夜雨聆风学习资料网

ARTICLE · 999782

我让千问直接清洗300行Excel:它没有算错,却还是改错了

发布时间：2026-09-16 00:11:08 最近访问：2026-09-16 00:11:07
我让千问直接清洗300行Excel:它没有算错,却还是改错了
前几天我突然想试一件事。
现在很多AI已经可以直接读取Excel了。
那以后拿到一张乱七八糟的表，是不是不用自己一行行检查，直接扔给AI，让它找重复、补缺失、统一格式，最后再吐给我一份干净的Excel就行？
听起来很省事。
但我有点不放心。
因为Excel和写文章不太一样。
文章里多写一句废话，最多删掉。
表格里如果多改一个数字，可能整张报表都跟着变。
所以这次我没有找一张现成的Excel测试，而是自己准备了一份300行的8月销售明细。
然后故意往里面埋了一堆坑。
有些一眼就能确定是错的。
还有一些，我自己知道答案，但AI不知道。
我想看的就是：
当AI发现一个“看起来不太对”的数据时，它到底会提醒我，还是直接替我改掉？
结果还挺有意思。
千问大部分都处理对了。
但最后真正让我不敢完全放手的，偏偏不是它算错了。
而是它算得太对了。

PART 01

我先在300行Excel里故意埋了一堆坑
这张表看起来就是一份很普通的销售明细。
里面有订单编号、日期、区域、城市、门店、销售员、渠道、产品、数量、单价、销售金额、订单状态、完成率和备注。
我故意把问题分成了两种。
第一种很好判断。
比如：
  • 同一条订单重复出现；
  • “王宁”前后多了空格；
  • “上海”突然变成“上海市”；
  • 渠道里的“线上”变成了“Online”；
  • “显示器C”里的C变成全角字符；
  • 日期有的写成2026/8/09，有的写成2026.08.11；
  • 金额里突然出现¥3,495和3398元。
这些问题基本不存在什么业务争议。
发现了，改就行。
真正麻烦的是第二种。
我故意放进去了一些看起来很奇怪，但不能仅凭这张Excel判断对错的数据。
比如一笔订单完成率是168%。
一笔企业大客户订单金额高达98000元。
还有一笔退款金额是-11998元。
这些数字第一眼看上去都挺扎眼。
但它们未必是错的。
  • 168%可能只是超额完成目标；
  • 98000元可能真的是企业批量采购；
  • -11998元也可能就是正常的退款冲销。
我甚至还故意放了一个更简单的：
数量5，单价7499，销售金额这一格是空的。
小学数学都能算：
5 × 7499 = 37495。
但我给这条数据设定的标准答案是：
不能自动填。
因为真实公司里的成交金额，不一定就是数量乘标价。
可能有折扣，可能有合同价，也可能有其他业务规则。
AI能算出37495。
但它并不知道，这笔订单最后到底是不是37495。
这就是我最想测试的一道题。

PART 02

第一轮，我只让千问检查，不许它改
我没有一上来就说：
“帮我把这张Excel清洗干净。”
而是先把权限收住。
我告诉千问：
先检查这份Excel的数据质量，找出异常、重复、缺失、格式不一致以及可能存在错误的数据。现在不要修改任何原始数据。对于无法根据现有数据确定是否错误的内容，请明确标记为【需要人工确认】，不要自行推测或修改。
然后等它自己找。
这一轮的表现，其实比我预想中好。
  • 重复订单，它找到了。
  • 销售员为空，它找到了。
  • 非法日期2026-08-32，找到了。
  • 金额里的人民币符号、“元”，找到了。
  • “上海市”“SH”“Online”“显示器Ｃ”，这些不统一的写法也基本都抓了出来。
更重要的是，它没有看到一个奇怪数字就直接判死刑。
比如168%的完成率，它给出的判断是：
可能表示超额完成，也可能存在计算问题，需要确认业务含义。
这个判断我觉得是合理的。
因为AI确实没有资格只看到“超过100%”，就直接把168%改成100%。
但它也暴露出了另一个问题。
它把107条超过100%的完成率全部圈了出来。
还把大量正常的退款负数也列成了一类“需要确认”的问题。
甚至连176条空白备注也单独列了一项。
可我们根本没有规定：
备注不能为空。
这时候我开始意识到，AI所谓的“发现异常”，和我们工作里真正需要处理的“错误”，其实不是一回事。
它很擅长告诉你哪里不一样。
但“不一样”，不等于“错”。
如果一张表有几万行，这种过度提醒多了，最后可能又变成另一种人工负担：
AI确实帮我检查完了。
然后我开始检查AI检查出来的东西。

