Excel 处理数据的能力并不弱，弱的是操作效率。你明明会用 VLOOKUP、嵌套 IF，但面对十几个 Sheet、几万行数据，手动操作就是慢、还容易点错。

WorkBuddy 不是又一个 Excel 插件，它是一个能直接操作你电脑文件的 AI Agent：你输入自然语言需求，它自动打开 Excel、执行操作、保存结果——不需要写代码，连鼠标都不用动。

一、WorkBuddy 是怎么工作的

你的自然语言指令
   → 意图识别 Agent 解析需求
   → 代码生成 Agent 生成 VBA/Python 脚本
   → 执行与回滚 Agent 在沙箱中运行（出错自动回退）
   → 结果写入 Excel 文件

关键点：全程本地化运行，数据不离开你的电脑。财务数据、客户名单、销售报表都不会上传到公网。

典型效果：原本”手动 6 步操作 2 分钟”的任务，变成”一句话 5 秒”。

二、实战：用户数据全流程自动化

本文用一份电商用户个性化特征数据（1000 条记录、16 个字段：年龄、性别、收入、消费行为等）演示完整流程。工作流分五个阶段，每个阶段都只需要一条自然语言指令。

阶段 1：数据导入与初探

打开 user_personalized_features.csv，完成以下操作：
1. 读取全部数据，告诉我总行数、总列数
2. 列出所有字段名和数据类型
3. 检查是否有缺失值，统计每列的空值数量
4. 对数值字段给出描述性统计（均值、中位数、最大最小值）
5. 对文本字段统计唯一值个数

执行结果：自动识别 CSV、输出 1000 行 × 16 列的体检报告，还顺带发现 2 个需要清理的索引列——这是”开箱”阶段最该做的事。

阶段 2：数据清洗与标准化

对当前数据做清洗：
1. 删除重复行
2. 年龄、收入等数值字段，把异常值（如负数、超范围）标记出来
3. 行政区字段统一为 城市/郊区/农村 三种标准值
4. 缺失值处理：数值列填中位数，文本列填"未知"
5. 所有金额统一保留两位小数

阶段 3：分组聚合分析

按地域（Location）分组，统计：
1. 各区域的用户数、平均收入、平均总消费
2. 各区域的高消费用户（总消费 > 3000）占比
3. 结果用透视表输出到新工作表

阶段 4：多维交叉分析

做交叉分析：
1. 地域 × 产品偏好类别：各组合的用户数
2. 年龄分段（≤25、26-40、41-55、55+）× 是否订阅邮件：消费均值对比
3. 输出为交叉表，突出显示消费最高的单元格

阶段 5：可视化与报表输出

生成最终报表：
1. 各区域平均消费柱状图
2. 高价值用户占比饼图
3. 把图表和汇总数据整理到一张"数据分析报告"工作表
4. 文件另存为 用户分析报告.xlsx

三、筛选高价值用户的经典指令

帮我筛选总消费 > 3000 且购买频次 ≥ 10 的高价值用户，
把结果保存到一个新工作表，并按总消费降序排列

WorkBuddy 会自动执行筛选、排序、新建工作表，几十秒内给出结果。

四、经验要点

  • 指令要”分步+具体”：一次说清楚做什么、按什么条件、结果放哪
  • 清洗放前面：先体检、再清洗，后面所有分析才靠谱
  • 善用沙箱回滚：操作错了会自动回退，放心试

小结

  • WorkBuddy = 自然语言驱动的 Excel 自动化 Agent，无需代码
  • 五段式工作流：导入初探 → 清洗 → 聚合 → 交叉 → 可视化
  • 数据不出本机，安全可控

下一篇：AI+Excel 实现数据自动化处理，看看通用 AI 工具怎么做同样的事。