“用 AI 做表格”这句话,在不同人嘴里指的其实是三件事:把零散信息录成表、把乱表整理干净、从表里看出结论。这三件事需要的工具和提示词完全不同,混在一起做,结果就是 AI 给你一堆看着像表格、但打不开也算不了的东西。这篇按真实工作顺序,把三步拆开讲。
职场做表格的三种场景,先分清你要哪一种
动手之前先对号入座,选错场景是效率最低的一种错:
- 录入型:信息在聊天记录、邮件、纸质单据或图片里,需要变成结构化的表。
- 整理型:表已经有了,但列名混乱、日期格式不统一、有空值和重复行。
- 分析型:表是干净的,需要算出汇总、对比和结论。
大部分人卡住,是因为拿着录入型的需求去问分析型的问题。比如把一张截图丢给 AI 就问”这个月哪个渠道最好”,它得先认字、再建表、再计算,任何一步出错都会影响最终答案。分开三步做,每步都能验,错了也知道错在哪。
第一步:让 AI 把零散信息变成规范表格
这一步的核心不是”生成表格”,而是先定表头再填数据。直接说”帮我整理成表格”,AI 会自己发明列名,十次有八次不是你要的。
- 先写清楚你要哪几列,以及每列的取值范围(日期格式、金额单位、状态只能有哪几种)。
- 把原始信息整段贴进去,不要自己先删减,AI 需要上下文判断归属。
- 要求输出为 Markdown 表格或 CSV 文本,而不是描述性文字——前两者可以直接粘进 Excel 或 WPS。
如果原始信息在图片或截图里,先走一遍图片识别再进这一步,具体做法见把图片里的数据转成表格。信息散在聊天记录里的情况,可以参考从聊天记录整理待办的拆解思路,原理是一样的:先定字段,再抽取。
第二步:让 AI 清洗表格里的脏数据
录进来的表通常有四类问题,值得逐类交给 AI 处理,而不是一次全丢过去:
- 格式不统一:“2026/8/1″”2026-08-01″”8月1日”混在一列,要求统一为
YYYY-MM-DD。 - 同义不同写:“华东””华东区””华东大区”其实是一个,要求归并并列出归并对照表。
- 空值和异常值:要求单独列出空行和明显离群的数值,由你决定怎么处理,不要让 AI 自己填。
- 重复行:要求按你指定的主键(如订单号)去重,并报告删了几行。
清洗环节最重要的规则是:让 AI 报告改了什么,而不是默默改完。只要它列出对照表,你花一分钟扫一眼就能发现归并错误。
第三步:让 AI 从表里读出结论
表干净之后,分析才有意义。这一步有两条路径,按你会不会公式来选:
- 会用 Excel:让 AI 写公式,你在表里执行。这样数据不出本地,结果也可复算,写法见AI 写 Excel 公式提示词;用 WPS 的话可以直接对着WPS AI 公式写法操作。
- 不想碰公式:把清洗后的 CSV 贴给 AI,让它直接给汇总和结论,但必须要求它同时输出计算过程,否则数字无法核对。
需要按维度交叉汇总时,数据透视表仍然是最稳的做法,AI 可以帮你把行、列、值该放什么想清楚,具体步骤见AI 做数据透视表。要把结论写成给领导看的报告,再接AI 写数据分析报告提示词。
可直接复制的 AI 做表格提示词
这段提示词覆盖录入和清洗两步,是最常用的组合。复制后把方括号内容换成你自己的:
你是一名数据整理助手。请把我提供的原始信息整理成规范表格,不要编造我没有提供的数据。
原始信息:{粘贴聊天记录、邮件、单据文字或已有表格内容}
需要的列:{例如 日期 | 客户名称 | 产品 | 数量 | 金额 | 状态}
字段规则:
- 日期统一为 YYYY-MM-DD
- 金额保留两位小数,单位元,不带千分位
- 状态只能是{已完成 / 进行中 / 已取消}之一
- 去重主键:{例如 订单号}
处理规则:
1. 原始信息里没有的字段,填"待确认",不要推测
2. 同义写法先归并(如"华东/华东区"归为"华东"),并单独输出归并对照表
3. 空值、异常值、无法归类的行单独列出,不要自行删除或填补
4. 按{日期}升序排列
输出格式:
一、规范表格(Markdown 表格,可直接复制到 Excel)
二、归并对照表(原写法 | 归并后)
三、待确认清单(行号 | 缺什么 | 建议怎么补)
四、处理统计(共 N 行,去重删除 N 行,待确认 N 行)
输出后自检:
- 表格列数是否与"需要的列"完全一致?
