夜雨聆风
当Claude、Gemini、Copilot和各种Agent能秒写公式，我们还需要死记硬背VLOOKUP吗？
以前，做一份月度销售汇总报表，你需要手动打开十几张分表，复制粘贴数据到总表，再用SUM、AVERAGE做统计，最后用VLOOKUP匹配客户信息。整个过程耗时一两个小时，眼睛盯着屏幕反复核对，生怕复制错行。
现在，你打开Claude或Gemini，输入一句话："把12张分表的销售数据按区域和月份汇总，并匹配客户等级"，30秒内就能得到一段Power Query的M语言代码，或者一段Python脚本。粘贴到Excel里，一键刷新，数据自动汇总完毕。
以前，写一个嵌套五层的IF公式，你需要在纸上画逻辑树，反复调试括号匹配，一个下午可能就耗在一个公式上。
现在，你把需求丢给Trae Work或Microsoft 365 Copilot，用自然语言描述你的计算需求，它就能在Excel中直接生成公式或分析结果。甚至像Codex、WorkBuddy这类AI编程Agent，连Excel都不需要你打开，就能跨系统完成数据整合。
这让人既兴奋又困惑：既然AI和Agent这么厉害，Excel公式还有存在的必要吗？还需要学吗？
这个问题，值得认真回答。
一、AI和Agent确实在重塑数据处理的方式
变化不是未来时，而是现在进行时。从2022年底ChatGPT发布，到2024年Claude 3、Gemini 1.5、GPT-4o相继登场，再到2025年各类垂直Agent爆发式增长，AI工具在办公场景中的渗透率经历了指数级跃升。
具体表现在三个层面：
1.通用大模型成为公式生成器：ChatGPT、Claude、Gemini、Trae Work等，都能根据自然语言描述生成Excel公式。简单的SUM、AVERAGE自不必说，复杂的嵌套IF、INDEX+MATCH、数组公式也能一秒给出。
2.编程助手嵌入工作流：Trae Work、Microsoft 365 Copilot等工具，通过自然语言对话在Excel中直接生成公式、分析数据和创建图表。你描述需求，它给出方案，省去了翻查函数文档的时间。
3.自动化Agent接管重复劳动：Codex、WorkBuddy等AI Agent平台，可以配置自动化流程，定时从多个系统抓取数据、清洗、汇总、发送报表，全程无需人工干预。Excel只是流程中的一个节点，甚至不是必需的。
核心判断：AI和Agent没有杀死Excel公式，而是抬高了"值得学习的公式"的门槛。基础公式确实在贬值，但高阶公式和底层数据思维的价值反而在上升。 |
二、哪些公式正在贬值，哪些在升值
我们可以把Excel公式按AI替代程度分为六个梯队：
梯队 | 典型公式 | AI替代程度 | 学习价值 |
基础计算层 | SUM, AVERAGE, COUNT, MAX, MIN | 极高 | 低 |
查找匹配层 | VLOOKUP, INDEX+MATCH, XLOOKUP | 高 | 中 |
逻辑判断层 | IF, IFS, SWITCH, AND, OR | 中高 | 中 |
文本处理层 | TEXTJOIN, TEXTSPLIT, REGEX | 中 | 中高 |
动态数组层 | FILTER, SORT, UNIQUE, SEQUENCE | 中低 | 高 |
自定义函数层 | LAMBDA, LET, REDUCE, SCAN | 低 | 极高 |
这个表格揭示了一个清晰的规律：越接近"描述性需求"的公式，越容易被AI替代；越接近"设计性思维"的公式，越保值。
举个例子：你告诉Claude或Gemini"把A列和B列合并，中间加横杠"，它能立刻给出公式。但你要让AI设计一个能自动适配不同数据规模、容错空值、支持多条件筛选的动态报表模板，它就需要你具备足够的Excel底层知识来判断方案优劣。
三、2026年最值得学习的6个Excel公式
基于"设计性思维"的标准，以下6个公式/函数族在AI时代具有不可替代性，是现代Excel的核心基础设施。
1. FILTER — 动态筛选的王者
FILTER是Excel 365引入的动态数组函数，能根据条件自动筛选数据并返回结果数组。源数据变化，结果自动更新。
真实场景：你有一份1000行的销售明细表，需要按"华东区"和"2026年Q1"两个条件动态提取数据。FILTER可以直接在单元格中实时呈现结果。 |
=FILTER(A2:D1000, B2:B1000="华东区")// 多条件：华东区且金额大于5000 =FILTER(A2:D1000, (B2:B1000="华东区")*(D2:D1000>5000))// 配合SORT自动排序=SORT(FILTER(A2:D1000, B2:B1000="华东区"), 4, -1) |
