用AI写Python脚本自动化处理Excel，告别重复劳动

1. 事情是怎么开始的一堆破事全撞一起了1.1 那天的真实工作场景我先交代一下背景。我在一家不大不小的公司做运营支持日常工作里有一大半是重复性的数据整理每天要从系统里导出好几份Excel报表按照固定的规则清洗、去重、汇总再把结果填到周报模板里。平时这套流程手动操作少说也得磨掉一上午。那天尤其惨月底最后一天数据量是平时的三倍。我打开第一份表的时候心里已经在盘算该怎么熬过这六个小时了。就在我机械地复制粘贴、删行、排序、填公式的时候脑子里突然蹦出一个念头这活儿能不能让脚本干其实之前我也想过用脚本但一直没动手。原因很简单我并不是科班出身的程序员Python学过基础语法写个hello world没问题真到处理 Excel、批量改文件这种实用场景还是两眼一抹黑。那天我实在不想手动干到下班于是打开了 DeepSeek把我的需求原原本本打了进去。1.2 为什么我想用脚本而不是继续手工说实话在决定写脚本之前我给自己算过一笔账。手动处理月度Excel报表按我平时的速度大约4到6个小时期间全是复制、筛选、删行、粘贴这类零脑力操作枯燥不说还特别容易出错。而写脚本我得先花时间学习和调试可能前几次折腾下来比手动还慢。但问题在于这类任务是每个月都要来一遍的。这周花半天把脚本调通以后每个月都能省下大半天半年下来就是好几天的量。而且脚本不会累不会看错行不会把某个数值漏掉。哪怕第一次写脚本的效率不如手工长期看依然是稳赚不赔的买卖。另外还有一层我当时正好看到同事用 AI 工具写了点小工具效率高得离谱。我也想试试哪怕不成功起码搞清楚这条路到底走不走得通。于是我就这么一脚踩进了AI 写脚本这个坑里后续一整天都没怎么碰那堆表格。2. DeepSeek 写脚本的正确打开方式2.1 需求描述比想象力重要很多人让 AI 写脚本第一句就是给我写个 Python 脚本处理 Excel。这种问法不能说错但大概率得不到好结果。AI 不是魔法师它只能根据你给的信息来推断需求如果连你自己都没想清楚要处理什么格式、按什么规则加工、输出成什么样它也只能给你一个看似通用、实际哪哪都不对的半成品。我用下来最管用的办法是把自己当成了一个即将离职、需要把工作交接给同事的人。交接的人什么都不知道所以我得把所有信息讲清楚包括文件从哪里来叫什么名字在哪个目录是什么格式数据长什么样有哪些列哪些列是关键的数据有什么问题比如有空行、有重复、有单位不一致等最终要什么结果是汇总表、是新的 Excel 文件还是直接改原文件具体举个例子。我当时的原始需求是我在一个文件夹里有一堆Excel文件每个文件是一个项目的销售明细列包括 项目名称、销售日期、客户名称、产品型号、金额、负责人。 这些文件里有些行是重复的有些金额列是文本格式带人民币符号。 我需要把所有文件合并成一张表去掉重复行金额列改成数字格式 并且按负责人汇总一下每个人的总金额输出一个新的Excel文件。这段描述我给 DeepSeek 之后它给我的回答一下子就靠谱了很多先列了需要用到的 Python 库然后直接给了完整代码甚至连如果是 pandas 没装、运行报错时怎么办这种提示都附上了。你要问我这中间有什么诀窍真没有。就是把需求掰开揉碎喂给 AI。2.2 从 0 到 1第一个能跑的脚本拿到 AI 给的代码后我并没有直接复制就跑。因为我知道一次性成功的概率极低。我的做法是先把代码看一遍不用看得多懂重点看几个关键部分它读文件的路径对不对列名和我表里的对不对得上输出的文件写到哪了。确认这些大方向没毛病之后我把代码存成merge_excel.py放到放 Excel 文件的文件夹里打开终端跑了一下。第一运行报了两个错误都是正常的ModuleNotFoundError: No module named pandas也就是缺库有一个文件的列名和我描述的不一致导致合并时报错缺库这个简单执行pip install pandas和pip install openpyxl就能解决。列名不一致这种我只能手动打开那个文件看一眼把 AI 代码里读列名的部分改成实际值。过程大概花了十来分钟第二版脚本就能正常跑完了输出结果和我的预期完全一致。2.3 迭代优化让脚本更聪明第一个脚本能跑只解决了从无到有的问题。接下来我还想让脚本更省事一些最好是双击就能跑不用每次打开终端敲命令。这一步我用的是让 DeepSeek 帮我加一个功能把脚本打包成 exe 可执行文件。这次我的需求提得很具体我想把这个 Python 脚本打包成 Windows 上能直接双击运行的 exe 文件 用户不需要安装 Python 环境。 