- 是否出现了原始信息中不存在的客户、金额或日期?若有,改为"待确认"
- 状态列是否只出现了允许的取值?
一个真实示例:把订单聊天记录整理成可分析的表
输入(节选自微信群聊):
8月1号 华东 张总要了 20 箱 A 款,单价 68 8/2 华东区 李经理 A款 15箱 68块 已经发货了 8月2日 华南 王主管 B款 30箱 单价 95,还没确认
AI 按上面提示词输出(节选):
一、规范表格 | 日期 | 区域 | 客户 | 产品 | 数量 | 金额 | 状态 | | 2026-08-01 | 华东 | 张总 | A款 | 20 | 1360.00 | 待确认 | | 2026-08-02 | 华东 | 李经理 | A款 | 15 | 1020.00 | 已完成 | | 2026-08-02 | 华南 | 王主管 | B款 | 30 | 2850.00 | 进行中 | 二、归并对照表 | 原写法 | 归并后 | | 华东区 | 华东 | 三、待确认清单 | 1 | 状态未说明 | 需确认是否已发货 |
注意第一行的状态是”待确认”而不是被猜成”已完成”——这正是”没有的字段填待确认”这条规则起的作用。如果不写这条,AI 大概率会替你补一个看起来合理的状态,而你根本不会发现。
用 AI 做表格最容易踩的四个坑
- 不定表头就让它整理:列名每次都不一样,多批数据合不到一起。
- 让 AI 直接算钱:大模型做乘法和求和会出错,涉及金额一律让它写公式,由 Excel 执行。
- 一次丢几百行进去:超出上下文会被截断,而且它不会告诉你截断了。建议每批 50 行以内,分批做。
- 敏感数据直接上传:客户手机号、身份证、合同金额等,先做脱敏或只上传结构不上传值。
AI 做表格的能力边界
AI 在”把非结构化信息变成结构化数据”这件事上确实好用,尤其是格式统一和同义归并,速度远超手工。但它不是计算工具,也不是数据库:批量精确计算交给公式,大数据量交给 Excel 或数据库,AI 负责的是中间那段又碎又烦的整理工作。
一个稳妥的分工是:AI 出表结构和清洗对照表,你花两分钟核对,再由 Excel 完成计算。这样既省了手工录入的时间,也不会把算错的数字交上去。刚开始用 AI 处理办公任务的话,可以先看普通人怎么开始用 AI建立整体印象。
别急着生成，先把事实补齐
例如，零散信息录入表格后直接交给AI分析，结果把文本数字和空值都当成零。这类任务的难点通常不在“让AI写一段话”，而在于先把事实、边界和交付对象理顺。开始前应单独列出已有材料、尚未确认的信息和不能由模型替你决定的事项。没有依据的数字、承诺、人员安排和专业结论一律标记待确认，不用看似完整的句子掩盖信息缺口。
处理时重点抓住这些要素：录入规则、字段类型、清洗步骤、计算口径、异常值和结论证据。先用一小段材料跑通，再扩大到完整任务，能更早发现字段缺失和理解偏差。涉及多人协作时，最好让下一位执行者复述一遍：他从文档里看到了什么、准备先做哪一步、遇到什么情况需要停下。复述不一致，说明文档仍需修改。
一个可以复核的处理过程
一个常见的失败版本是：把录入清洗分析混在一次完成，公式结果转成静态数值，结论无来源。它往往表面整齐，实际无法执行。修正时不要只让AI“更专业”，而要指出哪一项事实缺失、哪句话无法验证、哪一步没有责任人或判断条件。每轮只改一类问题，并保留修改前后的差异，后续才能沉淀出稳定做法。
- 事实核对：人名、日期、金额、指标、文件版本和业务规则回到原始材料逐项确认。
- 边界核对：区分已经决定、正在讨论、个人建议和模型推断，不能把四者混写。
- 执行核对：动作写到具体对象、负责人、时间和可观察结果，删掉“持续关注”“及时处理”这类空话。
- 风险核对：敏感数据先脱敏，合同、财务、法律、安全、医疗等结论交给相应专业人员。
交付前用一个简单标准验收：原始数据保留，清洗过程可回退，公式抽样正确，结论能定位明细。再安排一次反例检查，故意输入一条缺日期、缺负责人或相互冲突的材料，看结果是否会明确提示缺口，而不是自行补全。能在正常情况和异常情况下都给出可核对结果，这套做法才算真正可复用。
最后保留三样东西：原始材料、采用的版本和人工确认记录。下一次遇到相似任务，可以复用字段和检查表，但仍要替换当次事实。模板的价值是减少遗漏，不是让所有场景得到同一答案；只要任务目标、读者或约束变化，就应重新检查输入和验收条件。