个版本节点：

• 3.0：立下"顾问式咨询"规矩——先对齐再动手；数据字典、分析口径、A/B/C 处方、PQ 代建；
• 4.0：补上"报表专业化"——体检从 17 条扩到 30 条，双分制、样式审计、报表版式、数字格式、打印设置、定义名称治理；
• 4.1：补上"受众视角"——体检从 30 条扩到 44 条，标题写结论、口径带、负数统一、精度统一，还立下"只报不改"的纪律；
• 4.2：补上"外部数据连接"——Power Query 不可用时，走传统连接降级；顺手修了定义名称作用域的真实 bug；
• 4.3：补上"重复劳动出口"——发现你同一套清洗做了三遍以上，提醒你做加载项，并帮你写需求提炼单；
• 4.4 / 4.4.1：做合规适配，收窄边界，保留水印链路。

每加一个版本，我都问自己："一个 Excel 专家，还会在意什么？"

答案一次次变成新规则、新命令、新闸门。

这就是"蒸馏"：不是一次倒完，是一遍一遍提纯。

七、真正的护城河：不是"能操作"，而是"知道该怎么操作"

能力不是最值钱的地方。

最值钱的，是它知道"什么时候该做什么、什么时候不该做什么"——一套 Excel 专家的判断顺序。

第一道闸门：Gate 1——先问对，再动手

市面上大多数 Excel Skill，你给一句指令，它马上就开始写代码、改单元格、出结果。

这看起来很快，但往往是错的。

因为它不知道：你这张表从哪来、给谁看、口径是什么、哪些行不能算、哪些列是手填的、合计与明细为什么对不上……

它没有你的业务背景，也没有对这份工作簿的结构认知，只能按通用模板猜。猜出来的东西，可能格式很漂亮，但数字不能用。

AI 没有好的提问、没有好的上下文，没有了解你全面的背景现状，做出来的东西就是不可用、没价值的。

所以这套 Skill 把"问"放在了"做"前面。

拿到画像，它不会立刻动手，因为列名不等于业务含义。

"金额"含税吗？"日期"是下单还是发货？"状态"的 A/B/C 是什么？"合计"是明细还是小计？"华东"是区域还是客户？

这些画像看不出来，只有你知道。

它先回述表角色、行粒度、列清单、公式列、可疑信号；再追问，一次最多 3 个问题；最后产出两张确认单：

• **《数据字典确认单》**：每一列的业务含义、类型、单位、是否计算列、备注；
• **《分析口径确认单》**：指标定义、时间范围、统计粒度、过滤条件、单位、空值处理、输出位置。

而且，问什么、怎么问，不是随便定的。

我是按 Excel 专家的判断顺序来设计问题的：先确认表角色和口径，再确认哪些小计要剔、哪些列是手填、金额含不含税、日期按哪个算。同样的问题，站在 Excel 专家的角度问，拿到的信息更准、更有价值，也更有意义。

