Mac 本地 CSV/Excel 最小工作流：第一版具体步骤。

目标不是一步做到很复杂，而是先把最基本的流程跑通：

不换模型，直接上脚本。

继续保留 mistral做文字，CSV/Excel 交给 Python

Excel/CSV 负责数据，脚本负责校验和计算，mistral 负责写中文总结。

一、第一版要实现什么

先只做这 4 件事：

1. 读取你的 CSV 文件

2. 检查空值和基础格式问题

3. 输出一个清晰的检查结果

4. 再把结果交给 mistral写成中文说明

先不要碰：

• 自动写回 Excel

• 多表合并

• 复杂盈亏模型

• 图表

• OpenClaw

二、你需要准备什么

你现在只需要有这两样：

1. 一个 CSV 文件

2. 你的 Mac 已经能跑终端

三、第一版工作目录

先建一个文件夹，专门放这套本地工作流。

在终端执行：

mkdir -p ~/local_csv_workflowcd ~/local_csv_workflow

四、把 CSV 放进去

把你的 amzn_trades.csv放进这个文件夹。

最后你的目录里至少有：

~/local_csv_workflow/amzn_trades.csv

五、创建第一版检查脚本

在终端里执行：

nano check_csv.py

把下面这整段代码原样粘进去：

import csvfrom pathlib import PathFILE_NAME = "amzn_trades.csv"required_columns = ["Date", "Ticker", "Action", "Quantity", "Price", "Fees", "CashFlow"]file_path = Path(FILE_NAME)if not file_path.exists():    print(f"文件不存在: {FILE_NAME}")    raise SystemExit(1)with open(file_path, "r", encoding="utf-8-sig", newline="") as f:    reader = csv.DictReader(f)    rows = list(reader)print(f"文件名: {FILE_NAME}")print(f"总行数: {len(rows)}")print()# 检查表头print("【表头检查】")actual_columns = reader.fieldnames or []missing_columns = [col for col in required_columns if col not in actual_columns]extra_columns = [col for col in actual_columns if col not in required_columns]print(f"实际列名: {actual_columns}")if missing_columns:    print(f"缺少列: {missing_columns}")else:    print("缺少列: 无")if extra_columns:    print(f"额外列: {extra_columns}")else:    print("额外列: 无")print()# 检查空值print("【空值检查】")empty_found = Falsefor idx, row in enumerate(rows, start=2):  # CSV 第1行是表头，所以数据从第2行开始    for col in required_columns:        value = row.get(col, "")        if value is None or str(value).strip() == "":            print(f"第 {idx} 行，{col} 列为空")            empty_found = Trueif not empty_found:    print("未发现空值")print()# 检查数字列格式print("【数字列检查】")numeric_columns = ["Quantity", "Price", "Fees", "CashFlow"]number_error_found = Falsefor idx, row in enumerate(rows, start=2):    for col in numeric_columns:        value = str(row.get(col, "")).strip()        if value == "":            continue        try:            float(value)        except ValueError:            print(f"第 {idx} 行，{col} 列不是有效数字: {value}")            number_error_found = Trueif not number_error_found:    print("数字列格式正常")print()# 基础汇总print("【基础汇总】")tickers = sorted(set(str(row.get("Ticker", "")).strip() for row in rows if str(row.get("Ticker", "")).strip()))print(f"Ticker 列包含: {tickers}")actions = sorted(set(str(row.get("Action", "")).strip() for row in rows if str(row.get("Action", "")).strip()))print(f"Action 列包含: {actions}")print()print("检查完成。")

然后：

• 按 Control + O保存

• 回车

• 按 Control + X退出

六、运行第一版脚本

在终端执行：

python3 check_csv.py

七、你会得到什么结果

它会输出几块内容：

• 表头检查

• 空值检查

• 数字列检查

• 基础汇总

这说明两件事：

1. 你的 Mac 本地 CSV 工作流已经能用了

2. 现在的问题不在 Python 环境，而在 CSV 文件内容本身

你这次结果说明了什么

脚本能正确发现：

• 第 5 行，Date 列为空

这正是你原始数据里那条缺日期的记录。

但它还发现了很多额外空值，像：

• 第 7 行开始大量空值

• 第 8、9、10 行也有空值

这通常说明你的 amzn_trades.csv里不止 5 条数据，很可能夹了：

• 空白行

• 断开的残留行

• 保存时多出来的空记录

所以现在不是脚本错了，而是 CSV 文件需要先看一眼原始内容。

下一步只做一件事

在终端输入这句：

cat -n amzn_trades.csv

它会把文件内容按行号显示出来。

• 哪些是正常数据行

• 哪些是空白/脏数据

• 下一步该清理文件，还是改脚本忽略空行

• 看清楚了，问题就在文件本身，不在脚本。

  你的 amzn_trades.csv里实际是：

• 第 1 行：表头

• 第 2–6 行：你这次要的 AMZN 数据

• 第 7–9 行：脏空行

• 第 10 行：另一条不完整的旧数据

• 所以现在最合理的是：

  先做一个干净版 CSV，只保留第 1–6 行。

  在终端输入这句：

  head -n 6 amzn_trades.csv > amzn_trades_clean.csv

  这会新建一个干净文件 amzn_trades_clean.csv，只保留前 6 行。

  做完后再输入：

  cat -n amzn_trades_clean.csv

  

  很好，现在这个干净版文件已经对了。

  当前 amzn_trades_clean.csv里只剩：

• 表头

• 5 条 AMZN 记录

• 其中第 5 行数据的 Date为空

• 下一步

  把脚本里的文件名从：

  FILE_NAME = "amzn_trades.csv"

  改成：

  FILE_NAME = "amzn_trades_clean.csv"

  改完后再运行：

  python3 check_csv.py

  

  很好，第一版本地 CSV 工作流已经跑通了。

  现在结果完全符合预期：

• 文件名正确

• 总行数正确

• 表头正常

• 数字列正常

• 正确识别出：

• 现在已经有了一个比本地大模型更可靠的 CSV 检查方式：

  

  这就是后面最稳的本地工作流雏形。

  ---

  下一步把这份脚本输出交给 mistral，让它写成一段简洁中文说明。

• Python 脚本：负责准确检查

• mistral：负责把检查结果写成中文说明

• 第 5 行，Date 列为空

• 基础汇总也正常

很好，这一步也跑通了。

现在你已经把 “Python 检查 + mistral 写中文说明”这条最小工作流完整走通了。

而且结果是对的、可用的。

这意味着什么

你现在已经有了一个稳定分工：

• Python：负责准确检查 CSV

• mistral：负责把检查结果整理成中文说明

这比单独靠本地大模型直接看 CSV 稳得多。

你当前已经完成的最小工作流

1. 准备 CSV

2. 用 Python 检查

3. 找出空值和基础问题

4. 把检查结果交给 mistral

5. 输出可直接写进日志的中文说明

下一步把这个工作流扩成第二版。

第二版最值得加的功能

我建议按这个顺序来：

1. 统计买入/卖出次数

2. 按 Ticker 汇总交易数量

3. 检查日期格式

4. 导出检查结果到一个 txt 或 csv

5. 后面再考虑：

• 当前持仓

• 平均成本

• 已实现盈亏

第二版：在现有脚本上增加“基础交易汇总”。

比如让脚本额外输出：

• 总买入次数

• 总卖出次数

• 总记录数

• 每个 Ticker 出现次数

• 买入和卖出各多少条

这样你这套本地工作流就会从“能查错”升级到“能做基础分析”。

第一版已经成功了，下一步不是继续测试模型，而是升级脚本，做第二版基础交易汇总。