AI 处理表格和文档：能做什么，不能做什么

办公自动化是很多人接触 AI 的第一个场景，也是最容易踩坑的——因为出错时往往不明显。

做得好的

非结构化 → 结构化

把一堆散乱的文字（邮件、聊天记录、会议纪要）整理成表格。这是 AI 的强项，能省大量时间。

文本类字段的批量处理

分类打标、情感判断、摘要、翻译、改写。这类任务量大、规则模糊，正好是 AI 擅长的。

写公式和脚本

描述你要做什么，让它写 Excel 公式或 Python 代码。比让它直接算结果可靠得多——公式你能验证，直接算你没法验证。

格式转换与排版

Markdown 转 HTML、整理引用格式、统一标题层级，这类机械活很合适。

做不好的

算数

语言模型做数值计算本质上是在「预测像是答案的东西」。永远不要直接信它算出来的数——让它写公式，你去算。

大表格的精确操作

几百行以上的表格，让它「把第 37 行的值改成 X」这类精确定位操作，错误率很高。这种活交给脚本。

跨表关联

需要在多个表之间做匹配、去重、对账的，用 AI 做不如用 Excel 函数或 SQL 可靠。

需要绝对准确的抽取

从合同里抽取金额和日期这类，可以用 AI 做初筛，但必须人工复核。抽错一个数字的后果，和省下的时间不成比例。

一个实用的分工原则

让 AI 做「理解」，让程序做「计算和精确操作」。

具体到流程：AI 负责把非结构化内容变成结构化数据 → 程序/公式负责在结构化数据上做精确运算 → AI 再负责把结果写成人话。

这样每一环都用在它擅长的地方，出错也容易定位。