一、什么活适合交给 AI

只是改几个单元格，手动更快。但遇到下面这些情况，AI 的效率优势非常明显：

• 几百到几千行数据要按部门 / 地区 / 负责人分类；
• 多份表格要合并成一张总表（比如 12 个月的销售数据）；
• 去重、删空白行、统一日期格式、金额保留两位小数；
• 异常检查：空白数据、重复编号、金额异常；
• 批量汇总统计，或从杂乱的报名表里筛选有效记录。

二、指令的三段式结构

所有能跑通的指令，都包含三件事：处理什么 + 按什么规则处理 + 最后要什么结果。少一段，AI 就会自己猜。

假设有一张销售表，字段是"日期、客户、地区、产品、销售额、负责人"：

读取桌面上的销售数据.xlsx，按照负责人分类，每个人单独生成一个工作表，并统计每个人的总销售额。原文件不要修改，结果另存为新文件。

数据脏的话，接着补一条清洗指令：

删除重复数据和空白行，统一日期格式，金额保留两位小数，处理完成后生成一个新的 Excel 文件。

要合并多表：

读取这个文件夹里的所有 Excel 文件，把数据合并到一张总表中，再按月份统计订单数量和销售金额，并生成汇总工作表。

三、四步跑通：从安装到出结果

1. 准备执行环境。用一个能读写本地文件的 AI 智能体客户端，完成安装与初始化。
2. 配置模型。在模型设置里选定要用的模型（DeepSeek、GLM、Kimi 等都可以），后续可切换。
3. 先测连通。发一句简单问题，确认能正常回复，再让它碰文件。
4. 下指令并验收。检查分类口径、统计结果、格式是否与预期一致；不对就继续追加修改指令，不用从头手工整理。

四、四个容易翻车的地方

五、别指望它替你做判断

AI 最大的价值是干掉重复劳动，不是替你决定"该按什么维度看业务"。同样的销售表，按地区看是铺货问题，按产品看是结构问题，按负责人看是执行问题——这个选择权始终在你手上。

把"怎么算"交给 AI，把"算什么"留给自己。这是用 AI 处理数据最省事也最不容易出错的分工。

实操建议：处理重要表格前，先复制一份副本再动手；第一次用新的指令模板，拿小样本试跑一遍再全量执行。省下的时间远比返工便宜。