还在写 VBScript 处理 Excel？WorkBuddy 零代码替代，效率直接起飞

缘起

第一次遇到简单的数据处理，只会将其导入数据库，使用sql进行分析处理……

后来pandas、numpy出现了，可以免了数据库，直接代码处理

可是，一个、俩个简单的excel，需要用到pandas么？是不是太重了？

因此，不得不捡起vbscript，对于excel自带的函数无法解决的数据分析，vbscript是最快最简单的选择

直到workbuddy的出现，我发现，终于可以放弃vbscript了，这种目前只用于简单数据分析的脚本语言了

对于简单的数据分析来说，workbuddy就像是一个免费的小弟，一些简单的活直接吩咐他干就完了

开始

什么是简单的数据分析工作？

我把那些有着确定的逻辑，不需要上到机器学习去聚类分析的工作，都归这类，比如：系统之间的数据稽核、简单的日志审计、为ppt服务的数据图表……

老规矩，先实例，后理论总结

需求（虚拟的）：

我有个平台导出的专线资料，还有一个oss系统导出的产品状态，我需要将俩个表关联，制作一个产品状态的柱状图，用于ppt汇报

第一步：诊断（让 AI 先体检）

>读取当前工作空间下的"专线用户解析_0519_150116.xlsx"，告诉我这份表有多少行、有哪些列、每列的数据类型，
>以及哪些列有空值或异常值

过了一会儿，他分析完了：

AI 返回总行数、列清单、异常项数量——相当于先做一次"数据体检"。

步骤 2：清洗（先清单后执行）

>帮我按照如下规则清理一下这份数据,先列出问题，等我确认再修复：
> - 删除空行和重复行
> - "内层vlan"非纯数字的值，全部置空
>- "峰值速率"中值为'kbps'的，全部置空
> - 统一日期格式为 YYYY-MM-DD HH24:mi:ss
> - 修复后的数据保存为新文件（_cleaned）

关键技巧：让它先列问题清单，确认后再执行，避免误删。

处理结果：

步骤 3：关联与汇总（自然语言描述分析意图）

>请根据E列（专线IP）、F列（专线掩码），计算 CIDR 子网表示方式，存储在”专线用户解析_0519_150116_cleaned.xlsx“的新的一列，列名叫”子网“，然后根据”子网“列，与文件”prod_status.xlsx”关联，将文件”prod_status.xlsx”的B列（状态）根据关联结果补充到”专线用户解析_0519_150116_cleaned.xlsx“的新的一列，最后输出新的结果文件”专线用户解析_0519_150116_cleaned_status.xlsx“

WorkBuddy 自动识别列名匹配关系，完成关联

步骤 4：可视化与报告（一句话出成果）

>请根据“专线用户解析_0519_150116_cleaned_status.xlsx”的“状态”列统计，以柱状图存储在其新的sheet中，状态为空的统计为一种情况

打开看看效果吧：

总结一下WorkBuddy 的数据处理能力

workbuddy的数据处理能力，可以拆解为：

1. 本地文件全流程操作（核心底座）

WorkBuddy 在授权范围内可直接读写本地文件：读取 Excel/Word/PDF、批量重命名、格式转换、归档。数据处理时，它调用本地 Python 沙盒跑 pandas，读你授权的文件夹，把成品放回原处——零环境配置、零代码。

2. 数据清洗 / 合并 / 透视（Excel 专长）

• 清洗：去重、补缺失、统一日期/格式、剔除异常值，并主动报告，例如"第 3 行第 5 列有异常"。
• 合并：多 Sheet、多文件纵向合并，智能匹配同义字段名。
• 筛选与透视：用自然语言描述分析角度（“按部门+月份做交叉表”），它真正理解意图而非机械筛选。

对应的内置技能 minimax-xlsx：专业处理 .xlsx/.xlsm/.csv/.tsv 的创建、读取、分析、编辑与校验，是 Excel 数据处理的"主力技能"。

内置技能介绍：

安装确认：

3. 可视化与报告生成（多模态创作）

• 柱状图、折线图、饼图、雷达图、仪表盘风格图一句话生成，默认中文正常、配色商务。
• 可输出 HTML 报告（顶部结论摘要 + 每图一句话解读）、PNG 图表、以及独立的图表数据源 专线用户解析_0519_150116_cleaned_status.xlsx 方便二次调整。

4. Skill 技能系统（越用越懂你）

把高频流程"固化"成 Skill 后，下次只说一句就自动走完。例如：

• 医疗数据质量校验流程
• 每日/每周销售报表自动生成
• 金融数据抓取与盯盘（结合行情类技能）

内置相关技能还包括：markitdown-skill（把 PDF/Word/图片/PPT 转成 Markdown，便于纳入分析）、tencent-docs（腾讯文档在线读写）、以及金融分析三件套 wb-finance-skill / westock-data / westock-tool（股票、基金、ETF、财报、选股等结构化数据查询与回测）。

5. Plan / Craft 双模式 + 多方法验证

• Plan 模式：复杂任务先出方案，确认再执行。
• Craft 模式：文件操作、批量处理专用，直接动手。
• 多方法对比验证（医疗作者最爱）：让 WorkBuddy 用不同方法处理同一份数据并自动比对，结果一致才放心用——这点对数据可信度要求高的场景至关重要。

一些实操经验

可复制的通用指令模板

读取[路径]/[文件名].xlsx，按以下步骤处理：
1. 诊断：报告总行数、列名、每列类型、空值与异常值数量
2. 清洗：删除完全重复行；删除[某列]为空的行；把[日期列]统一为 YYYY-MM-DD
3. 汇总：按[维度列，如月份/地区]汇总[数值列]，生成柱状图和折线图
4. 输出：清洗后数据另存为[文件名]_已清洗.xlsx；
         汇总表另存为[文件名]_汇总.xlsx；图表保存为 PNG；全部放到[输出路径]

实用技巧与避坑指南

1. 指令别太模糊：❌"帮我处理下这个表" → ✅"删除重复行、统一日期格式、输出新文件"。把"做什么 + 对什么 + 输出什么"说清。
2. 永远保留原始数据：所有清洗让 AI 另存新文件，养成"输出新文件而非覆盖"的习惯。
3. 中文图表乱码？ 自己写 matplotlib 常踩坑；WorkBuddy 本地环境默认配好中文字体，直接出图正常。
4. 大文件先采样：10 万行以上 Excel 首读较慢，先让 AI 读前 1000 行诊断，逻辑对了再跑全量。
5. 复杂任务用 Plan 模式：先出方案确认方向，再切 Craft 执行，避免理解偏差白费积分。
6. 给足上下文：❌"分析销售数据" → ✅"按月份和区域汇总，涨用红跌用绿，输出折线图"。
7. 让 AI 解释逻辑：结论出来后追问"为什么会得出这个结论？"，既能验证准确性，也帮你写报告言之有物。
8. 善用文件管理：中间产物（清洗后数据、图表数据源）一并保存，调整时不用从头跑。
9. 字段映射优先：多源台账先让 AI 出"字段映射对照表"人工核对，从源头避免错配。
10. 批量有度：单次批量不宜超 50 个文件，大文件分批更稳；重要文件先备份。

小结

拥抱workbuddy，抛弃vbscript，省下的时间，去喝杯咖啡