这些问题，普通用户不一定想得到；但 AI 会一步步引导，用简单的封闭式问题（是/否、A/B/C、选一个）把它问出来。

你不需要站在很高的视角主动分享，只需要回答几个简单问题，AI 就能把你的背景拼完整。

你确认后，它才分析、才写表；你不确认，它宁可只做"结构描述 + 描述性统计"，也不编业务结论。

这就是专家和工具的区别：工具拿到数据就开干，专家先问清楚你要干什么。

第二道闸门：Gate 2——先体检，后开方

第二道闸门，是体检开方：44 条规则，分结构、数据质量、呈现三个维度，分开报两个分：

• 数据分：这张表的数据能不能拿来算；
• 呈现分：这张表能不能直接给老板 / 客户看。

两个分不互相抵消。一张表很脏但配色精致，数据分低、呈现分高——这最危险，"看起来很专业"会掩盖数据不可靠。

44 条规则不是凑数的，挑几条你一听就懂：

• 合并单元格：只有左上角有值，排序、筛选、透视全失真；按列读，整片数据会丢。
• 多行表头：第 1 行大标题、第 2 行分组、第 3 行列名；AI 按第 1 行读，全错。
• 小计行夹在明细里：当明细一起汇总，合计会翻倍。
• 同列公式和手填值混用：有的格子是公式，有的手填；今天对，明天改一行就错。
• 合计与明细对不上：差 3 万，不是小数；这张表不该交出去。
• 负数两种写法：一会儿括号、一会儿减号；读者会以为这是两种不同的数。
• **标题只写"月度报表"**：读者不知道涨跌，要自己从 20 行里找结论。
• 口径带缺失：期间、单位、来源、制表日期，四要素缺两个；读者不知道数字能不能比。
• 一屏 10 处加粗、8 种颜色：全是重点，等于没有重点。
• 数字精度超标：金额写到小数点后 6 位；读者以为精确，其实只是没调格式。

这些问题的共同点是：不是"算错了"，而是"会被读错"。

算错了改数就行；会被读错，得改结构、改措辞、改口径——后者才是专家真正花时间的地方。

处方让你选：

• A 档：不动表——只在内存里规整，跳过空行、小计行，按确认类型转换，零写入；
• B 档：增量建规范层——新增 ds_ 数据源表 + ListObject，原表只读保留，只增不改；
• C 档：副本重构——先另存副本，再重建数据源、分层、迁移报表，原文件零风险。

呈现处方：

• S1：只统一数字格式——不改版式，按列语义刷金额、百分比、日期格式；
• S2：一键套报表版式——表头、列宽、冻结、斑马纹、边框、总计行；
• S3：版式 + 打印就绪——再加打印区域、重复标题行、横向、关网格线；
• S4：参数化改造——把魔法数字搬进参数表，建定义名称；
• S5：口径与数字统一——标题写结论、负数统一、精度统一。

你选哪档，它做哪档。你不选，它不动。

从清洗到建模，它按什么顺序走？

一套 Excel 工作，通常是四步：

1. 清洗：去空行、去小计、拆合并、统一类型、处理重复、补缺失；

2. 处理：建 ListObject、定列 schema、把公式列和输入列分开、把魔法数字搬进参数表；

3. 分析：透视表、汇总、同比环比、交叉勾稽、异常值；

4. 建模：数据源层 / 报表层分层，星型模型，多簿整合，Power Query 或传统连接。

四步顺序不能乱：清洗没做，处理就是错的；处理没做，分析就是歪的；分析没做，建模就是空的。

这套 Skill 就按这个顺序走：先摸结构 → 再对齐口径 → 再体检开方 → 再清洗处理 → 再分析建模 → 最后呈现交付。

每一步都有闸门和回滚点。这不是"AI 帮你点几下"，是"按专家流程陪你走一遍"。

一条很重要的纪律：诊断只报不改

诊断只报不改。

措辞、标题、口径、强调、边框、精度，它只写进体检报告，给问题、证据、业务代价、改法，不自动改。

因为"标题该写什么结论""哪些算其他""单位是元还是万元"——这些是业务判断，不是技术判断。

AI 可以告诉你"这样读者会误读"，但不能替你决定"你到底想说什么"。所以它只给建议，你点头才动手。

先看再读：乱表先截图

如果是一张乱表——合并单元格、多行表头、颜色分组、小计行夹在中间——它会先截图"看版面"，不是先读数。

看完回述版面：哪行是标题、哪些列被合并、颜色代表什么、哪里是小计。确认后定点读表头附近和关键列，不整块盲读 UsedRange。

乱表的数据读进来容易，读对很难；先看懂版面，返工少。

几条工程纪律，我说快一点

• 数据源和报表分开：ds_ 数据源保持干净，rpt_ 报表层做汇总、透视、图表、格式；不给数据源上色、加边框。
• 结构化优先：结果用 ListObject，不用散乱区域；写回前先定列 schema，长编号按文本列处理。
• 改格式必须幂等：同一条命令连跑两次，结果一样；斑马纹先删同类条件格式再建，不会越跑越厚。
• 双模式写回：改你正看的表，直写 + 写前快照；动原始数据结构，先另存副本。COM 没有 Undo，快照就是回滚键。
• 交付前 verify：公式错误扫描 + 结构启发式；格式类加截图和 style-audit 复核；partial 逐条披露，不许说"全部通过"。
• **报告类交付前过"五问"**：谁看、看什么、和什么比、结论在哪、最容易被误读在哪。答不上来先补标题和口径带，不许用"格式已美化"代替"读者能看懂"。

