本文要点
01 三件套都是 WorkBuddy 生态里的技能，装上下一句话就能用
027 条核心规则 + 13 条陷阱，全是从格式的脾气里拆出来的
03 「数值正确」和「文件可用」之间，还隔着很多层
04 扫描件 PDF 零依赖提取，表格直接结构化输出
先说一个我亲眼见过的场景。同事用 AI 处理一张报表，AI 很快把数据算完了，数字看着没毛病。三个月后审计找上门，说那一列数据全错了。
原因很简单：AI 把一串 18 位的长编号当数字存进了 Excel。Excel 超过 15 位精度会自动截断，前几位还在，后几位全变 0。数字「算对了」，但它从一开始就不是那个数。
这就是所谓的「办公三件套」——PDF、DOCX、XLSX，AI 办公绕不开的三种文件格式。它们的共同点是：都有自己一套看不见的规矩。Excel 有 15 位精度截断，Word 有样式继承，PDF 有文字层和扫描件之分。AI 看不见这些规矩，它只会按常识办事，于是就翻车。
今天聊的这套技能，干的就是这件事：把这些规矩，一条条写成规则，让 AI 不再踩。
它们都是 WorkBuddy 生态里的技能。装上之后，WorkBuddy 就多会一件事——不用打开 Excel、不用装 Office 插件、不用配环境变量，下一句话就能用。
一、三件套：三件工具，三种文件
它们不是三个孤立工具，而是一套覆盖办公文档全流程的能力。
● Excel / XLSX .xlsx .xlsm .xls .csv .tsv 保住公式与格式 ｜ 下载 251,114
● PDF和图片文字提取 零依赖提取，表格结构化 ｜ 下载 196,559
● toby-docx 创建读取编辑 Word ｜ 下载 5,441
热度本身是个信号。Excel 技能 25 万下载量、452 star，在整个技能生态里属于头部——这说明「AI 写表格」是真实高频需求，不是伪需求。如果你只想看一个，先看 Excel。
关于这三个技能的一个重要前提：它们都是 WorkBuddy 生态里的技能。「技能」这个概念在 WorkBuddy 里很具体——它就是给 AI 配的能力包。装上之后，WorkBuddy 就多会一件事：能开 Excel 了、能读扫描件 PDF 了、能按模板排 Word 了。
所以今天讲的不是一个「软件工具推荐」，而是：怎么给 WorkBuddy 配一套靠谱的文档处理能力。这也是为什么整套内容可以在一个对话框里完成——你不需要打开 Excel、不需要装 Office 插件、不需要配环境变量。技能装完，下一句话就能用。
什么时候该用？判断标准很简单：手上这份文件，打开它需要点两下以上的菜单，就该上技能。
·报表要做透视、算公式——AI 几秒出结果，不用手工拖拽
·合同方案要排版输出——交给它按模板生成，别手搓样式
·一批 PDF/图片要提取——尤其扫描件和带表格的
·每月都做的重复表格活——做成流程，下次直接跑
·模板不能被破坏的场合——原表有格式、有冻结、有筛选，它会保持原样
二、安装与使用
先说清楚一件事：这三个都是 WorkBuddy 生态里的技能。所谓「技能」（Skill），就是给 AI 装的扩展能力包——装上之后 WorkBuddy 就多会一件事。它不是插件市场的商品，而是你给 AI 配的工具箱。
WorkBuddy 里获取技能有两条路：技能市场在界面里搜名字点安装，适合大多数人；命令行执行 clawhub install，适合批量装或脚本化。
clawhub install excel-xlsx
clawhub install pdf-image-text-extractor
clawhub install toby-docx
装完不需要任何配置，三个都是纯本地操作，不联网、不上传文件——你的表格和文档不会离开这台电脑。
示例 1 · 处理一张 Excel 报表
用户：这个报表帮我把每列的同比算出来，按增长率排序
助手：处理完成。
同比列已写入公式，引用上月列，非硬编码
已按增长率降序排序
长编号列保持文本格式，未截断
检查无 #REF! / #DIV/0! / #VALUE! 残留
关键在「引用而非硬编码」——公式是活的，改了原始数据结果自动更新。如果 AI 直接把算好的数字填进去，你下次改数据就全废了。
示例 2 · 提取带表格的 PDF
用户：这份扫描版合同 PDF，把里面表格提取成结构化数据
助手：已提取。
扫描件自动转图像识别，无需 tesseract
表格按 find_tables 结构化输出
