可能是东半球最好用的excel skill,建议收藏

QUOTE

AI 做数据分析最可怕的不是它算错，而是它算错了还不让你知道。

你上一次被老板指着鼻子问「这个数怎么算的」是什么时候？

我上周碰到一个朋友，在电商公司做运营分析。他拿着一个 AI 助手生成的周报去开会，讲得头头是道，结果老板问了一句「你按了什么口径算的？」他就卡住了。回去翻代码，发现 AI 把一张含两级表头、中间夹着地区小计的表，直接用pd.read_excel读进来就算——月度销售额比真值高了 161%，零报错、零警告，报告上的图表还做得特别漂亮。

他当时跟我说的原话是：「我觉得自己像被开了天眼。」

写代码的人都知道，代码写错了会报错。但数据分析不一样——数字错了，它什么都不会发生。

你拿到一份报告，图表精美、格式规整、结论明确，你会去怀疑数字吗？不会。因为那个错误和正确答案长得完全一样。

这就是为什么最近 GitHub 上一个叫huashu-excel的开源项目火了，短短两天200+ 星标。它做的事情其实很朴素：让 AI 算出来的数字，经得起追问。

我读了一遍代码和文档，挑了几个最有意思的点讲。

第一件事：它拿表里的「合计」行当免费校验

你可能觉得合计行没什么用，删掉就行。但在这个项目作者看来，合计行是造表人用公式算出来的真值，相当于一个免费的校验和。

项目发布前有个测试，揪出过一个差 10 块钱的错：表内小计写的是 6,490,430，明细算出来是 6,490,420。相对误差只有 0.00%，肉眼永远发现不了，脚本一次就揪出来了。

— 从混乱到清晰：体检先行

第二件事：它把「体检」放在第一步

大部分 AI 拿到 Excel，第一件事就是pd.read_excel()读进来。但读进来的那一刻，合并单元格、原始格式、伪装缺失值全部丢失。

这个 skill 先用openpyxl读原始单元格做体检，把表头在哪、哪几行混着标题和小计、哪些列有猫腻全列出来，然后才开始算。

第三件事：它派了一个独立 agent 来拆自己的台

数字全对账、退出码全绿，结论仍然可能是错的——因为那个分析窗口是你自己挑的，你看它的时候带着它应该成立的先验。

所以最后一步，它会另派一个没参与创作的 agent，从原始数据重算一遍，专门来找茬：这个时间段是不是挑出来的？「已剔除某某偏差」这种话，代码里真做到了吗？

— 双 agent 对账：一个做分析，一个来拆台

这个项目让我印象深的一点是，它不是拿一堆脚本凑出来就完了，每一步判断都有出处。

比如图表怎么画，参考的是 Cleveland & McGill 1984 年的视觉编码感知精度研究——所以柱形图数值轴强制从 0 开始（截断即失真），折线图不强制从 0（它编码的是位置和斜率）。

报告怎么写，走的是 Barbara Minto 的金字塔原理和 Amazon six-pager 叙述体——不用项目符号，用完整段落逼你把因果和取舍写清楚。

还有 ICAEW 的 Financial Modelling Code，把 master check 和可追溯引用做成了硬性校验。这些不是花架子，是几十年的行业教训总结出来的规则，写进了脚本里自动执行。

如果你是运营、财务、分析岗，每天被 Excel 追着跑——这个 skill 直接装，装完说一句「帮我分析下这份表」就行，八步流程自动走，最后交你一份 HTML 报告、Excel 报告或者 Word 报告。

如果你是写 AI 应用的技术人，这个项目也值得看——它把「数据分析的脏活累活」抽象成了一套可复用的 SOP：体检、清洗、对齐、分析、对账、交付、验图、质控。每一步都有边界条件和 fallback，代码里写的是判断逻辑不是死流程。

huashu-excel 做的事情，就是在你问「这个数靠谱吗」之前，它已经替你问过了。