话术 Excel

这是什么？适合谁？

话术 Excel（alchaincyf/huashu-excel）是一个中文原创数据分析与 Excel 全流程 Skill。它覆盖脏表体检、清洗、对齐需求、对账、交付的全流程，让 AI Agent 产出「经得起追问」的数据分析结果。

核心价值：很多 AI Agent 能「算」数据，但不能「对」数据——你问它「这个数字对吗？」，它无法验证。话术 Excel 的核心是「让 AI 算出来的数字经得起追问」——每一步都有校验、有依据、有回溯。

适合人群：

• 数据分析师：需要 AI 辅助但担心数据准确性
• 财务/运营人员：需要处理大量 Excel 报表
• 中小企业：需要低成本的数据分析能力
• 中文用户：原生中文 Skill，无需翻译

不适合：需要实时流数据处理（用 Spark/Flink）；只需要简单公式计算（直接用 Excel 公式）。

使用前提：Claude Code 或 Codex；Python 环境（依赖 openpyxl）；Excel 文件（.xlsx 格式）。

准备工作

1. Claude Code 或 Codex：支持 Skill 安装
2. Python 3.8+：运行 openpyxl 等依赖
3. 成本：Skill 免费（MIT License）；Agent 模型调用按常规计费
4. 时间预算：安装 3 分钟；首次完整数据分析 15 分钟

快速上手（3 步）

第一步：安装

claude install alchaincyf/huashu-excel
pip install openpyxl pandas

第二步：上传数据

"分析这份销售数据 sales-2026.xlsx"

第三步：Agent 自动执行全流程

Agent 自动执行：

1. 脏表体检：检查空值、重复、格式错误、异常值
2. 数据清洗：修正格式、填充缺失值、去除异常值
3. 需求对齐：确认分析目标和维度
4. 数据对账：交叉验证关键指标
5. 结果交付：输出清洗后的数据和报告

初级用法

脏表体检

"检查这份表格的质量：有没有空值？重复行？异常的数值？"

Agent 会输出体检报告：

• 空值列：3 列有缺失（合计 15% 空值率）
• 重复行：12 行疑似重复
• 异常值：销售额列有 5 个负数

数据清洗

"清洗这份数据：删除重复行，空值用中位数填充，修正日期格式"

需求对齐

Skill 的核心特色是「需求对齐」——在分析前与用户确认目标：

Agent：我注意到这份数据包含 2024-2026 年的销售记录。
您想分析：A) 总体趋势 B) 按产品分类 C) 按地区分类 D) 自定义？

高级玩法

对账流程

"将这份销售数据和财务系统的数据对账，找出差异"

Agent 会：

1. 按月份汇总两份数据的销售额
2. 逐月对比差异
3. 标记差异 > 5% 的月份
4. 尝试解释差异原因（时区、汇率、退货等）

自定义分析模板

# analysis-template.yaml
name: 月度销售分析
steps:
  - 数据清洗
  - 按产品分类汇总
  - 同比/环比计算
  - Top 10 产品排名
  - 异常值标记
output:
  - 清洗后的 Excel
  - 分析报告 Markdown

多表关联

"将销售表、库存表、客户表关联分析，找出滞销产品和对应的客户群体"

小技巧

1. 数据备份：分析前让 Agent 先创建备份，「先备份原始数据再开始清洗」
2. 逐步验证：每步清洗后验证，「清洗完成后，先展示前 5 行让我确认」
3. 中文友好：Skill 原生支持中文列名、中文日期格式、中文货币符号
4. 自定义校验规则：添加业务规则，「销售额不能为负，库存不能低于 0」
5. 报告模板：创建标准报告模板，Agent 自动填充数据

常见踩坑

踩坑 1：openpyxl 版本不兼容

现象：安装后报错 ImportError: openpyxl

原因：Python 环境中未安装 openpyxl

解决：pip install openpyxl pandas；确保 Python 版本 ≥ 3.8

踩坑 2：中文编码问题

现象：Excel 中的中文在报告中显示为乱码

原因：文件编码不是 UTF-8

解决：让 Agent 使用 encoding='utf-8' 参数；或先将 Excel 另存为 UTF-8 编码的 CSV

踩坑 3：对账差异无法解释

现象：Agent 标记了差异但无法给出原因

原因：两份数据的口径不一致（如时区、汇率、退货处理）

解决：提供数据字典或业务规则文档；要求 Agent 「列出可能的差异原因，由人工确认」

踩坑 4：大文件处理慢

现象：处理 100MB+ 的 Excel 文件时 Agent 超时

原因：Agent 的上下文窗口和 Token 限制

解决：使用 head -n 1000 先抽样分析；或将大文件拆分为多个小文件

踩坑 5：分析结果不一致

现象：同一份数据，两次分析结果不同

原因：Agent 的随机性 + 未固定的清洗规则

解决：在使用模板中固定清洗规则；设置 temperature=0 减少随机性

常见问题 FAQ

Q1: 和 Excel 自带的 AI 分析有什么区别？

A: Excel 的 AI 分析（如 Ideas）是黑盒的——你只能看到结果，看不到过程。话术 Excel 的每一步都可追溯、可验证、可质疑。对于需要「经得起追问」的数据分析，话术 Excel 更合适。

Q2: 支持 WPS 吗？

A: 支持。Skill 使用 openpyxl 处理 .xlsx 文件，与 WPS 兼容。

Q3: 3 天 250 星的增长是否可持续？

A: 中文 Excel 数据处理是明确的刚需。fork 40 说明用户实际在 Fork 后修改使用。随着中文 AI 用户增长，此类 Skill 的受众会持续扩大。

Q4: 需要数据分析知识吗？

A: 基础使用不需要。但如果要自定义分析模板或验证结果，基础的统计学和数据清洗知识有帮助。

Q5: 数据安全吗？

A: 数据完全本地处理。Skill 不上传数据到任何外部服务器。但 Agent 的 LLM 调用会将数据发送到模型提供商（如 Anthropic/OpenAI），需注意数据隐私。

进阶学习建议

掌握话术 Excel 基础后，建议深入：

1. 数据分析方法论：学习 CRISP-DM（跨行业数据挖掘标准流程）和 TDSP（Team Data Science Process），将话术 Excel 的 Skill 流程与行业标准方法论对齐。
2. 自动化报表：将话术 Excel 与 cron 定时任务结合，实现「每周一自动生成上周销售分析报告」。结合 Solo Skills 的财务管理 Skill 实现更完整的财务自动化。
3. 数据质量监控：基于话术 Excel 的「脏表体检」功能，建立数据质量监控系统——当数据质量指标（空值率、异常值率）超过阈值时自动告警。

参考链接

• 官方仓库
• openpyxl 文档
• CRISP-DM 方法论

最后更新：2026-08-26 · 作者：MagicNetWorld · 基于公开资料整理，AI 辅助生成