为什么值得学：FILTER是现代Excel的"基础设施"，几乎所有动态报表都绕不开它。AI可以帮你写出FILTER公式，但只有你理解它的工作原理，才能设计出合理的报表结构。
2. LAMBDA — 自定义函数的编程思维
LAMBDA让Excel首次拥有了真正的"自定义函数"能力。你可以把复杂的计算逻辑封装成可复用的函数。
真实场景：工作中经常需要计算"含税价"，公式是不含税价*(1+税率)。用LAMBDA封装后，直接调用=含税价(A2, 0.13)即可。 |
// 定义：在"公式"->"名称管理器"中创建名称"含税价" =LAMBDA(不含税价, 税率, 不含税价*(1+税率))// 使用 =含税价(1000, 0.13)// 返回 1130// 复杂例子：提取字符串中的第一个数字 =LAMBDA(文本,LET(字符数组, MID(文本, SEQUENCE(LEN(文本)), 1),数字标记, ISNUMBER(--字符数组),首个位置, XMATCH(TRUE, 数字标记, 0),连续数字, SCAN(0, 数字标记, LAMBDA(a,b, IF(b, a+1, 0))),最大连续, MAX(连续数字),结束位置, XMATCH(最大连续, 连续数字),开始位置, 结束位置 - 最大连续 + 1,MID(文本, 开始位置, 最大连续)) ) |
为什么值得学：LAMBDA代表了Excel从"电子表格"向"编程平台"的跃迁。掌握它，意味着你具备了抽象和封装的编程思维。AI可以生成LAMBDA代码，但设计优雅、可复用的函数结构，需要你的判断。
3. LET — 让复杂公式可读可维护
LET允许你在公式内部定义变量，把冗长的嵌套公式拆分成有名字的步骤。不改变计算结果，但极大提升可读性。
真实场景：根据员工入职日期计算工龄工资：满1年加100，满3年加300，满5年加500，满10年加1000。不用LET是嵌套噩梦，用LET则清晰得像伪代码。 |
// 不用LET：嵌套噩梦（DATEDIF是Excel的隐藏函数，不在函数提示中显示，但仍可正常使用）=IF(DATEDIF(B2,TODAY(),"Y")>=10, 1000, IF(DATEDIF(B2,TODAY(),"Y")>=5, 500, IF(DATEDIF(B2,TODAY(),"Y")>=3, 300, IF(DATEDIF(B2,TODAY(),"Y")>=1, 100, 0))))// 用LET：清晰可读 =LET(工龄, DATEDIF(B2, TODAY(), "Y"),工资档, SWITCH(TRUE, 工龄>=10, 1000, 工龄>=5, 500, 工龄>=3, 300, 工龄>=1, 100, 0),工资档 ) |
为什么值得学：在AI生成公式的时代，可读性比正确性更重要。AI很少写出错误公式，但它经常写出"虽然能跑但没人看得懂"的公式。LET是你与AI协作时的"代码规范"工具。
4. TEXTSPLIT / TEXTJOIN — 文本处理的组合拳
这对函数专门处理"拆分"和"合并"两类高频文本操作。在数据清洗场景中，效率远超传统的LEFT/RIGHT/MID组合。
真实场景：从系统导出的数据里，"姓名"列格式混乱，有的是"张三"，有的是"张三-销售部"，有的是"张三-销售部-华东区"。需要统一提取纯姓名。 |
// TEXTSPLIT：按分隔符拆分 =TEXTSPLIT("张三-销售部-华东区", "-") // 返回数组：{"张三", "销售部", "华东区"}// 提取第一部分（纯姓名）=INDEX(TEXTSPLIT(A2, "-"), 1)// TEXTJOIN：反向操作，多列合并 =TEXTJOIN("、", TRUE, B2:B10) // 把B2:B10的非空单元格用"、"连接 |
为什么值得学：数据清洗占据了数据分析师80%的时间。AI可以帮你写清洗逻辑，但面对千奇百怪的脏数据格式，你需要快速判断"拆"还是"合"、按什么拆、拆几层——这种数据直觉只能通过大量实践积累。
5. XLOOKUP — VLOOKUP的现代化替代
XLOOKUP是微软官方推荐的VLOOKUP替代品。解决了VLOOKUP的三大痛点：只能右向查找、插入列会断链、默认近似匹配容易出错。
真实场景：员工信息表中，A列是工号，B列是姓名，C列是部门。需要根据工号查部门。用VLOOKUP需要数列数，用XLOOKUP直接指定返回列。 |