请告诉我用什么工具、具体命令和注意事项。DeepSeek 推荐了 PyInstaller给出的命令是pip install pyinstaller pyinstaller -F merge_excel.py我在自己的电脑上一跑确实在dist文件夹里生成了一个 exe。双击之后命令行一闪而过但 Excel 文件也已经在文件夹里生成好了。那一刻的感觉怎么说呢有点像第一次进厨房把黑暗料理做成了正常饭菜挺有成就感的。不过这里要提醒一句PyInstaller 打包的 exe 体积会比较臃肿启动速度也慢如果只是自己在公司电脑上用完全不必这么搞直接用 Python 跑更快更省事。打包成 exe 更适合那种你想把脚本分给别人、但对方电脑没装 Python 的场景。我后来确实拷给了一个同事用她连 Python 是什么都不知道双击就完事了。3. 核心脚本实录从需求到落地3.1 需求梳理为了让这篇文章对你有实际参考价值我决定把当天处理的一个核心任务完整复盘一遍。这是一套批量筛选并拆分 Excel的脚本也是我忙活了一整天的成果里最有代表性的一个。具体场景是这样的我手上有个大表大概 1 万多行里面记录了全公司所有客户的历史跟进记录。我需要按客户名称拆分成多个小表每个客户一个文件方便发给对应的销售经理。如果手动操作用 Excel 的筛选、复制、新建文件一套流程一个客户折腾 1 分钟300 个客户就是 5 个小时。我把这个需求发给 DeepSeek 时额外强调了三点拆分依据是 A 列的客户名称每个客户单独存成一个 xlsx 文件文件名字就用客户名称原始大表的一个表头行要保留在每个拆分后的小表里这三个点直接决定了脚本的骨架。3.2 生成脚本的过程DeepSeek 第一次给出的脚本是这样的形态import pandas as pd # 读取原始大表 df pd.read_excel(客户跟进记录.xlsx) # 按客户名称分组 for customer, group in df.groupby(客户名称): # 把每个分组的数据写入单独的 Excel 文件 group.to_excel(f{customer}.xlsx, indexFalse)光看代码确实短逻辑也算清楚但我知道直接拿去跑肯定有问题。最大的坑在这里如果客户名称里带有/、\、:这种特殊字符Windows 文件名里是不允许出现的保存文件时会直接报错。我把这个问题反馈给 DeepSeek它立刻补上了字符清理的逻辑import pandas as pd import re df pd.read_excel(客户跟进记录.xlsx) for customer, group in df.groupby(客户名称): # 清理文件名中不合法字符 filename re.sub(r[\\/:*?|], _, str(customer)) group.to_excel(f{filename}.xlsx, indexFalse)这里插一句和 AI 协作的一个关键心得是它第一次给的方案基本是标准答案能覆盖大部分常规场景。但真实世界总有各种小意外你的价值就在于发现问题、反馈问题、让它修补。这个过程看起来简单实际上特别考验你对业务场景的理解。3.3 验证与结果脚本写完不能直接信我特意找了几个边界情况测试客户名称为空的行客户名称只有 1 条记录的情况客户名称为纯数字、纯符号的情况第一个版本在跑空客户名的行时直接把文件存成了.xlsx也就是文件名称为空后来加了个判断if pd.isna(customer) or str(customer).strip() : continue把所有测试跑完后我数了数生成的文件夹数量和原始大表里的客户数是一致的。我又随机抽了三个小表打开人工核对数据行数、字段内容和原表一致。到这一步这个脚本才算真正交付。顺便说一嘴如果你不想在本机装 Python 环境现在 DeepSeek 这类工具也支持直接在线运行代码片段或者通过网页版上传文件快速处理只是文件大小和隐私方面需要你自己掂量。我当时用的是本地环境因为表格里有客户信息放本地更稳妥。4. 实操过程与环境配置那些年踩过的坑4.1 本地 Python 环境到底怎么搞如果你以前没在电脑上跑过 Python 脚本第一次实践最麻烦的往往不是写代码而是把环境配好。根据我自己的经验以及身边好多第一次用脚本的人踩过的坑我整理了一套最省心的步骤。第一步去 Python 官网下载安装包。这里注意Windows 用户安装时一定记得勾选Add Python to PATH这个勾不选后面会多出一堆命令不识别的破事。