Codex + Excel：把每天重复的表格工作一次性自动化
Codex + Excel 表格自动化
文章开始之前，我先问你几个问题：
1、你每天都花多少时间去处理你的表格呢？
2、你目前的这些表格使用频率有多高？
3、有没有那么一些时候，你不想再去弄这些表格？
今天我们就来给大家分享一下怎么用 Agent+Excel实现自动化去处理那些让你觉得头疼的问题。
很多人以为，Excel 自动化的难点是不会写公式。但有了 AI 的加入，你只需要把操作表格的规则描述清楚就好了。
其实更浪费时间的，往往是公式之外的那些事情：打开文件、确认表头、清理重复数据、统一商品名称、计算销售额、标记异常订单，再把结果整理成一张可以交给老板或客户的汇总表。
这些工作单独看都不难，但每天重复一遍，就很容易变成几个小时的机械劳动。
这次我准备了一份电商订单表，交给 Agent 处理。为了让过程更具体，本文用 Codex 作为演示入口，但这套方法并不绑定某一个 Agent；你使用 Claude、OpenClaw、Hermes，或者其他具备文件操作能力的 Agent，也可以采用同样的思路。
另外这里我们需要用到一个叫 OfficeCLI的工具，把链接给到你的 Agent,让它直接安装就可以了
项目地址：https://github.com/iOfficeAI/OfficeCLI
项目维护方：iOfficeAI
它解决的是一个很实际的问题：聊天 AI 可以告诉你应该怎么处理表格，但如果没有文件操作能力，它未必能把结果真正写回 Excel 文件。
我们以订单表格为例，目标很简单：
- •
读取原始订单明细；
- •
自动计算销售额、成本和毛利；
- •
标记待发货、已退款等需要跟进的订单；
- •
按商品汇总销量、销售额、毛利和订单数；
- •
最后输出一份可以继续使用的 Excel 文件。
这里真正值得关注的，不是某一个公式，而是：以后遇到类似表格，我们能不能只交代任务，让 AI 自己完成这一整套流程？
Excel 自动化最有价值的地方，不是帮你写出一个公式，而是把一连串重复动作变成一次交付。
先看一下原始数据
这是实际使用的 Excel 订单明细截图。后面的计算列和汇总表，也都是在这份文件上生成的。
实际使用的原始订单明细
我准备的是一份 30 条记录的虚拟订单表，字段包括：
- •
订单号
- •
下单日期
- •
商品名称和商品类别
- •
商品规格
- •
数量
- •
销售单价和成本单价
- •
客户地区
- •
订单状态
这类表格和很多小商家的日常数据很接近。真正拿到业务文件时，字段可能更多，格式也可能更乱，但处理逻辑基本相同。
例如，一条订单记录里有：
轻量通勤双肩包，黑色，购买 2 件，销售单价 129 元，成本单价 72 元，客户来自上海，订单状态为已完成。
如果只看一条记录，计算并不复杂。但当文件里有几百、几千条订单时，人工处理就会开始出问题：漏算、错列、复制公式时拖错范围，或者忘记把退款订单排除在正常销售之外。
OfficeCLI 在这里负责什么？
可以把整个组合简单理解为：
- •
Agent 负责理解任务、拆分步骤和决定要做什么；本文示例使用 Codex；
- •
OfficeCLI 负责真正读取、创建和修改 Word、Excel、PPT 文件；
- •
Excel 负责保存最终结果，让人可以继续查看、筛选和修改。
OfficeCLI 是一个面向 AI Agent 的 Office 文件操作工具，支持读取、修改和生成 Excel 文件，也可以处理 Word 和 PowerPoint。
Codex、OfficeCLI 与 Excel 的自动化工作流
我们希望 AI 最后完成什么？
这次没有让 AI 只做一个简单的“销售额 = 数量 × 单价”，而是让它完成一条完整工作流。
第一步：给订单明细增加计算列
在原始订单表后面增加四列：
这一步的关键不是公式本身，而是让计算逻辑留在表格里。以后新增订单时，别人可以继续检查公式，也能知道每个结果是怎么算出来的。
第二步：生成商品维度的汇总表
接着新增一张“汇总分析”工作表，按商品统计：
最终得到的结果大致如下：
有了这张汇总表，运营人员不需要再逐行查看订单，就能快速回答几个常见问题：哪个商品卖得最多？哪个商品带来的销售额最高？哪个商品的毛利更好？还有多少订单需要跟进？
下面是本次实际生成的“汇总分析”工作表截图：
实际生成的汇总分析结果
交给 Agent 时，应该怎么描述任务？
不要只说“帮我分析这个 Excel”。这句话太宽泛，Agent 不知道你想要的是清洗、统计、画图，还是生成报告。
更好的写法是把输入、动作和输出说清楚：
请读取当前目录中的电商订单 Excel 文件。
完成以下任务：
- 1.
保留原始订单明细，不要覆盖原始字段；
- 2.
新增销售额、成本总额、毛利和异常标记四列；
- 3.
销售额 = 数量 × 销售单价；
- 4.
成本总额 = 数量 × 成本单价；
- 5.
毛利 = 销售额 - 成本总额；
- 6.
已退款订单标记为“需复核”，待发货订单标记为“待跟进”；
- 7.
新增“汇总分析”工作表，按商品统计销量、销售额、毛利和订单数；
- 8.
保留公式，设置合理的数字格式，并检查是否存在公式错误；
- 9.
输出一个新的 Excel 文件，不要覆盖原始文件。
完成后，请告诉我：
- •
处理了多少条订单；
- •
哪个商品销售额最高；
- •
有多少条订单需要人工跟进；
- •
输出文件保存在哪里。
这段任务描述有三个好处：明确告诉 Agent 不要破坏原始数据，明确告诉它最终要交付什么，也要求它在完成后进行检查。
这套方法比直接问 ChatGPT 好在哪里？
如果只是把表格内容复制到聊天框里，AI 可以帮你分析一部分数据，但你还需要自己把结果复制回 Excel。
而接入文件操作工具之后，流程变成：
交代任务 → AI 读取文件 → 自动处理 → 写回 Excel → 检查结果 → 交付新文件
这中间少掉的，正是最容易出错、也最消耗时间的复制粘贴过程。
当然，这并不意味着所有表格都应该完全交给 AI。涉及财务结算、库存扣减、工资或正式经营决策时，仍然需要人工复核。AI 可以负责整理和计算，但最终确认责任不能省掉。
谁适合尝试？
这套工作流尤其适合：
如果你只是偶尔改一个单元格，或者手头没有稳定、重复的数据任务，暂时不需要专门搭建这套流程。
最后：OfficeCLI 本身不是让 Excel 消失，而是让 AI 终于可以参与到“真实文件交付”这一步。对偶尔处理表格的人，它可能只是一个新工具；但对每天都在整理文件的人，它更像是一条可以重复使用的自动化流水线。
下一步，可以把这套订单案例继续扩展：按地区生成销售排行、自动制作经营周报，或者把 Excel 汇总结果继续交给 Agent，生成一份 Word 分析报告和 PPT 汇报材料。
你每天最想交给 AI 自动处理的 Excel 工作是什么？是清洗数据、做报表，还是把多个文件合并到一起？