// VLOOKUP：需要数第3列，且工号必须在最左 =VLOOKUP(E2, A:C, 3, FALSE)// XLOOKUP：直观，不受列顺序限制 =XLOOKUP(E2, A:A, C:C, "未找到")// XLOOKUP进阶：多条件查找 =XLOOKUP(1, (A:A=工号条件)*(B:B=姓名条件), D:D)// XLOOKUP进阶：返回多列=XLOOKUP(E2, A:A, B:D)// 直接返回姓名、部门、职位三列 |
为什么值得学：XLOOKUP本身不难，但它代表了Excel函数设计的现代理念：默认安全、灵活强大、语义直观。如果你还在用VLOOKUP，相当于在2026年还在用功能机——能打电话，但会错过整个智能生态。
6. REDUCE / SCAN — 函数式编程的精髓
REDUCE和SCAN是Excel 365中最强大的"迭代函数"，让Excel具备了函数式编程中的"累积计算"能力。学习曲线较陡，但一旦掌握，能解决几乎所有需要"逐行迭代"的复杂问题。
真实场景：有一个投资组合的每日收益率数据，需要计算累计收益率。累计收益率不是简单相加，而是每天在前一天的基数上复利增长。这种"依赖前一行结果"的计算，传统公式几乎无法完成。 |
// SCAN：展示每一步的累积过程=SCAN(10000, B2:B30, LAMBDA(累计, 当日收益, 累计*(1+当日收益))) // 返回数组：每一天的累计资产值// REDUCE：只返回最终结果 =REDUCE(10000, B2:B30, LAMBDA(累计, 当日收益, 累计*(1+当日收益))) // 返回单个值：最终资产// 实战：计算最大回撤 =LET(累计收益, SCAN(1, 收益率列, LAMBDA(a,b,a*(1+b))),历史最高, SCAN(0, 累计收益, LAMBDA(a,b, MAX(a,b))),回撤, (累计收益 - 历史最高) / 历史最高,MIN(回撤) ) |
为什么值得学：REDUCE/SCAN是Excel函数体系的"天花板"。AI可以生成REDUCE公式，但理解"累积状态"的设计模式、判断何时用SCAN（看过程）何时用REDUCE（看结果），需要你对函数式编程思维有本质理解。这种理解是跨工具的——学会后，你写Python的pandas、JavaScript的reduce都会得心应手。
四、AI时代学习Excel公式的正确姿势
明确了"学什么"之后，更重要的是"怎么学"。在AI辅助的时代，学习方法本身也需要升级。
从"背语法"转向"理解逻辑"
以前学VLOOKUP，你需要死记硬背四个参数的含义和顺序。现在，你只需要理解"查找"这件事的本质逻辑：给定一个钥匙，在一堆钥匙串里找到匹配的，然后打开对应的抽屉取出东西。
这种概念模型一旦建立，无论工具怎么变——VLOOKUP、XLOOKUP、Python的dict.get()、SQL的JOIN——你都能快速上手。
从"独立完成"转向"人机协作"
现在的最佳实践是：你描述需求，AI生成初稿，你审查优化。这要求你具备两种能力：
4.精准描述需求的能力：能把业务问题翻译成AI能理解的"计算指令"。
5.审查和调试的能力：能判断AI给出的方案是否合理、是否有边界情况没考虑到。
第二种能力尤其重要。AI生成的公式在"正常数据"上往往跑得通，但在空值、重复值、异常格式面前可能崩溃。只有懂公式的人，才能预判这些坑。
从"Excel内循环"转向"工具链思维"
现代数据处理很少靠单一工具完成。一个典型的分析流程可能是：
Power Query清洗 -> Excel公式建模 -> Python in Excel做预测 -> Power BI可视化
在这个链条中，Excel公式的角色是轻量级建模和快速验证。你不需要用Excel做机器学习，但你需要知道什么时候该留在Excel，什么时候该切换到Python或Agent自动化。
五、写在最后
回到文章开头的问题："既然AI和Agent这么厉害，我是不是再也不用学Excel公式了？"
答案是：基础公式确实不用再死记硬背了，但底层逻辑和高级能力比以往任何时候都更重要。
AI和Agent就像高级计算器。你可以用它完成复杂的计算，但如果你不懂数学原理，你就无法判断它的结果对不对，更无法解决它没见过的新问题。
Excel公式在AI时代的命运，不是消亡，而是分层：
•底层的基础计算，交给AI和Agent；
•中层的逻辑设计，人机协作完成；
•高层的架构思维，必须靠人。
学好FILTER、LAMBDA、LET、REDUCE这些现代函数，不是为了和AI竞争谁写得快，而是为了在AI的辅助下，成为一个更高效的问题解决者。
毕竟，工具永远在变，但"理解问题、设计解法"的能力，是任何AI都无法替代的核心竞争力。
如果你在实际工作中遇到了复杂的Excel问题，欢迎在评论区留言。我会挑选典型案例，用文中提到的现代函数给出解法。
本文原创，转载请注明出处。
