LatticeMind技术解析:ExcelAgent如何处理Excel数据审核?
- 2026-11-10 03:11:26
LatticeMind技术解析:ExcelAgent如何处理Excel数据审核?继续我们的探索之旅，今天将深入探讨LatticeMind旗下的ExcelAgent产品模块的构建理念。首先，让我们简要回顾一下业务背景。 LatticeMind 设有 AI 审核专项子模块，该模块的核心竞争力体现为：依托用户自定义审核策略簇与上下文信息，对附件内容及其与用户上下文的关联逻辑开展综合验证。模块通过匹配策略簇内具体策略完成核验，并以 “审核通过” 或 “审核驳回” 呈现最终结果，有效保障审核流程的风险控制。与此同时，ExcelAgent 凭借强大的 Excel 分析功能，为 AI 审核、预算控制等上游业务场景提供稳固的基础服务支持。 以此作为LatticeMind下Agent建设技术方案开篇，主要基于两点考量： 我们先来看下真实存在于excel中数据风格有哪些： 
基础物料背景 
核心技术模块 核心理念：结构与数据分离 传统做法：把整张 Excel 一股脑发给 AIAI，这是 50000 行数据，帮我检查有没有问题[发送 50000 行完整数据...]我们的做法：先发结构，按需查数据AI，这张表有 3 列（姓名、金额、日期），共 50000 行数据你需要查什么，告诉我，我给你取 数据压缩 压缩做了什么？三个关键动作演进压缩思路 1.保留重要结构信息Excel不只是数据表格，它还有很多"文档特征"，例如：
压缩后会单独记录：
为什么这样做？因为这些结构信息能帮 AI 快速理解"这是什么表"，而不用逐行阅读。 2.只存有值的单元格 Excel 最大的浪费是什么？空白单元格，例如：一张 1000 行 × 50 列的表格，理论上有 50000 个单元格。但实际上可能只有 500 个格子有数据，其他都是空的。 传统存储方式： 压缩后的存储方式： 3.用列索引替代列名重复 如果 1000 行数据，每行都要写 "姓名"、"金额"、"日期"这些列名，太浪费了。 传统存储方式： 压缩思路 先定义一次列字典： 然后每行只存列编号和值： 节省了多少？如果列名平均 3 个汉字（6 字节），1000 行 × 3 列 = 18000 字节。压缩后只需要存 1000 行 × 3 个数字（每个 1 字节）= 3000 字节。节省了 83% 的空间。 命中策略分析 基于压缩后的数据结合用户上下文以及策略簇交给模型判断具体需要的审核策略有哪些。 为什么不是直接审核附件内容？ 在单一审核场景中，策略簇内通常包含50 条以上审核策略。若直接交由大模型进行判断，System Prompt 往往只能给出简单的思维链指引：“先识别可能命中的策略，再逐条对照策略检查附件内容并给出审核结果”。但同一场景下不同策略的审核重点各不相同，大量策略会显著分散模型注意力，影响判断准确性。此外，即便对文件内容做了压缩处理，由于缺乏清晰的执行指引，模型在数据分析与策略匹配过程中仍会出现大量无效推理，导致效率低下。 最后，如果你是一个精打细算的人，我以Qwen3.5-plus为例，模型输入的价格是输出的1/6。如果你可以顺利开启显（隐）式缓存，那么这个输入的价格会更低，所以比起大篇幅的总结输出，仅规则的产出可能从审核准确率和经济角度看都是更好的选择。 索引构建 excel说明书，ok,我们又开始"省钱"了，首先对于多sheet的excel(目前遇到的最多是单个excel拥有45个sheet)，考虑一个点，我们应该每个sheet都交给模型分别去执行获取其对应的索引么？显然不是，这种方式潜在的风险是流控和处理时间。笔者采用了贪心算法，对多sheet进行分组，如果多个sheet的字符数相加接近设定阈值，那么这一组的sheet就分配完毕，他们会一起交给模型，产出sheet级别的索引。 还记得第一章那个信息重复度很高的sheet么，它的索引是这样（为了方便理解，这里json的key并没有压缩，实际的key更短）： 第一章表格标题分布自由的例子，这种情况的索引密集度是远远大于数据密集度的。 超大sheet切分策略 既然存在多个sheet的贪心聚合，那有没有可能一个sheet的内容就超过了阈值上限呢？当然，这种情况可以采用二分查找的思路处理，先对sheet内容横向一切为二，通过工具:searchLine，他的参数只有:rowNumber和searchLimit,其中rowNumber表示开始查询的行起点位置，searchLimit表示从起点位置查询的行数量5，10，20。通过双向的查找（比如，一共100行数据，横向切分后，其中0～49和50～99分为两组。searchLine会分别从49的位置向上查找，以及50的位置向下查找）确定索引首次出现所在的行，将sheet按完整分布信息重新切割。这个loop的过程，采用30B的模型足以完成工作。 AgentLoop工具建设 现在万事俱备只欠东风，需要为前面构建的索引和命中的策略们装上工具，聪明的大脑就可以Run起来了。对此我设计了如下基础查询工具供AgentLoop分析使用：
我们已经可以成功实现让AI依据策略内容和索引，灵活地结合工具查询所需数据，并在AgentLoop的每一步中进行验证。这种按需获取数据的方式，确保了每次工具交互仅提取特定sheet中的局部数据，从而有效控制了工具执行的上下文质量。 问题延伸 在未来的文章中，我们会放大下面这些问题，延续对这些问题在AI建设上的讨论： 
章节预告 聊一聊ReAct，AgentLoop，Ralph Loop的真实落地场景
Excel 数据分布规律清晰，解析时可围绕单元格、工作表两大核心单元，形成大文件分块与分组的标准化分析思路。
相较于其他附件类型，Excel 数据噪声更低，关键信息提取更容易。
超多sheet分布👇
sheet下存在多个子块区域分布👇
sheet下信息重复度较高👇
sheet下表格标题分布自由👇
