用办公Agent接管Excel苦力活：跨表匹配、格式清洗、自动图表生成

故事从每个月的第一天说起。

上午9点，运营晓彤打开邮箱，收到三封邮件：

• 销售部发来"10月订单明细.xlsx"，3000行，客户ID、产品名称、金额、下单日期。

• 财务部发来"10月回款记录.xlsx"，2800行，客户ID、回款金额、到账日期。

• 产品部发来"产品清单.xlsx"，200行，产品ID、产品名称、单价、分类。

晓彤的任务：下午5点前交一份"销售月度报表"，包含三个部分：

1. 每个客户的订单总额 和回款比例（需要跨表匹配）。

2. 清洗掉格式错误的数据（比如日期列有的是"2024.10.1"，有的是"10/1/24"，有的是"2024-10-01"）。

3. 自动生成一张各产品类别的销售额柱状图，插进PPT。

她深吸一口气，开始干活。

先用VLOOKUP把回款匹配到订单表，发现客户ID格式不一致------订单表里是"C_001234"，回款表里是"1234"。手动改格式花了40分钟。

日期列更崩溃，有200多行格式不对，筛选、替换、分列，折腾了一个小时。

最后做图表，选中数据、插入柱状图、调颜色、改标题、导出图片......又过了半小时。

抬头一看，下午3点了，连午饭都是对着屏幕扒拉的。

"每个月都来一次，比大姨妈还准时。"她苦笑着说。

后来，我们给她做了一个办公Agent------专门干Excel脏活累活的那种。现在她每个月只花15分钟：打开Agent，上传三个文件，喝杯咖啡，回来就收到一份已经处理好、带图表的报表。

这篇文章，我就把那个Agent怎么做跨表匹配、格式清洗、自动图表生成的完整思路掰开来讲。不绕弯子，直接上能用的代码逻辑和避坑指南。

一、先让Agent理解："我要什么"

晓彤的需求其实很固定，但说给机器听时，需要把它拆成步骤。

我们给Agent的指令模板长这样（自然语言即可）：

输入：
- 订单表：列名 [客户ID, 产品名称, 金额, 下单日期]
- 回款表：列名 [客户ID, 回款金额, 到账日期]
- 产品表：列名 [产品ID, 产品名称, 分类, 单价]

任务：
1. 将订单表和回款表按客户ID匹配，计算每个客户的订单总额、回款总额、回款比例。
2. 清洗所有日期列：统一转成 YYYY-MM-DD 格式，无效值标记为"错误日期"。
3. 根据产品分类，生成各分类销售额的柱状图，保存为PNG。

输出：一个清洗后的合并表 + 一张柱状图

Agent拿到这个指令后，不会直接"理解"，而是调用一系列工具函数。这些函数我们提前写好，Agent只负责按顺序调用。

二、跨表匹配：不用VLOOKUP，用"模糊+精确"两步法

跨表匹配最大的坑：两个表的关联键格式不一致。

晓彤那个例子，订单表客户ID是"C_001234"，回款表是"1234"。VLOOKUP抓瞎，只能手动给几百行加前缀或截断。

我们的Agent用了两步策略：

第一步：自动探测格式差异

Agent先读取两个表的客户ID列，抽样分析格式特征：

• 订单表：值类似 C_001234、C_005678（带C_前缀，后面跟数字）

• 回款表：值类似 1234、5678（纯数字）

Agent判定：两者差异在于"前缀C_"和"前导零"。于是自动生成一个清洗规则：去掉订单表的C_，再把字符串转整数去前导零。

第二步：先精确匹配，再模糊匹配

匹配的过程中总有漏网之鱼。比如订单表有"C_01234"，回款表有"1234"没问题，但回款表如果有"1234-旧系统"这种带后缀的，精确匹配就会失败。

Agent的匹配逻辑：

1. 精确匹配：清洗后的ID完全相同。

2. 模糊匹配：对未匹配上的行，用Levenshtein距离（编辑距离）计算相似度，相似度>0.85就自动匹配，并标记"模糊匹配"。

3. 人工兜底：仍然匹配不上的行，Agent将其单独输出为一个"待处理"表，让晓彤最后看一眼（通常只有不到1%）。

结果是：3000条订单与2800条回款，匹配成功率达到97%，剩下的几十条是真正的数据错误（比如回款表多了个空格，或者订单表有重复ID）。

避坑提醒：不要用Agent去做100%的全自动匹配。设计一个"低置信度"门槛，把拿不准的交给人。否则你会花更多时间调试。

三、格式清洗：比Excel的"分列"聪明100倍

清洗是Excel苦力活中最恶心的一环。常见脏数据有：

• 日期格式五花八门：2024.10.1、10/1/24、2024-10-01、1-Oct-24

• 数字里混着单位：2,000（千分位逗号）、¥300（货币符号）、1.2k（英文缩写）

• 空白和空格：单元格里有看不见的 或全角空格

• 不同系统的编码：繁体、简体混用，甚至乱码

我们的Agent内置了一个"清洗工具箱"，每个工具对应一种常见问题。

3.1 日期统一

Agent调用date_normalize函数，原理是用dateutil.parser（Python）或类似的解析器，尝试常见格式。实在解析不了的，扔给大模型做一次猜测（比如"Oct 1, 2024"这种）。

# 伪代码逻辑
def normalize_date(cell):
    if pd.isna(cell): return "错误日期"
    for fmt in ["%Y-%m-%d", "%Y.%m.%d", "%d/%m/%Y", "%m/%d/%y", "%d-%b-%y"]:
        try:
            return datetime.strptime(str(cell), fmt).strftime("%Y-%m-%d")
        except:
            continue
    # 交给LLM兜底
    return llm_guess_date(cell)

