刷到那篇大模型全景测评，我关了页面，继续用 WorkBuddy 整理社团的烂摊子

刷到那篇 CSDN 的 8 月大模型性能全景，Claude 登顶文本、Kimi 称霸编码，多模态都进全模态时代了。评论区一片沸腾，又是编码效率翻倍又是 Agent 能力炸裂。我看了十分钟，关掉，回头继续用 WorkBuddy 整理我们社团的招新报名表。

不是抬杠。而是昨晚我干了件特别「不 AI」的事：把 47 份格式乱七八糟的报名表数据，一个个手工对齐。周日晚上 10 点，对着屏幕，日期格式有 2026-08-01 也有 2026/8/1，手机号有 11 位也有带横杠的，还有三个同学把「专业」填成了「计算机科学与技术学院」和「计科」两种写法。那一刻我深刻地意识到一件事：大模型再强，也救不了表单设计不合理的问题。

但今天上午，我重新用 WorkBuddy 跑了一遍，总共不到二十分钟，就拿到了可以直接交给指导老师的汇总表。分享一下我的实操路径，也许对同样被表格折磨的人有用。

第一步：别急着开干，先建数据源

打开 WorkBuddy 后，先别急着把表格往对话框里拖。我踩过的坑是：直接丢文件进去，它识别出来的列名五花八门，跟你手动合并没区别。正确做法是，在左侧导航栏找到 数据源管理，点进去新建一个数据源，把 47 份 Excel 文件全部拖进去。它会自动识别所有列，并给你一个统一的字段映射界面。这一步花了我大约五分钟，但后面省了不止半小时。

关键是，在这个界面里要做一次「字段映射」：把「学院」「专业」「班级」这些叫法不一的列，统一映射到标准的字段名。然后打开 数据清洗规则，设置日期格式为 YYYY-MM-DD，手机号去掉所有横杠和空格，文本字段自动去首尾空格。设置完点 预览，右侧会实时显示清洗后的效果。我检查了一下，47 份文件全部识别成功，只有两份因为表头是图片格式需要手动确认，其他都自动对齐了。

第二步：让 AI 跑一遍，但别全信

数据源配置好之后，我在对话窗口输入指令：「把数据源里所有报名表合并，按姓名去重，按学院分组统计人数，输出一份汇总表和一个统计图表」。WorkBuddy 跑完大约 40 秒，生成了一份合并后的表格和一张柱状图。看起来没问题，但我发现一个问题：它把「计算机科学与技术学院」和「计科」识别成了两个学院。这不算错，但统计口径不对。

处理方式是点开表格右上角的 编辑结果，在「学院」列上右键，选择 合并相同值，把「计科」「计算机学院」这些别名统一映射到「计算机科学与技术学院」。改完再点 重新统计，图表就自动更新了。这个功能是我觉得 WorkBuddy 比纯 AI 对话工具强的地方：它能生成结果，也允许你手动干预，而不是让你接受一个「看起来对但实际口径不对」的答案。

第三步：权限和导出，别漏掉

最后一步是导出。我点了 导出，选了 Excel 格式，然后发现导出前有个 权限设置 的选项。这里可以设置谁能查看、谁能编辑。我设了「指导老师可编辑，其他成员只读」，然后生成了分享链接。这个对社团场景可能不重要，但如果给导师或者公司用，这个权限控制挺贴心的。

导出之后我花了两分钟抽查了 10 条数据，姓名、手机号、学院都没问题。唯一要提醒的是，它导出的 Excel 里，如果原始数据某个单元格是空白的，它保留空白而不是填「无」，这个我一开始没注意，后来手动补了一下。

一点个人判断

这次跑通之后，我算是把之前对 WorkBuddy「能生成但不可交付」的看法修正了一点。它现在确实能做到「可交付」了，前提是你愿意花几分钟在 数据清洗规则 和 字段映射 上。工具越强大，对使用者的数据素养要求越高，这句话我上周就说过，现在依然成立。大模型榜单再好看，落到具体场景里，还是得自己把边界条件理清楚。