ARTICLE · 1385862
Excel实战终篇:告别VBA,AI新时代更适合打工人

别再啃 VBA 了:AI 新时代更适合打工人
放在五年前,讲到 Excel 系列的最后一篇,我一定会教大家打开“开发工具”,去学着录宏、写 VBA,用代码把每周重复的数据汇总和出图动作自动化。
但说实话,VBA 语法老旧,调试起来很折磨人,换台电脑还经常报错。放到今天,这条路完全没必要再去死磕了。
这一年多下来,我有很多数据活都让 AI 来做分析了。 自己不用背 Python 语法,只要把需求说清楚,AI 就能写出好用的分析脚本,顺带输出极其直观的工程图表。
一、工程师最常见的两类数据
很多朋友觉得写脚本门槛高,其实只要弄明白自己手头的数据属于哪一类,剩下的就是给 AI 下指令。
第一类:持续追加的巡检台账
前面几篇反复强调“不要合并单元格”、“一行一条记录”、“一列一种属性”,其实就是为了把这张日常台账管干净。平时现场同事或检验员不用懂代码,只需打开规范的 Excel 台账,在最底下一行按列追加新数据,顺手把“更换工装”或“换刀”之类的情况写进备注栏就行。
有了干净的台账,后面所有的趋势追踪、横向对比和报表刷新,全部交给脚本一键跑完。
第二类:批量导出的海量原始文件
做产线工艺排查(比如压装力异常筛查、尺寸离散度排查)时,经常会遇到另一种灾难:测试设备一口气导出几十上百个 CSV 或 Excel 文件,每个文件里几万行采样数据,还夹杂着乱码、空行和各种单位符号。
这种体量的数据,用 Excel 光是逐个打开都要卡半天,根本谈不上筛选和对比。这种活最适合直接扔给 AI 写批量脚本,几十个文件几秒钟全部扫完,清理掉杂质后直接汇总成一张总表。
二、AI 新时代,关键是把 Prompt 说清楚
很多人让 AI 写脚本总是跑不通,或者画出来的图丑得没法看,往往是因为只丢过去一句“帮我分析一下这些数据”。
要让 AI 一次写出能直接用在工位上的脚本,Prompt 里必须包含三个核心动作:清理、批量、做图标准。下面这几类提问模板,改改字段名就能直接用。
1. 面对海量导出文件:重点写清楚“怎么批量洗和汇总”
“帮我写一个 Python 脚本,遍历当前文件夹下所有的 CSV 测试文件。先统一处理文件编码,清理掉空行、表头重复行以及带单位的字符;然后按文件名提取设备编号,计算每个文件的核心特征指标,剔除采样异常的毛刺点后,把所有结果汇总输出到一张新的 Excel 总表里。”
2. 面对持续更新的台账:重点写清楚“排除干扰和做图规范”
“读取我这份《尺寸巡检记录.xlsx》台账,根据备注列里的关键词自动识别刚换过刀具或工装的记录,算群体均值时把它们排除在外。把所有机台画成多子图趋势矩阵,所有子图的 Y 轴刻度必须统一;正常数据全部画成浅灰色背景线,只把持续爬升或历史曾突跳超差的异常工位用红色高亮标出。”
3. 高频重复的分析:直接打包成 Skill
如果某套分析每周都要跑一遍,甚至可以让 AI 把上面的清洗逻辑、判据规则和做图代码打包成一个专属的 Skill(技能包)。以后拿到新测试数据,不用每次重新解释需求,把表格丢过去触发技能,脚本就会按定好的规矩直接出图出表。
三、更省事,更漂亮的出图
说了这么多,不如直接看效果。下面这三张图,就是 AI 写的 python 代码的出图,比在 Excel 里手动调半天省事得多。
1. 运行趋势矩阵图
当台账里每天追加新数据时,运行脚本一秒就能刷新所有机台的时序大图。哪台稳定收敛、哪个工位在持续爬升、哪个工位曾经间歇性冲高后又回落,一眼就能看穿。

2. 一致性分布图
面对同一批次几十套配合件的横向对比,脚本直接算出稳健均值和警戒红线,把正常零件灰化处理,超差件直接标红并把数值打在柱子顶端,开会汇报时不用拿鼠标指来指去。

3. 海量测试文件批量筛查散点图
把几十份几万行的压装测试原始文件批量清理、算完特征指标后,画成一张“过盈量 vs 压装力”的二维分布散点图。绝大部分合格品安安静静聚在灰色的安全区里,而那两三个疑似偏心或毛刺卡滞的异常批次,直接被红色菱形和阈值线隔离出来。

四、写在系列最后
机械工程师的 Excel 与数据实战系列,到这里就全部收官了。
回顾这八篇文章,我们从为什么禁止合并单元格、用主从表思维建台账,一路讲到清洗四板斧、高频六函数,最后落脚在规范台账配合 AI 脚本和技能包。操作工具的姿势确实一直在变,以前靠啃 VBA,现在靠写清楚 Prompt 让 AI 生成代码。
但有两样东西从来没有变过:一个是干净、一维、结构化的数据底座,另一个是工程师脑子里的物理判据。 AI 能在一秒钟之内帮你清理完几十万行数据、画出二十张漂亮的图,但只有你才知道,图上那个突兀的红点背后,到底对应着产线上哪一把磨损的刀具或哪一个卡滞的工装。
把表格当数据库管好,把重复的计算和作图交给 AI,留出精力去盯住那些真正决定产品质量的物理问题,这就是我们这个时代最省心的数据工作流。















































































