夜雨聆风你可能遇到过这种情况：让 AI 分析表格，结果看起来有模有样，但仔细一查数字对不上，或者两次问同一个问题得出不同答案。这不是你用得不对，而是 AI 很会组织语言，却不擅长直接完成精确计算——它更像个口算忽好忽坏、还爱凭感觉给答案的助手。
这篇文章给你一套方法，让 AI 从“随口回答”变成“严谨计算”。你不需要懂编程，只需要理解背后的逻辑，跟着步骤操作。
一、这套方法是什么：一个双人、双算、三核对的工作流
这套方法不是简单地把同一份 Excel 问两个 AI，而是把一次数据分析拆成三个清楚的动作：
1、双人：一个 AI 当分析员，一个 AI 当审计员，各自分工。
2、双算：分析员先算一遍，审计员再按自己的方法独立计算一遍。
3、三核对：分析员先自查，审计员再核验，你最后确认业务规则和报告能不能用。
你也在流程里，但你不是去看代码、改公式的人。你更像业务裁判：告诉 AI 你真正想分析什么，确认业务规则，最后决定报告能不能用。
图里讲的是整套方法的骨架。具体到操作时，你只需要记住：两个 AI 分工计算，三方一起核对。
分析员：把问题变成一份可核验的分析报告
分析员负责理解你的问题、跑完计算、写成可核验的报告。
它会先确认分析目标、指标公式、数据处理规则和报告框架。等你点头后，再运行代码，生成分析结果、分析报告和交给审计员检查的材料。
审计员：独立计算，再找出两边的差异
审计员不是简单看一眼报告。
它会先只拿原始 Excel 和已确认方案，按自己的方法独立计算。等它保存好自己的结果后，再看分析员材料，核对数据完整性、逻辑一致性和关键指标。
此外，它还会检查报告里的结论有没有说过头，最后给出审计报告。
人：提出问题、确认规则、处理分歧
人负责业务判断。
你要告诉 AI 想解决什么问题，确认规则是不是符合真实业务。如果分析员和审计员因为业务口径产生分歧，由你决定采用哪种规则。
你不需要检查代码，也不用自己重新计算。
一句话总结：分析员干活留脚印，审计员独立计算查差异，你来做业务裁判。
二、为什么这套方法有效：三个核心设计
光记住流程还不够，你还得明白它到底防住了 AI 的哪几种错。其实就三招。
设计 1 让 AI “真算”，而不是“心算”
当你让 AI “算一下各区域的同比增长率”，它很可能不是真的逐行去算，而是顺手给你一个“看着挺合理”的数字。
所以这套方法强制它写好 Python 代码、真跑一遍再报数，就像让实习生去仓库盘点：不许凭印象报库存，必须一件件数完，再把数字抄回来。
当然，代码本身也可能写错。所以光靠“真算”还不够，后面还得再请一个 AI 从头算一遍——这就是第三招。
设计 2 让 AI 留脚印，而不是只甩结论
就算 AI 真跑了代码，如果只丢给你一张结果表，你还是不知道它中间有没有把数据搞丢、搞错。
所以这套方法定了两条硬规矩：原始表格一个字都不许改，清洗时每动一行数据，都要像做减法一样交代清楚。比如：
原始数据：10,000 行
− 测试订单：20 行
− 无效日期：3 行
− 确认要删的重复订单：5 行
最终分析：9,972 行
这样即使你完全看不懂代码，也能一眼看出数据是从哪一步、因为什么少掉的。哪个总数对不上，当场就能发现。
设计 3 换一个 AI 独立核算，而不是自己检查自己
再仔细的分析员也有盲区。让它检查自己刚做完的活，就像让学生批改自己的卷子，很难发现哪里错了。
所以这套方法再请一个 AI 当审计员，最好换一个模型（比如分析用Kimi，审计就用 DeepSeek）。关键在于：它一开始不能看分析员的答案，得先拿着原始表格自己从头算一遍，算完再来对——否则就成了“照着参考答案改自己的卷子”，等于白查。
而且它盯的不只是数字。数字全对，报告也可能说过头，比如把“广告涨、销售额也涨”写成“广告带来了增长”。至于这个结论要不要采纳，AI 只负责告诉你有没有数据支持，最后拍板的还是懂业务的你。
三、实操步骤：跟着做就行
先说结论：整个过程分三个阶段，但真正需要你动脑的地方屈指可数。剩下的读数据、算数、写报告、整理文件，全是两个 AI 在忙，你大多数时候只是看它汇报、回一句“可以”。
下面我用自己真实做过的一次分析来演示：手上是一份 WorkBuddy 各个 AI 模型的积分消耗流水，我想搞清楚积分都花在哪、最近每周花多少，以后的每周预算定在 300 积分左右是否可能。
第一阶段：让分析员完成分析
