ARTICLE · 1278511

向AI提Excel问题的正确姿势,一句话让AI秒懂

发布时间：2026-10-30 12:18:57 最近访问：2026-10-30 12:18:57

上周，一位朋友跟我吐槽：“我想让AI帮我写个Excel公式，倒推原材料出库，结果它给我一堆乱七八糟的东西，根本不能用。”

我问他是怎么问的。他说：“我要根据产成品入库数量，按照先进先出原则，算出每种原材料该出多少，还要按批号分开显示。”

听起来很清晰对吧？但AI给的答案却完全不对。问题出在哪里？

其实，不是AI笨，是我们没把问题翻译成AI能理解的“零件清单”。

今天，我就用这位朋友的实战案例，手把手教你：如何向AI提问Excel问题，才能一次拿到能用的结果。

第一步：像拆玩具一样，把问题拆成最小单元

很多人在提问时喜欢一股脑儿把所有需求堆在一起，比如：“我有4个表，要倒推出原材料出库，按先进先出，还要显示库存和时间……”

AI听完就懵了：你到底要我干什么？先处理哪个表？什么叫“先进先出”？

正确的做法是：把问题拆成三个要素——输入、处理规则、输出。

1. 输入：告诉AI你手里有什么数据

工作表1：产成品入库

工作表2：原材料库存

工作表3：产成品所需原材料

目标工作表：原材料出库（最终要生成的表）

2. 处理规则：把业务逻辑变成数学公式

某原材料的应出数量 = 产成品入库数量 × (BOM中的分子÷分母)

发货顺序：按条码创建时间从小到大（先进先出）

如果一个批次的库存不够，自动跳到下一个批次，直到发完为止

如果所有批次都不够，标记为“缺料”，整行标红

3. 输出：明确最终结果的样式

每个产成品对应的所有原材料分行显示

同一个产成品的A、B列合并居中

缺料行红色高亮

当你把这三部分写清楚，AI就能立刻明白你要的是什么，而不是靠猜。

第二步：用“结构化语言”提问，别用散文

很多人喜欢写长段落描述，比如：

“我现在有一个产成品入库表，里面记录了每天收进来的东西，还有一个原材料库存表，里面有每个批次的库存数量和创建时间，另外还有一个BOM表，告诉我每个产成品需要哪些原材料以及比例。我想根据入库数量倒推出每个原材料应该出多少，而且要按先进先出的原则分配批号，最后在原材料出库表里分行显示出来……”

这种描述虽然详细，但AI需要花大量精力去“提取关键词”。更好的方式是分点、分段、甚至用表格。

高效提问模板（直接套用）：

我有一个Excel工作簿，包含以下工作表：

1. 产成品入库（Sheet1）

- A列：产成品名称

- B列：入库数量

2. 原材料库存（Sheet2）

- A列：原材料名称

- B列：批号

- C列：库存数量

- D列：条码创建时间（用于FIFO排序）

3. 产成品所需原材料（Sheet3）

- A列：原材料名称

- B列：分子

- C列：分母

- D列：产成品名称

（例：B=1,C=2 表示1份原料生产2份产成品）

4. 原材料出库（Sheet4，目标表）

- 需要自动生成以下列：

A列：产成品名称

B列：入库数量

C列：原材料名称

D列：出库数量

E列：批号

F列：该批库存数量

G列：条码创建时间

规则：

- 计算每个产成品所需每种原材料的总量 = 入库数量 × (分子/分母)

- 对于每种原材料，按条码创建时间升序（最早先出）分配批号

- 如果一个批号库存不够，自动顺延到下一个批号

- 如果所有批号加起来仍不够，剩余量标记为“缺料”，整行红色背景

请帮我写VBA代码实现上述功能。

你看，这样提问，AI不需要任何猜测，直接就能给出精确的代码。

第三步：给AI“喂”一个小样本，让它验证理解

即使你把规则写得再清楚，AI也可能误解某些细节。最好的办法是提供一小段真实数据的样例，并给出你期望的输出结果。

比如你可以这样说：

“以下是产成品入库表的示例数据：
产成品A 入库100
产成品B 入库50
……
原材料库存表示例：
压痕半成品X 批号20230101 库存80 创建时间2023/1/1
压痕半成品X 批号20230201 库存60 创建时间2023/2/1
……
BOM表示例：
压痕半成品X 分子1 分母2 产成品A
我希望得到的结果如下（仅展示产成品A的第一种原材料）：
产成品A | 100 | 压痕半成品X | 50 | 20230101 | 80 | 2023/1/1
产成品A | 100 | 压痕半成品X | 0 | 20230201 | 60 | 2023/2/1 （因为第一个批次已经够了）”

有了这个对照，AI就能精准地调整逻辑，避免出现“批次拆分错误”或“数量计算偏差”。

第四步：善用追问，迭代优化

很少有第一次提问就完美的情况。收到AI的回答后，你需要做两件事：

测试：用几组简单数据手动验算，看是否符合预期。

反馈：如果发现不对，不要只说“不对”，而要指出哪里不对。例如：

“代码运行后，产成品A的原材料出库数量应该是50，但实际输出了100。我检查后发现，代码没有除以分母。请修正。”

AI会根据你的反馈快速调整，通常2~3轮就能得到满意的结果。

实战案例复盘

回到开头那位朋友，他后来按照上面的方法重新提问，结果发生了什么？

第一轮：他给出了完整的表结构和规则，AI生成了一个VBA框架，但FIFO排序方向反了（用了降序）。

第二轮：他截图指出“最早创建的批次应该最先出，但代码用了最晚的”，AI立刻修正。

第三轮：他发现缺料时AI没有标红，而是写了“缺料”两个字。他补充要求“整行红色背景”，AI秒改。

最终：他只花了15分钟就拿到了一个可直接运行的宏，每天只需一键刷新。

关键转折点：他从“模糊描述”切换到“结构化+示例”之后，AI的理解准确率从30%飙升到90%。

总结：向AI提问的黄金法则

步骤	做什么	不要做什么
拆解问题	明确输入、处理规则、输出	一股脑儿全扔给AI
结构化表达	分点、用表格、给示例	写长篇散文
提供样本	给一小段真实数据和期望结果	只给文字描述
迭代反馈	指出具体错误位置和原因	只说“不对”或“不好用”