第二步安装的时候选择默认安装就行不用改什么自定义路径除非你 C 盘真的没地方了。第三步打开命令行终端我一般用的是 Windows 自带的 PowerShell输入python --version如果显示版本号说明环境配好了。这里不得不说一句很多人第一步就折了报错信息是热搜词里那条经典款python : 无法将“python”项识别为 cmdlet、函数、脚本文件或可运行程序的名称这个报错的本质就是 Windows 找不到python这个命令。市面上 90% 的情况是没勾选Add to PATH或者勾选了但安装完没有重新开终端。解决办法也很简单重新运行 Python 安装包选择 Modify勾选 Add Python to PATH然后重启终端。4.2 npm、git、pip 命令不认识的统一解法我那天在使用过程中陆陆续续也撞见了 npm、git、pip 等一堆无法将 xxx 项识别为 cmdlet的报错。如果你也遇到这种问题别慌这些报错的本质都是一样的系统在 PATH 环境变量里找不到对应的可执行文件。区别只在于python、pip找不到大概率是 Python 没装好或 PATH 没配置git找不到大概率是装了 Git 但没勾选Use Git from the Windows Command Promptnpm、pnpm找不到大概率是装了 Node.js 但 PATH 没生效或者是用 nvm 安装 Node 后版本没激活解决办法分两种如果你确定自己装了对应的软件直接重启终端试试很多时候是终端缓存的问题重启解决不了就去系统环境变量里检查看看安装目录是否在 PATH 里这个排查思路放之四海而皆准。你不需要把每个软件的命令背下来只要记住一点命令不识别就是 PATH 的问题照着环境变量去找就对了。4.3 Shell 脚本和 PowerShell 的那些小陷阱除了 Python 脚本那天我还让 DeepSeek 帮我写过一个 PowerShell 脚本用途是每天早上自动打开当天会用到的一堆办公网页和 Excel 文件。这个脚本很简单核心逻辑类似于在系统层面帮你把常用的东西准备好省去一个个手动打开的功夫。PowerShell 版本大概是这样的$urls ( https://办公系统.example.com, https://数据后台.example.com ) foreach ($url in $urls) { Start-Process $url }我为什么特意提这个因为很多人第一次接触脚本会以为 Shell 脚本只能在 Linux 服务器上用。其实 Windows 自带的 PowerShell 就是一套强大的脚本环境日常办公的重复性操作都能写进去。而且 PowerShell 写起来比 CMD 的批处理友好多了支持对象、支持轻量逻辑判断关键是 AI 对它的掌握程度相当高你只需要描述场景它就能给你写出来。如果你想让这个脚本开机自启步骤也不复杂打开运行框输入shell:startup把脚本的快捷方式丢进去就行了。当然如果你想用任务计划程序做更精细的定时控制也可以让 DeepSeek 给你生成完整的步骤。5. 进阶玩法把 DeepSeek 接到自己的工具链里5.1 在 VSCode 里接入 DeepSeek 编程脚本写多了你会发现一个道理在网页上和 AI 对话写脚本来回复制代码有点费劲。更流畅的方式是直接在编辑器里接入 DeepSeek。我用的是 VSCode这也是目前国内外开发者用得最多的免费编辑器。接入流程不算复杂核心是通过扩展市场安装 DeepSeek 相关的插件然后在设置里填入 API Key就能在编辑器侧边栏直接对话、生成代码、甚至对选中的代码片段做解释和修改。当然如果你没有 API Key用网页版的 DeepSeek 也行把代码粘贴到编辑器里改完再粘贴回去效率低一点但也不是不能用。我个人体验下来编辑器内嵌的最大好处是上下文连续AI 能看到你当前打开的文件内容生成代码时更贴合你的实际情况而不是靠你描述。5.2 DeepSeek API 调用到底贵不贵很多人一听接入 API就觉得是专业人士才玩的。实际上 DeepSeek 的 API 调用流程已经简化得很夸张了你只要注册账号、创建一个 API Key然后用 Python 的openai库或者 DeepSeek 官方提供的 SDK 就能发起请求。我自己的用法是写了一个小工具脚本调用 API 批量把一些基础问题分类或者把一段杂乱的文字整理成表格。成本这个东西我特意心里算过一笔账我测试了十几个请求总共花的费用几乎可以忽略不计。