在数据爆炸的时代,Excel表格早已成为职场人的「第二大脑」。但面对动辄上万行的数据清洗、复杂公式调试、跨表合并等任务,传统手工操作不仅耗时费力,还容易出错。而AI大模型DeepSeek的横空出世,让Excel数据处理进入了「自动化流水线」时代——只需一句话,AI自动生成可执行脚本,5分钟搞定原本3小时的工作。本文通过3大实战场景,手把手教你解锁这项神技!
一、为什么用DeepSeek写Excel脚本?
1. 降维打击传统插件
-
告别VBA编程门槛:无需记忆复杂语法,中文描述需求即可生成代码
-
突破公式限制:自动编写跨表查询、动态数组等高阶函数组合
-
解决兼容性问题:生成的代码适配Excel 2016-2025全版本
2. 效率提升实测对比
二、三步接入DeepSeek到Excel
- 安装OfficeAI插件
不会的小伙伴可以查看我之前的内容
三、三大实战场景教学
场景1:自动计算数据(解放双手!)
需求:请计算一下[类别]中蔬菜的总[销售额],结果放在F2处
AI执行后的效果
场景2:动态数据统计(告别公式噩梦)
需求:根据L5单元格的关键词,统计D列的销售额总数并统计占比
AI执行后的效果
场景3:智能数据清洗(纠错自动化)
向DeepSeek输入指令:
「清洗E列日期格式:将"把E列数据中2025年2月9日"统一转为"2025-02-09",删除无效日期」
AI执行后的效果
四、避坑指南与高阶技巧
1. 三大常见问题解决
公式报错:在指令末尾添加「请添加错误处理逻辑」生成容错代码
性能卡顿:超过10万行数据时,添加「Application.ScreenUpdating = False」提升速度
2. 效率翻倍秘籍
- 模板化指令:保存常用指令如「//模板:数据透视表生成」快速复用
组合技应用:将DeepSeek生成的Python脚本与Power Query结合,实现云端+本地协同处理
异常监控:添加邮件提醒代码,当数据异常时自动发送预警
五、未来展望:AI+Excel的无限可能
据金山办公内部消息,2025年Q3将推出DeepSeek原生嵌入版WPS,预计实现:
-
语音指令交互:直接说「分析上周销售趋势」自动生成报表
-
智能预测模块:基于历史数据预测下季度营收
-
团队协作看板:多人实时编辑+AI智能冲突解决
如何学习大模型 AI ?
由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。
但是具体到个人,只能说是:
“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。
这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。
我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段(10天):初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识,对大模型 AI 的理解超过 95% 的人,可以在相关讨论时发表高级、不跟风、又接地气的见解,别人只会和 AI 聊天,而你能调教 AI,并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么?
- 大模型是怎样获得「智能」的?
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例:向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段(30天):高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习,学会构造私有知识库,扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架,抓住最新的技术进展,适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示(Embeddings)
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段(30天):模型训练
恭喜你,如果学到这里,你基本可以找到一份大模型 AI相关的工作,自己也能训练 GPT 了!通过微调,训练自己的垂直大模型,能独立训练开源多模态大模型,掌握更多技术方案。
到此为止,大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗?
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2:手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段(20天):商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知,可以在云端和本地等多种环境下部署大模型,找到适合自己的项目/创业方向,做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身:基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例:如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。
如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。