还有一条底线：诚实呈现

• 不截断坐标轴放大差异；
• 不用 3D 图表；
• 不用双 Y 轴拼量纲；
• 不只呈现有利区间；
• 合计与明细不一致，不交付。

能简化的是形式，不能简化的是口径。

这些东西书上有，但书不会告诉你"AI 该怎么执行"。我把它们写成规则、命令、闸门、话术——这就是"蒸馏"。

八、它能帮你做什么？六个真实场景

场景一：老板丢来一张"祖传乱表"，让你半小时内出汇总

你说："这张表太乱了，帮我半小时内出一份按地区、按月的销售汇总。"

它做：probe 找到工作簿，profile 摸结构，shot 看版面；回述"明细表，A 列日期、B 列地区、E 列金额，第 8、16、24 行是小计"；问"金额含税吗？小计剔除吗？按发货日还是下单日？"；确认后清洗、建 ds_ 表、做透视、落到 rpt_ 表；verify + 截图。

场景二：每个月都要做的经营报表

你说："每个月都要做一份经营报表，版式固定，能不能一键套？"

它做：report-format 套表头、列宽、冻结、斑马纹、边框、总计行；number-formats 刷金额、百分比、日期；print-setup 设打印区域、重复标题行、横向、关网格线；title-band 写结论式标题和口径带。命令幂等，下个月重跑即可。

场景三：一张"看起来很专业"的表，帮你看看有没有问题

你说："这张表看起来挺专业的，帮我看看有没有问题。"

它做：diagnose 跑 44 条规则，分开报数据分和呈现分；告诉你"看起来专业，但数据分不高——合计与明细差 3.2 万，同列公式和手填混用，负数有括号和减号两种写法"；再给 A/B/C 和 S1-S5 处方，你选哪档它做哪档。

场景四：三本结构一样的工作簿，合并成一本

你说："我有三本结构一样的工作簿，能不能合并成一本？"

它做：pq-env 探环境；Excel 里代建 Power Query，抽取合并、装载；WPS 没有 Power Query，走传统连接降级，conn-list 看连接、conn-refresh 刷新；建连接和改连接串仍由你执行，它只给模板和步骤。

场景五：把这个月的数据做成图表

你说："帮我把这个月的数据做成图表。"

它做：先判断是"Excel 内图表"还是"复杂看板"；前者直接操作图表对象，后者按边界交给 Power BI / 建模方案，不在 Excel 里硬糊十几个图表。

场景六：这套清洗，我每个月都要做一遍

你说："这套清洗我每个月都要做一遍，还要给同事用。"

它做：识别"周期性 + 同事共用"的信号，提醒你"这套流程可以做成加载项"；帮你写好需求提炼单——用途、输入、处理规则、输出、触发方式、交付形态、样例；再把你送到 VBA / ExcelDNA 两套插件 Skill。它不接插件工程，也不碰你现有的宏。

这套 Skill 不抢插件 Skill 的饭碗。 当它发现你同一套清洗做了三遍以上、每个月都要来一次、还要给同事用，它会提醒你：这件事该做成工具了。 然后帮你把需求写清楚，送到该去的地方。

工具和 Skill，不是替代，是接力。

九、它和 VBA 宏，到底是什么关系？

懂 Excel 的朋友可能会问："你这套东西，不就是 VBA 吗？"

不完全是。

VBA 是 Excel 自带的编程语言，按 Alt+F11 就能写；它能操作对象模型、做自动化，这些都没错。

但 VBA 有两个门槛：

第一，你得会写。 哪怕只是改一个列宽、刷一个格式，你也得知道 Range.NumberFormat、Interior.Color、Borders 这些属性怎么写。写错了，报错；报错了，得自己查。

第二，你得自己判断。 VBA 不会告诉你"这张表该不该先清洗"，不会告诉你"这个标题读者看不看得懂"，不会告诉你"合计与明细差 3 万，别交"。它只会执行你写的代码。

