WorkBuddy 实操：别急着让 AI 三分钟生成报表，先把 Excel 压成能复核的表

WorkBuddy 实操，别急着让 AI 三分钟生成报表，先把 Excel 压成能复核的表

昨晚刷到一篇教程，标题很直接，Python + DeepSeek 自动化 Excel 数据分析，3 分钟生成老板想要的报表。我用了 WorkBuddy 一个月，也跑过 Pandas，第一反应是怀疑。老板要的是三分钟内别把错数据包装得像真报告。

我的判断越来越偏，AI 办公工具在报表流程里最该替人留下证据，记录每一行为什么被改、为什么被删、哪些字段没对上。WorkBuddy 用了一个月，我更愿意把它放在报表质检这个位置。这套流程适合第一次用的人，不一定适用所有公司，路径可以照抄。

先别接飞书，先把报表拆成可拒绝的输入。我这边飞书、钉钉、企微都才刚上手，权限不敢乱开，任何 AI 工具先别接全公司文档。新建一个本地测试文件夹，里面建三个子文件夹，`raw` 放原始文件，`output` 放清洗结果，`audit` 放日志和差异表。打开 WorkBuddy，点左侧新建任务，顶部选本地文件处理，不要选自动同步云盘。把 Excel 或 CSV 拖进输入区，CSV 就是逗号分隔的表格文件，适合后面继续算。任务类型选表格清洗，模板有销售明细就先用，没有就选通用表格。只勾选识别字段、统一格式、去重、生成清洗表、生成审计表，先别勾自动总结、生成报告。关键参数设成日期统一为 `YYYY-MM-DD`，金额拆成数字列，单位写元，空值不要自动填 0，统一标记 `NA`，重复判断键先用订单号加客户 ID 这类业务主键。输出格式选 CSV，勾选保留原行号和生成审计文件。点试运行，看到影响行数和高风险字段后，再点执行。这一步慢一点，后面少背锅。

WorkBuddy 把判断留痕。清洗跑完后，WorkBuddy 通常会输出两个文件，一个 `cleaned.csv`，一个 `audit.csv`。前者是干净表，后者是审计文件，告诉你哪些行被改了、哪些被删了、哪些字段缺失。我一般先看 `audit.csv` 里删除行和合并行，数量超过原始数据大约 1% 就停，回去检查源表。再看日期列，有没有把 2026/9/8 写成 2026-09-08，或者把文本暂无混进数字列。最后看金额列，异常值不要直接删，金额大于 3 倍中位数，或小于 0，先标黄，不自动处理。如果老板急着要图，我会把 `cleaned.csv` 丢进 Quick BI 或 Excel 透视表。我现在更信任它做报表前的质检，图表越漂亮，错数据越容易骗人。

权限和运维方面，WorkBuddy 用一个月，我给自己定了三条规矩。原始文件只有我或数据负责人可写，业务同事只读 `output`。每次运行都带 `run_id`，比如 `2026-09-08_sales_v1`，方便回溯。每周一检查一次字段映射，字段映射就是把不同系统里的客户名称、客户名、`customer_name` 统一成同一个列名。这里有个坑，我一开始让它同时处理 Excel、PDF 和邮件附件，结果扫描件日期识别不稳。后来拆开做，先处理结构化表，PDF 单独走文档提取，并保留人工复核列。

这套流程真正省下的是三小时解释为什么报表错了。如果你刚用 WorkBuddy，别急着让它接管汇报，先把它当成报表生成前的口径锁，字段、主键、异常值没对上，就不许出结论。