你要做的，就是把表格丢给它，然后在三个地方点头。这三个确认点，正好卡在一次分析的三个关口上：先定用哪些数据、再定怎么算、最后看算出来的报告行不行。每一步你只回答业务问题，不用碰代码。
以下面 Prompt 开始即可
把 Excel 放进 WorkBuddy 的工作区，先把下面这段 Prompt 整段复制发给它——你完全不用逐条读懂，这是写给 AI 看的规矩：
【你的角色】 你是一名严谨的数据分析工程师。你需要读取我指定的原始 Excel，使用 Python 实际完成所有数据处理和计算，并生成便于小白用户理解、可以独立复核的分析报告。 【基本原则】 1. 所有数字必须来自真实运行的代码，禁止估算或凭空生成。 2. 原始 Excel 只读，禁止覆盖或修改。 3. 未经我确认，不得删除记录、填补空值、修改异常值或合并分类。 4. 无法确定如何处理的数据，放入“待确认记录”，不要自行猜测。 5. 每完成一个阶段都暂停，等待我确认。 6. 面向我解释时使用通俗语言，不要求我阅读或判断代码。 【初始化工作目录】 1. 默认在原始 Excel 所在目录新建“分析员工作”文件夹；如果我指定其他位置，以我指定的位置为准。 2. 所有方案、代码、结果和报告都保存在该文件夹。 3. 如果同名文件夹已经存在，不得覆盖；创建带时间标识的新文件夹，或先询问我。 4. 创建完成后，告诉我完整路径。 【阶段一：检查数据并理解需求】 请读取原始 Excel，报告： 1. 有哪些工作表，每张表有多少行、多少列。 2. 主要字段分别记录什么。 3. 缺失值、重复记录和明显异常。 4. 是否存在多级表头、合并单元格、隐藏行列、隐藏工作表、筛选、公式或错误值。 5. 日期、金额、百分比和单位是否存在格式混用。 6. 用你自己的话复述我的分析目标，并列出仍需确认的问题。 只报告发现，不要清洗。完成后暂停。 【阶段二：确认分析方案】 生成“分析员工作/01_分析方案.md”，状态先标记为“待确认”，内容包括： A. 分析目标 - 本次分析要回答什么问题。 - 哪些问题不在本次范围内。 B. 分析任务 - 按 T01、T02 等编号列出任务。 - 写明每项任务准备输出什么。 C. 指标与公式 - 按 M01、M02 等编号列出指标。 - 每个指标写明：通俗定义、公式、分子、分母、使用字段、筛选条件、时间范围、分组、单位和四舍五入规则。 D. 数据清洗规则 - 说明空值、重复记录、退款、异常值和测试数据如何处理。 - 报告每项建议影响多少行；涉及金额时，同时报告影响金额。 - 存在多种合理方式时，列出选项和影响，让我选择。 E. 分析报告框架 - 列出最终报告的章节，以及每章准备回答的问题。 - 默认包括：执行摘要、数据与口径说明、核心结果、关键发现、业务建议、限制与待确认事项。 - 此时只确定结构，不得提前编造结论。 在对话中向我确认： 1. 分析目标是否正确； 2. 任务范围是否完整； 3. 指标定义和公式是否正确； 4. 清洗规则是否接受； 5. 报告框架是否符合使用场景。 完成后暂停。收到我的确认后，更新“01_分析方案.md”，将状态改为“已确认”。后续计算必须以它为准；如需改变指标、公式、清洗规则或报告框架，必须再次征得我确认。 【阶段三：执行分析】 分析方案确认后： 1. 编写并真实运行完整 Python 脚本。 2. 清洗后的数据另存，不能覆盖原始文件。 3. 对行数、订单数、客户数和金额等关键数据进行清洗前后对账。 4. 保存所有被排除或待确认的记录，并注明原因。 5. 生成“03_分析结果.xlsx”，至少包含： - 指标结果：指标编号、数值、单位、时间范围、分组和样本量； - 结果明细：支撑指标的分组汇总或可追溯明细； - 校验结果：总计、明细加总和其他合理性检查。 6. 生成“04_结论与证据对应表.md”。为每条结论分配 C01、C02 等编号，并写明对应的指标、数字和适用范围。 7. 不得把相关关系写成因果关系，不得生成超出数据支持范围的结论。 【阶段四：生成并确认报告草稿】 按照已确认的报告框架，生成“05_分析报告_待审计.md”。 报告中的每条关键结论都要引用结论编号和指标编号。业务建议必须区分： - 数据直接支持的建议； - 仍需业务判断或更多信息才能确认的建议。 在对话中展示报告目录、核心指标、关键结论和待确认问题，然后暂停。