这套 Skill 不一样。

它把"写代码"这件事，交给了 AI；把"判断"这件事，写进了流程。

你只需要说"帮我把这张表做成报表"，它会自己判断：先看结构、再问口径、再体检、再开方、再动手。

它底层调的，确实是 VBA 对象模型；但用起来，你不需要会 VBA。

这就是"工具"和"Skill"的区别：VBA 是给会写代码的人用的；Skill 是给会做业务的人用的。

当然，如果你本来就会 VBA，这套 Skill 也能帮你省时间：常用动作已经固化成命令，你不用每次从头写。

它不是来取代 VBA 的，它是来把 VBA 的能力，翻译成"业务语言"的。

十、边界与门槛：我把丑话说在前面

第一，Windows 专属。 COM 是 Windows 的能力，Mac 上跑不了，我不装作能跑。

Mac 用户可能会失望——我不回避：Mac 的 Excel 对象模型能力有限。等有了同样细颗粒度的路，我会第一时间补上。

第二，它需要你本机安装 Excel 或 WPS，并且先把目标工作簿打开。

它不会自建隐藏实例动你的数据——这是纪律，也是对你数据的尊重。

可能遇到几种情况：

• 如果你开了多个 Excel 进程，告诉它工作簿名字，它会精确定位；
• 如果文件在受保护视图，先点"启用编辑"；
• 如果它提示"Excel 正忙"，点一下编辑栏的 ✕，或按 Esc，结束单元格编辑；
• 如果文件从没保存过，先手动保存一次，它才能给你拍快照。

这些不是"报错"，是"边界"。

第三，它只做"当前打开的工作簿"的实时操作。

批量处理磁盘上的成百上千个文件、交付 .xlam / .xll 插件，不是它的活——那是另外两套 Skill 的活。

第四，WPS 下 Power Query 不支持。

它不会硬来，会明确拦截，只给迁移方案；传统连接可以降级。

第五，它需要你确认数据含义。

你说不清，它只做描述性统计，不给业务结论。

第六，它不替你做业务判断。

措辞、标题、口径、哪些算"其他"、单位是元还是万元——这些只给建议，你点头才动。

第七，它不做静默美化。

所有格式命令幂等、可回滚；写前有快照，改坏了能退回去。

第八，它现在的版本是 4.4.1。

13 个 Python 模块、18 篇方法论文档、147 项冒烟测试——覆盖从咨询、建模、清洗、分析到呈现、交付的完整链路。

这些数字不是拿来撑门面的，是拿来证明：它不是个演示，是个能干活的东西。

十一、写在最后：工具是手的延伸，Skill 是脑的延伸

说一句可能得罪人的话：

AI 不是你给一个指令，它就能给你一个好结果。

它没有好的提问、没有好的上下文、没有了解你全面的背景现状，做出来的东西，就是不可用的东西，或者没价值的东西。

其他 Excel Skill 拿到指令就开干，看起来很快，但快不等于对。

这套 Skill 把大量的重心，放在了"动手之前"：先摸清工作簿的结构，再用专家视角一步步问你，把你的业务背景、数据口径、异常信号问出来。

问对了，后面才做得对。

这也是我觉得它比别的 Excel Skill 更值钱的地方。

回头看我做过的 44 套 Skill，它们有一个共同点：

都在教 AI"怎么造东西"。

造插件、造工具、造 App、造网站……我把"造"这件事，拆成了一套一套可执行的流程。

但"造"的反面，是"用"。

大部分人的大部分工作，不是造一个工具，而是用好手上这张表、这份文档、这堆数据。

这些工作，没有那么多共性，也不一定值得做成工具。

但它们同样需要专家的判断。

这就是我这次想做的事：把专家的判断，蒸馏给 AI。

工具是手的延伸，Skill 是脑的延伸。

手能做的事，AI 已经会了很多；脑能做的事，才刚刚开始。

这次是 Excel。

下次，可能是别的领域。

我不知道这条新路能走多远，但我知道：

一次性的事，也值得被认真对待。

叫上身边的人，一起来把 AI 编程玩转。

想体验全套免费 Skill？欢迎加好友进入免费社群，关注公众号，后台回复「Skill」，不要理会AI自动回复，等我发联系方式，加好友进群自助获取。