实测可以覆盖98%的日期格式。

3.2 数字清洗

对于金额列，Agent自动去掉货币符号、千分位逗号、单位（比如"k"转1000）。规则也是先抽样探测。

例如发现"金额"列有$1,200、1,200、1.2k三种写法，Agent会：

1. 去掉$和逗号 → 1200

2. 识别1.2k → 1200

3. 统一转成浮点数。

3.3 空白和不可见字符

Agent扫描全表，找到所有看起来空但实际有内容的单元格（比如长度>0但只包含空格、制表符、零宽空格），清空或替换为NaN。

效果：晓彤原来花1小时的清洗工作，Agent在30秒内完成。而且清洗日志里会记录每一处改动，方便她复核。

四、自动图表生成：不仅画图，还选对图

Excel里插入图表不难，难的是选对图表类型 和把图表做得像人做的。

Agent不会自作主张，它遵循一套简单的决策树：

• 需要对比几类数值 → 柱状图

• 需要看占比（百分比）→ 饼图或环形图（如果超过5个类别，改用条形图）

• 需要看趋势随时间变化 → 折线图

• 需要看相关性 → 散点图

在晓彤的场景里：各产品类别的销售额对比，显然用柱状图最合适。

4.1 数据聚合

Agent先根据产品表把订单里的产品映射到分类（比如"电子产品"、"办公耗材"），然后按分类汇总销售额。

这一步用pandas的groupby和merge，几行代码的事。

4.2 生成图表

我们用了matplotlib + seaborn，封装成一个函数auto_chart(data, x_col, y_col, chart_type='bar')。输出保存为PNG，同时返回图片的base64编码，方便直接嵌入飞书文档或邮件。

为了让图表"像人做的"，Agent还会自动：

• 添加标题（从上下文推断，比如"各产品类别销售额（2024年10月）"）

• 设置x轴标签旋转（如果文字太长）

• 在柱子上方显示数值标签

• 选择配色（用公司品牌色）

4.3 一个真实输出示例

Agent最后生成的图表长这样（文字描述一下）：横轴是"电子产品"、"办公耗材"、"家具设备"三个类别，纵轴是销售额（万元）。电子产品的柱子最高，旁边标了"48.2万"。

晓彤只需要把这张图拖进PPT，不需要再用Excel格式刷调半天。

五、把这些串起来：一条Agent调用链

下面是一次完整执行的简化日志，你可以看到Agent是怎么按顺序干活的：

[14:00:01] 收到指令：处理三个Excel文件，生成匹配表和柱状图
[14:00:02] 读取订单表(3000行)、回款表(2800行)、产品表(200行)
[14:00:03] 探测到客户ID格式不一致，自动清洗：订单表去掉前缀"C_"，回款表转整数
[14:00:05] 执行跨表匹配：精确匹配成功2730行，模糊匹配成功142行，剩余28行待人工
[14:00:06] 清洗日期列：发现3种格式，统一转为YYYY-MM-DD，纠正错误日期17处
[14:00:07] 清洗金额列：去除货币符号和千分位逗号，转换"1.2k"为1200
[14:00:08] 按产品分类聚合销售额，生成柱状图
[14:00:09] 输出文件：cleaned_report.xlsx, sales_chart.png
[14:00:10] 发送消息给晓彤："处理完成。待人工处理的28条记录已单独导出，请检查。"

耗时9秒。晓彤收到后，花5分钟看了那28条异常记录（大多是回款表里客户ID写错的），修正后重新跑了一次，完美。

六、三个核心坑（以及怎么用代码绕过去）

坑1：大文件内存爆炸

Excel文件超过10万行时，用pandas.read_excel直接加载可能占几个GB内存。我们的Agent做了两件事：

• 分块读取：对超大文件，按1万行一块处理，逐块清洗后写回。

• 类型优化：自动将object类型的列转为category（分类），内存占用降低70%。

坑2：清洗规则不是一次就准

第一次跑的时候，Agent把"10/1/24"解析成了2010年1月24日（因为默认月日顺序错了）。后来我们加了一个地域推断：根据文件创建者的时区或数字格式偏好，猜测是"月/日/年"还是"日/月/年"。同时允许用户在界面上手动纠正一条规则，Agent会记住并应用到下次。

坑3：图表总被嫌弃"不好看"

业务方总想改配色、字体、图例位置。我们的解决方案不是让Agent自动猜审美，而是允许用户上传一个"图表模板"（比如一个空白的Excel，带好喜欢的颜色和样式），Agent生成图表时优先复用模板里的设置。这样既保持了自动化，又把风格决定权握在人手里。

七、如果你也想让Agent替你干Excel的脏活

不一定需要大模型。很多清洗和匹配工作，用pandas + openpyxl + 几条规则就能完成。大模型只用在三个地方：

• 日期/数字格式的智能猜测（当规则解析失败时）

• 生成自然语言的清洗日志（便于人理解修改了什么）

• 处理极不规范的表格（比如合并单元格、多行标题）

剩下的，用代码就可以。

晓彤现在每个月第一天的早上，会先打开Agent对话框，发送三样东西：三个Excel文件，一行字"帮我生成月度报表"。然后她去泡咖啡。等她回来，报表已经躺在文件夹里，图表也备好了。

她说："以前我觉得Excel熟练就算本事，现在觉得，能把这种本事教给机器才是本事。"

Excel苦力活的终点，不是更熟练地使用VLOOKUP，而是再也不用手动VLOOKUP。 如果你也受够了每个月翻来覆去地跨表匹配、清洗格式、做图表，不妨从这个月开始，给自己写一个最简单的脚本------比如先搞定"日期统一格式"这一件事。你会发现，从那里起步，Agent离你并不远。