让我确认报告是否回答了最初问题、是否容易理解、重点是否合适。 【阶段五：整理文件】 确认报告草稿后，检查“分析员工作”中包含： - 01_分析方案.md - 02_分析代码.py - 03_分析结果.xlsx - 04_结论与证据对应表.md - 05_分析报告_待审计.md - 06_清洗对账表.xlsx - 07_排除与待确认记录.xlsx - 08_代码运行记录.txt “08_代码运行记录.txt”记录：运行时间、输入文件路径、执行脚本、主要处理步骤、每步输入输出行数、关键校验值、警告或错误、最终执行状态。不要记录或编造模型的隐藏思考过程。 同时创建： 交给审计员/01_独立计算 - 原始 Excel 副本，保留原格式。 - 分析方案.md，不得包含任何分析结果。 交给审计员/02_结果与结论比较 - 分析结果.xlsx - 分析报告_待审计.md - 结论与证据对应表.md - 清洗对账表.xlsx - 排除与待确认记录.xlsx - 分析代码.py - 代码运行记录.txt 检查“01_独立计算”没有泄露分析结果。最后告诉我“分析员工作”和两个交接文件夹的完整路径。发完这段 Prompt，用大白话补一句你想分析什么就行，不用写得多专业。比如我自己那次就这么说：
“帮我了解一下积分消耗情况和最近每周的消耗趋势；另外我以后想把每周预算控制在 300积分左右，该怎么规划？”
部分提示词截图：
然后跟着 AI 提示一步步往下走。
确认点一：“数据怎么用”——哪些算、哪些不算、异常怎么处理
它读完表格不会急着算，而是先给你一份“体检报告 + 待确认清单”：数据有多少行、有哪些异常、哪些地方它拿不准。那些拿不准的，就是留给你拍板的。
这些判断不需要任何技术知识，全是你比 AI 更清楚的业务问题。我那次它就问了几件事：
1、有 64 条“0 积分”的记录，算不算进消耗？
2、十几个模型名（glm-5.1、glm-5.2、glm-5.2-x……）要不要归成几大类？
3、数据最后一周不完整，要不要算进“每周平均”？
看不懂的，就让它把每种选择的利弊讲清楚，再选。
确认点二：“怎么算”——要算哪些指标、每个指标按什么口径
清洗规则拍板后，它会把整套方案写成一份文档给你确认：要算哪些指标、每个指标具体怎么算、报告分几块。你只需要判断一件事——这是不是我真正想问的，完全不用碰代码。
一个小提醒：回复尽量给明确选项。你随口一句改法，AI 有时会拿不准、回头找你核对。这其实是好事，说明它没瞎猜。我那次说“把某两个模型并到 hy3 系列”，它就专门停下来问：是真并进 hy3，还是并成“其他”。
确认点三：“报告能不能用”——扫一眼草稿，看有没有回答你的问题
它算完会给你一份报告草稿。你只看三件事：有没有回答我最初的问题、重点对不对、看不看得懂。至于数字准不准、结论有没有依据——先别操心，那是下一步审计员的活。
这一阶段结束时，它会把所有文件（方案、代码、结果、报告、对账表……）自动整理好，还另外理出两个“交给审计员”的文件夹。你不用自己动手搬任何文件。
第二阶段：让审计员独立计算
新开一个对话，最好换个 AI 模型（比如刚才用了 Kimi，这次换 DeepSeek）。这一步的关键是“分两次给文件”，让它先自己算、别偷看答案。
第一步：把原始数据和分析方案交给它，让它先自己算一遍
先只给它第一个文件夹（交给审计员/01_独立计算，里面只有原始表格和确认过的方案，没有任何结果），发这段 Prompt：
【你的角色】 你是一名独立的数据审计员。你需要根据原始 Excel 和已经确认的分析方案，从零完成计算。 【初始化工作目录】 1. 默认在原始 Excel 所在目录新建“审计员工作”文件夹；如果我指定其他位置，以我指定的位置为准。 2. 你的独立代码、结果、运行记录和审计报告全部保存在该文件夹。 3. 不得修改或覆盖“分析员工作”中的任何文件。 4. 如果同名文件夹已经存在，不得覆盖；创建带时间标识的新文件夹，或先询问我。 5. 创建完成后，告诉我完整路径。 【基本原则】 1. 所有数字必须来自真实运行的 Python 代码。 2. 必须直接读取原始 Excel。 3. 不得自行修改已经确认的分析目标、指标公式和清洗规则。 4. 如果仍有歧义，先暂停并向我提问。 5. 现在只允许读取“01_独立计算”。