这个价格体系每个月还会有更新建议用之前去官网看一眼最新的计费说明。总的来说个人学习、做点小工具脚本成本是很低的。不过有一点必须提醒API Key 是敏感信息千万不要放在公开的代码仓库里也不要在群里问问题的时候连 Key 一起发出去。小号无所谓大号可能直接被人刷爆额度。5.3 更深入的应用比如录制自动化脚本如果你想让自动化更进一步可以考虑用自动化工具配合脚本。市面上常见的思路是用 RPA 工具录制操作流程再生成脚本做定时执行。这类工具有商业化软件也有开源的替代品大家可以根据自己的情况选择。比如我见过有人用这类工具处理网页上重复的表单填写录一遍之后以后每次点击运行工具就会自动模拟人工操作把表单填完、提交。这类玩法本质上和我用 DeepSeek 写 Python 脚本是同一件事把重复劳动交给机器。区别在于纯代码方案更轻量依赖更少RPA 方案所见即所得不用写代码但软件本身有一定学习成本。两条路我都试过说实话各有优劣。但如果你已经会了用 DeepSeek 写 Python 脚本大多数场景其实用不上 RPA一个脚本就能搞定。6. 常见问题与排查技巧实录6.1 那些运行脚本时必然撞见的报错我一整天折腾下来遇到的坑不算多但个个经典。我把最常见的几个整理成了一张速查表方便你以后对号入座报错信息出现原因解决办法python : 无法将“python”项识别为...Python 未安装或 PATH 未配置重装 Python 并勾选 Add to PATH重开终端pip : 无法将“pip”项识别为...pip 未安装或 Python 环境异常执行python -m pip install --upgrade pipModuleNotFoundError缺第三方库执行pip install 库名PermissionError: [Errno 13]文件被占用或无写权限关闭正在打开的文件或换个目录Excel 文件名重复不同客户名称处理后出现同名在文件名后加索引或序号UnicodeDecodeError文件编码格式不对读取时指定encodingutf-8或gbk其中我特别想展开说的是PermissionError。这问题不是代码本身的 bug而多半是你正在用 Excel 打开同名的文件导致脚本没权限覆盖写入。你只要把那个 Excel 文件关掉重新跑一次脚本就好。6.2 让 AI 写脚本时的三个关键提示词技巧用了 DeepSeek 一整天我最大的感受是AI 能不能帮到你七分看你的描述三分看你的反馈。这里分享三个我反复踩坑后总结出来的提示词技巧。第一明确指定输入和输出。不管你要处理什么最好都告诉 AI 输入文件在哪里、是什么格式、输出文件想放哪里、叫什么名字。给的信息越具体生成的代码越能直接用。第二主动告诉 AI 数据里可能存在的脏数据。我当时在描述里特意提到金额列可能带人民币符号有的行有空值这让 AI 提前就写好了清洗逻辑省了我很多返工时间。第三让 AI 写注释和报错处理。我每次都会加一句请给关键代码加注释并加上 try except 处理可能出现的异常。这样生成的代码就算中间出错了也不会直接崩死而是会打印出明确的错误信息。对于新手来说这个习惯能帮你节省大量排查问题的时间。6.3 我的独门避坑心得最后分享几个纯粹靠实战换来的经验这些在官方文档和课程里通常不会有人专门讲。其一脚本运行前先备份原始文件。我见过太多人跑了个脚本把原文件搞坏了后悔都来不及。处理 Excel 和文本文件之前复制一份到备份目录花不了几秒钟但能让你在踩坑的时候全身而退。其二写脚本时可以故意在数据里放进脏数据来做测试。比如你预计客户名称里可能有特殊字符那就别只测试正常名字一定要拿一个带斜杠的、带空格的、纯数字的试一试。把这些边界情况都测一遍脚本才算真正稳定。其三文件路径尽量不要写死中文和空格。虽然现在 Windows 支持中文路径但有些库对中文路径支持得不好容易出现奇怪的编码问题。我一般会在处理目录下建一个data子文件夹把脚本和文件都放进去路径简单了麻烦自然就少。写在最后那天从早上焦虑地面对几万行 Excel到晚上舒舒服服地准点下班中间只隔了一个脚本的距离。回头看真正让我省下时间的并不是 DeepSeek 本身而是我学会了怎么把一个看起来很麻烦的需求拆解成一段清晰的描述再交给 AI 去实现。这个过程一点都不玄乎任何一个愿意花半小时试一次的人都能掌握。如果你现在也有那么一个天天让你烦躁的重复性任务我真心建议你试一次这个路子用自然语言把任务细节写清楚让 DeepSeek 帮你生成脚本然后一步步调试跑通。第一次可能不完美但一旦跑通了你会打开一扇新的大门。反正我自己是回不去了。