ARTICLE · 1295730

用AI做表格:4步把Excel/CSV收拾利索,30分钟出一份能直接用的表

发布时间：2026-11-02 12:15:03 最近访问：2026-11-02 12:15:04

接手过脏表格的人都懂这种感觉：文件叫「最终版v3」，打开一看，日期有「2026/10/31」「2026-10-31」「10月31日」三种写法，金额列混着¥符号和千分位，重复行、空值、合并单元格全在。想手工收拾，一个下午没了。

这篇文章给一套四步流程：理清目标、清洗数据、计算分析、核对交付。配两个可以直接复制的提示词模板，目标是30分钟把一份脏表变成能直接交出去的表。读完你会拿到：一套四步流程、两个提示词模板、一张交付前必查清单、一个完整跑通的案例。适用场景从对账、报表到周报数据都行，你不需要会VBA，也不需要懂公式。

01 为什么AI做表格会翻车

用AI收拾表格翻车，多数不是模型不行，是问题没问对。丢一句「把这个表整理一下」进去，AI不知道你要拿来干什么：是要做汇总，还是要按人拆明细？清洗到什么程度算完？输出是原表还是新表？

翻车通常长这样：日期格式统一了但把月和日搞反，空值被填上编造的默认值，删重复行把真重复和该保留的批次搞混。这些问题靠换工具解决不了，靠把目标和边界说清楚可以。

工具本身这两年已经能打。豆包工作官方文档列出的能力包括AI生成公式、读取表格做清洗计算和图表（豆包工作帮助中心）；微软的Copilot in Excel面向Microsoft 365用户按每人每月21到30美元提供（betteranalyst.com，2026年10月）；Claude的200K上下文窗口可以一次处理大约15万行CSV，擅长跨表核对这类需要推理的活（aiexceltools.com，2026年8月）。工具都行，差别在你怎么用。

02 四步流程：理清目标、清洗数据、计算分析、核对交付

第一步，理清目标。先把一句话写出来：这张表最终要给谁看、回答什么问题、输出什么形态。是「给财务的对账表」还是「给领导的月度增长表」，AI的每一步做法完全不同。目标写不清楚，后面全白干。

第二步，清洗数据。让AI先体检再动手：统计每列的空值、重复值、格式种类、异常值，把问题清单列出来给你确认。日期格式统一、去重、去前后空格、金额去符号统一成数值，这些交给AI。涉及业务判断的（比如某些空值填「未知」还是「0」）先问清楚再动。

第三步，计算分析。这一步看你要什么：要汇总就明确维度（按月份、按部门、按SKU），要占比就说明分母，要同比就说清楚对比区间。AI能写公式，但公式对不对，取决于你定义的口径准不准。

第四步，核对交付。AI做完的活不能直接发。抽查三处：合计行自己算一遍、取两行原始数据追一下计算逻辑、让AI自己说一遍它改了什么。改完导出的文件，格式、命名、表头跟你承诺的一致才算完。

03 两个可以直接复制的提示词模板

模板一：数据清洗（把脏表变干净）

「你是数据处理助手。下面这份CSV/表格数据有【X】行【Y】列，请按以下步骤处理：1）先体检：统计每列的空值数、重复值数、日期/数字格式种类，输出问题清单；2）把问题清单逐条给我确认，涉及业务判断的空值处理方案（填0/填未知/留空）先问我；3）按确认结果清洗：统一日期为YYYY-MM-DD、金额去掉货币符号和千分位转数值、去除前后空格、合并明显重复行；4）输出清洗报告：改了什么、为什么改、每列清洗后状态。不要编造缺失值。」

模板二：汇总分析（算得清、讲得明）

「你是数据分析助手。表里每一行是【一条记录】，请按【维度】汇总，输出：1）汇总表（维度、数值、占比）；2）环比/同比按【口径】计算并标注口径；3）Top3异常点和可能原因；4）一段100字以内的结论，供汇报直接使用。所有口径不清楚的地方先问我，不要自行假设。」

04 一个完整案例：把销售订单表变成月度对账可用表

用通用示例，不涉及真实企业数据：一张销售订单表，5列200行，字段是订单号、日期、客户、金额、状态。

输入：把原始表交给AI，附带目标：「我要按月份汇总有效订单金额，输出一张月度汇总表，供财务对账用。金额单位统一为元，去重按订单号，状态非「已完成」的订单单独标记不删除。」

AI的处理过程大致是：体检发现日期有三种格式、金额有¥和千分位、订单号有8个重复、状态有6种写法；列成问题单；确认空值规则后清洗；按月份汇总出12行月度数据，附占比和备注列。

输出：一张月度汇总表加一页清洗报告。你抽查合计两行、核对两笔订单，确认无误后交付。整个过程大约20到30分钟，其中大部分时间是你在确认口径，AI在跑脏活。

这个案例里，AI没有替你决定「哪些订单算有效」，决定是你做的；AI替你把「做决定之后的两百次重复操作」干完了。

05 三个高频问题

AI算错数怎么办？口径说清楚加交付前抽查，是两条兜底。AI的强项是格式化和规则明确的批量处理，弱项是口径含糊时自行脑补。抽查合计、追两行明细，成本很低，别省。

表格里有敏感数据怎么办？先把敏感列（姓名、手机号、金额）脱敏或排除，再喂给AI。涉及个人信息的数据处理，先确认合规边界，别图省事整表上传。

表格太大，AI处理不动怎么办？先把列裁到处理需要的范围，再按批次拆（比如按月、按渠道拆成几份分别处理），最后合并结果。Claude的200K上下文能吞下大约15万行CSV，但多数办公表先裁列就够了（aiexceltools.com）。