输出 JSON，可直接喂给后续处理
扫描件 PDF 没有文字层，传统做法要么装 OCR（依赖重），要么提取到一堆乱码。这个技能走的是渲染成图交给 AI 视觉识别的路子，零额外依赖。
三、深度拆解与陷阱清单
这是全文最有价值的部分。7 条规则不是理论，是 Excel 的真实脾气，每一条背后都对应一类翻车。（以下规则与陷阱清单整理自该技能的公开文档）
规则 1 · 按活选工具，别按习惯
pandas 分析、重塑、类 CSV 任务
openpyxl 公式、样式、工作表、批注、合并单元格
CSV 当纯数据交换，不当 Excel 功能
读数值、保留活工作簿、从零建模——这是三件不同的事，用错工具第一步就埋雷。
规则 2 · 日期是序列号，还带历史包袱
· Excel 存日期 = 序列号，不是日期对象
· 1900 系统有「假闰日」bug
· 部分工作簿用 1904 系统
· 时间 = 小数天数据
日期算对了还不够——如果单元格格式显示的是错的，用户看到的还是错的。数值正确 ≠ 用户看到正确。
规则 3 · 让计算留在 Excel 里
· 写公式，别把 Python 算完的结果硬编码进去
· 用引用指向假设单元格，别塞魔法数字
· 缓存值可能过期，别盲目信任
其中一条最狠：保存错误的工作簿视图，会把公式替换成缓存值，安静地毁掉一个活模型。文件看起来完全正常，但公式已经没了。交付标准是零公式错误，不是留几个 #REF! 让用户自己修。
规则 4 · 守住数据类型
· 长编号、手机号、邮编、前导零 → 存文本
· 超过 15 位数字会被 Excel 静默截断
· 文本数字混合列，读写都要显式处理
科学计数法、日期被自动解析、前导零被吃掉——这些是数据损坏，不是外观问题。开头那个 18 位编号的悲剧，就出自这条。
规则 5 · 保留工作簿结构
· 已有模板 > 通用样式建议
· 合并区域只有左上角存值
· 隐藏行列、命名区域、外部引用都会影响公式
· 模板文件要保：表顺序、列宽、冻结、筛选、打印设置
条件格式、筛选器、打印区域、数据验证——这些往往带着业务含义，哪怕用户只提了数字。
规则 6 · 交付前重算并复核
· openpyxl 保留公式但不计算
· 检查 #REF! / #DIV/0! / #VALUE! / #NAME?
· 布局重要的，渲染出来看一眼
「文件看着没问题」和「文件真的没问题」是两件事。行内文字没换行、标签被截断、列太窄——数值全对，但视觉上一塌糊涂。
规则 7 · 按文件体量调方案
· 大文件会因内存峰值、空行膨胀、全表读取而失败
· 用流式或分块读取
· 缩小读取范围、显式指定 dtypes、指定工作表
它自己列的那些坑
除了 7 条规则，还有一份陷阱清单，每一条都是真实翻车案例：
●读取时类型推断 数字变文本，或 ID 变成损坏的数值
●列索引差异 生成的公式差一位，全盘皆错
●外部引用 源文件一移就断
●.xlsm 含宏、.xls 是旧格式 兼容性更脆
●Google Sheets / LibreOffice 日期公式样式会被重新解释
●FILTER / XLOOKUP / SORT 新函数在旧版查看器直接失效
●只读模式打开后保存公式被展平成静态值
●隐藏工作表、命名区域 藏着看不见的业务逻辑
最值得反复看的两条
「只读保存展平公式」和「数字对但视觉垮」。它们共同的教训是：「数值正确」和「文件可用」之间，还隔着很多层。
三个实用提醒
① 用 openpyxl 时分清读法。只读值再保存会把公式展平成静态值，这是最隐蔽的破坏。
② 交付前务必自己打开看一眼。尤其是要发给别人的文件。数值全对但排版乱的表格，收件人只会觉得你在敷衍。
③ 新函数不是万能的。如果对方用旧版 Excel 打开，FILTER、XLOOKUP、SORT、SEQUENCE 可能直接不work。需要广泛分发的表格，老老实实用基础函数。
小结
这三个技能的价值，不在于「AI 能帮你写表格」。真正的价值是：它把格式本身的脾气，变成了可执行的规则。
17 位编号会被截断、日期是序列号、只读保存会展平公式、列索引会差一位——这些知识本来都要靠踩坑积累，现在可以直接跳过。而它们能被用上，只因为一件事：WorkBuddy 的技能机制让你一句话就能调起这些能力。装上就是多了个工具箱成员，不用切应用、不用改工作流。
你不需要懂 Excel 的底层，只需要在下指令时多问一句：这个文件交付出去，别人打开会出问题吗？
相关文章
