用 Agent 做 Excel 报表自动化：从每月加班到一键生成

每月月底，我都要花 3-4 小时做一份销售报表：从系统导出数据 → 打开 Excel → 清洗 → 透视表 → 图表 → 排版 → 发邮件。这份重复劳动，其实完全可以让 Agent 接管。

这期分享我怎么用 Agent 把「月度报表」从手工 3 小时变成一键 10 秒，中间踩了不少坑。

一、先拆：报表生产有哪些环节

复制代码

导出数据 → 数据清洗 → 聚合计算 → 图表生成 → 排版输出 → 邮件发送

逐个分析哪些能自动化：

环节	能不能自动化	谁来干
导出数据	✅	Agent（调接口/读库）
数据清洗	✅	Agent（去空/去重/格式统一）
聚合计算	✅	Agent（透视/分组/汇总）
图表生成	✅	Agent（matplotlib/openpyxl）
排版输出	✅	Agent（模板渲染）
邮件发送	⚠️ 敏感	人确认后手动发（涉及外部发送）

二、数据清洗：Agent 最擅长的脏活

原始数据永远有一堆坑：空行、重复、格式不统一。用 pandas 几行搞定：

python 复制代码

import pandas as pd

df = pd.read_excel("sales_raw.xlsx")
# 清洗
df = df.dropna(subset=["order_id"])          # 去空订单
df = df.drop_duplicates(subset=["order_id"]) # 去重
df["amount"] = pd.to_numeric(df["amount"], errors="coerce")  # 统一数字
# 输出
df.to_excel("sales_clean.xlsx", index=False)

关键：清洗规则要写死（可解释、可复现），不要每次让 Agent 临场发挥。

三、聚合计算：透视表逻辑

报表的核心是聚合，规则由人定：

python 复制代码

pivot = df.pivot_table(
    index="region",          # 按地区
    columns="month",          # 按月
    values="amount",
    aggfunc="sum",
)

把指标定义清楚（GMV、单量、客单价、环比），Agent 按公式算，不主观发挥。

四、图表 + 排版：模板化

图表不要每次重新设计，固定模板 + 填数据：

python 复制代码

import matplotlib.pyplot as plt

fig, ax = plt.subplots(figsize=(10, 4))
pivot.plot(kind="bar", ax=ax)
ax.set_title("各区域月度销售")
fig.savefig("chart.png", dpi=150, bbox_inches="tight")

模板的好处：

风格统一，领导看着顺眼
换数据就行，不用每次调样式

五、生成最终 Excel（openpyxl）

python 复制代码

from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill

wb = Workbook()
ws = wb.active
ws.append(["区域", "GMV", "同比"])
ws.append(["华东", 123456, "+12.3%"])
# 样式：表头加粗、背景色

注意：样式（表头、配色、列宽）做一次，以后复用，Agent 每次都套模板。

六、踩坑记录

公式 vs 值：Agent 直接写死计算值，不写公式。读取方看不到公式，只看到结果，更稳。
编码：Excel 中文乱码 → 统一 UTF-8。
数据源权限 ：报表数据从系统导出，要用接口/脚本，别用爬虫硬爬页面。
脱敏：报表中的客户名/订单号等真实信息绝不落盘、不发外部，只留必要字段。
别让 Agent 直接发邮件：对外发送一律人工确认（合规）。

七、效果

耗时：每月 3 小时 → 一键 10 秒（清洗+聚合+图表+排版）
准确率：规则固定，无人为遗漏，出错率降为 0
复用：模板固化，换数据源就是改配置

总结

Excel 报表自动化是 Agent 的完美场景：

复制代码

导数据（脚本）→ 清洗（pandas）→ 聚合（规则）→ 图表（模板）→ 排版（模板）→ 人确认发布

一切机械、可重复、有规则的工作都交给 Agent，涉及对外动作（发邮件）永远留给人。 这样每月省下 3 小时，还不背锅。

下一篇（Java 系列收官）：接口性能压测与优化实战，从 JMH 到生产瓶颈定位。