想象一下，你有一张 50000 行的销售明细表，要让 AI 帮你审核。如果直接把整张表发给模型进行分析：
成本爆炸：针对策略，每次都通篇将附件内容喂模型，产生高昂的token费用
效率低下：模型要读完所有数据才能开始思考，速度很慢
容易出错：太多无关数据会干扰模型的判断
所以我们需要一种方法：让 AI 先理解表格结构，需要时再精确查询数据。
2024年销售明细表 | ||
A1:C1 = "2024年销售明细表" | |
第 2 行 | |
第 3 行 | |
A=姓名, B=金额, C=日期 |
```json{"A1": "张三","B1": "100","C1": "","D1": "","E1": "",..."T1": ""}```
{"A1": "张三","B1": "100"}
```json{"第1行": { "姓名": "张三", "金额": "100", "日期": "1/15" },"第2行": { "姓名": "李四", "金额": "200", "日期": "1/16" },"第3行": { "姓名": "王五", "金额": "300", "日期": "1/17" },...}```
```json"列字典": ["姓名", "金额", "日期"]```
```json[[1, 0, "张三", 1, "100", 2, "1/15"],[2, 0, "李四", 1, "200", 2, "1/16"],[3, 0, "王五", 1, "300", 2, "1/17"]]```
解读第一行：- `1` = 第 1 行- `0` = 第 0 列（姓名）- `"张三"` = 值- `1` = 第 1 列（金额）- `"100"` = 值- `2` = 第 2 列（日期）- `"1/15"` = 值
{"sheetRef": "s1","sheetName": "Sheet1","rowCount": 29,"columnCount": 4,"titleRegions":[{"value": "承担公司","rowStart": 1, "rowEnd": 1, "colStart": 6,"colEnd": 6,"type": "main_title","level": 1 },{"value": "成本中心","rowStart": 1, "rowEnd": 1, "colStart": 7,"colEnd": 7,"type": "main_title","level": 1},{"value": "手机号码","rowStart": 1, "rowEnd": 1, "colStart": 8,"colEnd": 8, "type": "main_title","level": 1},{"value": "充值金额","rowStart": 1, "rowEnd": 1,"colStart": 9,"colEnd": 9,"type": "main_title","level": 1}],"headerAnalysis": {"headerRowNum": 1,"dataStartRow": 2,"isMultiRowHeader": false},"columns":[{"colKey": "F","header": "承担公司","colIndex": 1},{"colKey": "G", "header": "成本中心","colIndex": 2},{"colKey": "H","header": "手机号码", "colIndex": 3},{"colKey": "I","header": "充值金额","colIndex": 4}],"tableDescription": "这是一张手机充值明细表，包含承担公司、成本中心、手机号码和充值金额等信息"}
{"sheetRef": "s1","sheetName": "中西餐厅水电费","rowCount": 9,"columnCount": 6,"titleRegions":[{"value": "中西餐厅水电费（2026.1月）","rowStart": 1,"rowEnd": 1,"colStart": 1,"colEnd": 6,"type": "main_title","level": 1},{"value": "小计","rowStart": 9,"rowEnd": 9,"colStart": 2,"colEnd": 3,"type": "summary_row","level": 2}],"headerAnalysis": {"headerRowNum": 3,"dataStartRow": 4,"isMultiRowHeader": false},"columns": [{"colKey": "A","header": "序号","colIndex": 1},{"colKey": "B","header": "项目","colIndex": 2},{"colKey": "C","header": "水.12月底数","colIndex": 3},{"colKey": "D","header": "水.1月底数","colIndex": 4},{"colKey": "E","header": "实际使用水吨、电°","colIndex": 5},{"colKey": "F", "header": "金额.元","colIndex": 6}],"tableDescription": "这是一张中西餐厅2026年1月水电费用明细表，包含水、电、物业费三个项目的期初期末读数、实际用量和金额，并带有小计汇总行"}
queryByHeader | |
附件名字带有一些关键线索，但是命名往往不规范，比如有特殊符号，空格，在使用上有什么需要注意的地方？ 跨文件的信息审核应该怎么处理？ AgentLoop阶段一个step是否应该只对一个sheet进行审核？
本文来自网友投稿或网络内容，如有侵犯您的权益请联系我们删除，联系邮箱：wyl860211@qq.com 。