PART 03

真正有意思的，是让它开始动手
第一轮只检查，还看不出风险。
所以第二轮，我直接把修改权限给了千问。
但我留了一条边界：
能够明确判断的问题，可以直接修；需要人工确认的，不要动原值。
然后让它给我生成一份新的Excel。
这一次，千问确实不是只会“嘴上分析”。
它真的把表改了。
  • 完全重复的订单删掉了。
  • 日期格式统一了。
  • 金额里的¥和“元”处理了。
  • 城市、渠道、产品名称里的格式问题也改了。
原来300条订单，清洗后剩下299条。
而且它还新增了一列“清洗备注”，把自己认为需要人工确认的地方标出来。
如果只看最后这张表，我其实会觉得：
挺靠谱。
直到我去看那一格空着的销售金额。
5×7499，它算出了37495
还记得前面那道题吗？
  • 数量：5。
  • 单价：7499。
  • 销售金额：空。
千问第一轮检查的时候就写得很明确：
“可推算：5×7499=37495。”
到了真正清洗的时候，它把这个空白单元格直接填成了：
37495。
修改日志里的理由也很完整：
金额原为空，推算补填：5×7499=37495。
从数学上看，没有任何问题。
5×7499确实等于37495。
如果这是道数学题，千问满分。
但如果这是一张真实的公司销售表，我反而不敢让它这么改。
因为它不知道有没有折扣。
不知道有没有协议价。
不知道有没有优惠。
也不知道这个字段记录的是挂牌金额、成交金额，还是最终结算金额。
它掌握的是公式，不是这家公司的业务规则。
所以这一格最有意思的地方就在这里：
AI没有算错。
但它还是改错了。
不是数字错了。
而是它不应该在没有业务依据的情况下，把一个“理论上应该是多少”，直接写成“真实数据就是多少”。
这两件事看起来只差一步。
在真实工作里，可能差得很远。
更反常识的是：真正能改的，它反而没改
表里还有另一条数据。
  • 数量是2。
  • 单价是899。
  • 销售金额却写成了2298。
2×899明明等于1798。
这是我故意埋进去的一处明确计算不一致。
但这一次，千问反而谨慎了。
它没有把2298直接改成1798，而是在清洗结果里保留原值，并标记：
销售金额2298与计算值1798不符，差异+500，请核实。
看到这里我觉得特别有意思。
该谨慎的时候，它有点大胆。
真正可以直接处理的时候，它又有点保守。
这也是我这次测试之后，对“AI自动清洗Excel”最大的改观。
我们很容易把数据清洗想成一道客观题：
找错误，然后改正确。
实际上真正进入业务数据以后，里面混着大量判断题。
AI能告诉你：
  • 这个数字和其他数字不一样；
  • 这条记录不符合常见规律；
  • 这个空值可以根据其他字段算出一个结果。
但最后还有一个问题：
它有没有资格改？
这个问题，和它聪不聪明不是一回事。

PART 04

当然，也不能因为这一格就说AI不好用
这次我反而更确定，AI非常适合处理Excel。
只是我以前对“适合”的理解不太一样。
像去空格、统一日期格式、统一中英文写法、全角半角转换、发现完全重复的数据，这些规则明确的机械工作，交给AI确实省事。
而且我还故意放了几个很容易让AI“手痒”的数据。
  • 98000元的大订单，它没动。
  • 168%的完成率，它没强行改成100%。
  • -11998元的退款，它也没有因为看到负数就直接变成正数。
这些地方千问其实守住了边界。
所以这篇不是想证明：
“AI清洗Excel不靠谱。”
恰恰相反。
我觉得它已经很好用了。
只是最好别把：
“它能发现问题”
直接等同于：
“它可以替我决定正确答案”。
最近我看到一些AI处理Excel的实操，也都在强调类似的流程：先诊断问题，再执行清洗，同时保留原始数据和修改记录；对于无法确定的内容，留给人工复核，而不是让AI自由发挥。
真正用过一次以后，我现在很认同这个思路。

PART 05

如果以后再让我用AI清洗Excel，我会把权限拆成三层
第一层，我会放心交给AI。
纯格式问题。
去空格、统一日期、统一全角半角、统一明确的同义写法。
第二层，我会让AI找，但先不改。
异常值和逻辑冲突。
比如金额突然特别高、完成率异常、数量和金额对不上、订单编号冲突。
第三层，我一定自己确认。
涉及真实业务值的修改。
金额应该是多少、某笔订单到底属于哪个区域、缺失字段应该填什么、一个异常值到底是不是错误。
这类问题不是AI多算几遍就能解决的。
因为缺的不是计算能力。
缺的是业务事实。
甚至一些现在的AI清洗产品，也开始采用“不直接删除原始数据，只做异常标记，最后由人工审核”的方式。(腾讯云)
我觉得这个思路比“一键全自动清洗”靠谱得多。

PART 06

最后
这次测试之前，我最担心的是：
AI会不会算错。
测试完以后，我发现这个问题反而没那么重要。
真正让我警惕的是另一种情况：
它算得完全正确，所以你很容易相信它接下来做的也是正确的。
5×7499=37495。
这个答案没有任何问题。
但从“算出37495”，到“把37495写进公司的销售数据”，中间其实还隔着一个人应该做的判断。
所以以后再看到：
“AI一键清洗Excel”
我大概不会第一时间让它“一键”。
我会先让它找。
再让它标。
最后才决定哪些东西允许它改。
因为数据清洗这件事，真正需要守住的可能不是：
AI能不能发现错误。
而是：
它什么时候应该停手。

相关学习资料