行政、运营、财务岗位里大量时间耗在表格杂活上：格式不统一要清洗、两张表要对账、月底要从数据里憋分析报告。这些活有个共同点——规则明确、重复劳动、不需要创造力，恰好是 AI 最擅长的。本文给三类场景的完整打法。
场景一：数据清洗与格式统一
典型痛苦：从各处收上来的表格，日期有"2026/7/1""2026-07-01""7月1日"三种写法，姓名列里混着空格和全角括号。
做法：把表头和有代表性的 20 行数据贴给 AI（脱敏后），说明目标格式：
这是一份客户登记表的部分数据（CSV 格式）。
问题：日期列格式混乱、姓名列有多余空格、手机号有的带区号有的不带。
请给我一段 Python pandas 脚本，完成：
1. 日期统一为 YYYY-MM-DD
2. 姓名去除首尾空格、全角括号转半角
3. 手机号统一为 11 位纯数字，无法识别的标记为"待核对"
数据粘贴如下：
...
让它生成脚本而不是直接改数据，好处是脚本可以复用——下个月新数据来了，跑一遍就完事。不会配 Python 环境的话，也可以让它直接输出清洗后的数据（小数据量时可行），或生成 Excel 公式/Power Query 步骤。
场景二：多表合并与对账
典型痛苦：销售表和回款表按"订单号"对，找出已发货未回款、金额不一致的记录。
做法：分别描述两张表的结构，明确关联键和输出要求：
表A（销售）：订单号、客户、金额、发货日期
表B（回款）：订单号、回款金额、回款日期
请生成脚本，输出三张结果表：
1. A中有但B中没有的订单（未回款）
2. 两边金额不一致的订单及差额
3. 汇总：总订单数、已回款率、异常订单清单
AI 生成 pandas 的 merge 脚本通常一次就对。关键是关联键要先自己抽查：订单号有没有前后空格、大小写不一致，这类脏数据会让 merge 静默丢行。
场景三：从表格到分析报告
把汇总数据（而不是明细）贴给 AI，让它做解读：
以下是本季度各产品线的月度销售额与环比（单位：万元）：
[数据]
请输出：1) 三个最重要的发现，每个用数据支撑
2) 一个需要警惕的风险点
3) 给下季度的一条可执行建议
用口语化但专业的中文，不超过 500 字。
注意明确"用数据支撑"和字数限制，否则容易得到空洞的套话。AI 的初稿是骨架，业务洞察要自己把关——它不知道某个产品线下滑是因为主动收缩。
防错检查清单
AI 处理表格最大的风险是"看起来对"。每次交付前过一遍：
- 行数对不对：输入 1000 行，输出必须能解释每一行的去向
- 抽查 5 条边界数据：空值、最大值、格式异常行
- 金额类字段人工合计一次，与原表总数比对
- 敏感数据（身份证、薪资）上传前先脱敏，或只用本地部署的工具处理
常见问题
Q：表格太大贴不进去怎么办？ 贴结构和样本行，让 AI 生成脚本在本地跑全量数据；不要试图把几万行塞进对话框。
Q：生成的脚本跑报错？ 把报错信息原样贴回去让它修，两轮内基本能好。
Q：公司数据不能外传？ 用公司批准的内部 AI 工具，或考虑本地模型方案，别抱侥幸心理。
进阶：把一次性操作沉淀成模板
第一次让 AI 帮你清洗某类表格成功后，别关掉对话就完事。花五分钟做两件事：
- 保存提示词：把最终生效的完整提示词存进团队文档，注明适用的表格类型和已知限制（比如"日期列超过三种格式时要人工先看一眼"）。
- 保存脚本：把生成的 Python 脚本放进共享目录，命名写清用途，顶部注释写明输入格式要求。
三个月后再看，你会发现团队里最重复的五六种表格活全都有了现成的"一键方案"，新同事入职直接拿来用。这才是 AI 办公自动化的真正复利——不是某次省了半小时，而是把隐性经验变成了显性资产。
小结
表格自动化的正确姿势是"AI 写规则，程序跑数据，人来做校验"。把你每周重复的表格活整理成两三个固定模板，第一次投入一小时，之后每周省下的都是净赚的时间。