在我明确允许前，不得读取“02_结果与结论比较”或其他分析结果。 【第一阶段：独立计算】 1. 检查原始文件的工作表、字段、缺失值、重复记录、公式和异常结构。 2. 按确认的规则独立清洗和计算。 3. 生成行数、订单数、客户数和金额的清洗对账。 4. 检查明细与总计是否一致、分类是否完整、比例差异是否来自四舍五入。 5. 保存： - 审计员工作/01_独立计算代码.py - 审计员工作/02_独立计算结果.xlsx - 审计员工作/03_独立清洗对账表.xlsx - 审计员工作/04_代码运行记录.txt 完成后停止，只回复： “独立计算已经完成并保存。请允许我读取 02_结果与结论比较。” 【第二阶段：比较结果和结论】 只有得到我的明确允许后才能执行： 1. 比较分析员结果与独立计算结果，列出差异和受影响记录。 2. 结合分析员的清洗对账、排除记录、代码和运行记录，定位差异原因。 3. 逐条审核报告和结论证据表，检查数字引用、文字结论、因果表述和适用范围。 4. 检查业务建议是否与分析发现一致；需要业务经验判断的内容标为“需业务确认”。 5. 将报告保存为“审计员工作/05_审计报告.md”，分别说明： - 数据与计算审计； - 分析结论审计； - 最终结论：通过、有差异待处理或无法确认。 6. 不得替我决定存在争议的业务口径。部分提示词截图：
第二步：它算完后，你来确认让它进入核算对比阶段
它算完自己的那一遍后，会主动停下来，只回你一句类似：
“独立计算已经完成并保存。请允许我读取 02_结果与结论比较。”
这时你回一句“可以，读第二个文件夹，开始比较”，它才会打开分析员的结果逐项比对。
这一步它会做两类核对： 一是把每个指标按自己的代码重算，看数字对不对得上； 二是逐句读报告，看结论有没有说过头、文字里的数字和旁边的算式是不是自洽。这些错，尤其是藏在文字里的，光靠自己读报告很难发现。 就拿我那次来说，它揪出报告里有一句“每周可省 317 积分”，跟旁边括号里的算式对不上（实际应该是 435），这种错肉眼极容易滑过去。
核对完之后，它会给你三种结论之一：通过 / 有差异待处理 / 无法确认。
审计发现问题，可以直接让分析员基于审计报告修正。
第三阶段：根据审计结果定稿
审计给的三种结论，分别这么处理：
1、通过：直接让分析员把报告定稿，收工。
2、有差异待处理：先看是哪一种差异。
如果是算错或数据处理错，回到分析员对话，让它按审计报告改代码、重新跑一遍（是重跑，不是手工改数字），改完再回审计员复核，通过就定稿。我那次它还顺手把报告改成由代码自动生成，这样“文字和数字对不上”的问题从根上就没了。
如果是业务口径分歧（比如“一笔一次性大额订单算不算进增长”），这种只有你能定，选一个口径，或者让它两种都算给你看。
3、无法确认：多半是缺数据。能补就补上重算；补不了，就让它在报告里标成“待核实”并写明风险，别硬逼它给答案。
到这儿，一份“算得出、查得清、对得上账”的分析报告就完成了。
四、数据清洗常见问题清单
下面这份清单可以作为数据探查时的对照表，也可以发给 AI 作为数据清洗参考：
五、进阶：一次成功后，把流程做成 Skill
完成一次任务并通过审计后，就可以把成功流程整理成第一版 Skill。
可以先创建两个 Skill：
1、数据分析员 Skill：负责检查数据、确认方案、运行分析、生成报告和整理交接文件。
2、独立审计员 Skill：负责独立计算、比较结果和结论、复核修订。
还可以把公司的常用指标定义加入参考资料，例如：
1、复购率如何定义。
2、退款计入哪个月份。
3、测试订单如何识别。
4、销售额使用含税还是不含税金额。
5、跨季度订单按下单时间还是回款时间统计。
下一次换一份 Excel 运行时，如果发现新的异常或不顺畅的交互，再继续更新 Skill。
一次成功任务后就能创建初版，经过后续任务验证后再逐步稳定。
最后
让 AI 可靠地分析 Excel，靠的不是提示词里那句"你是一名数据专家"，而是给它一套可以复查的流程：
1、先确认分析目标、指标公式、清洗规则和报告框架。
2、分析员通过代码真实计算，并留下对账记录。
3、审计员在不知道答案的情况下独立计算。
4、再核对数据、数字和分析结论。
5、发现问题就从原始数据重新运行，直到复核通过。
你不需要会写代码，只要记住一句话：
分析员干活留脚印，审计员独立计算查差异，你来做业务裁判。