huashu-excel

huashu-excel 是什么

huashu-excel 是前美团运营负责人花叔开源的一套 AI 数据分析 Skill，项目遵循 MIT 协议，托管在 GitHub（alchaincyf/huashu-excel）。它诞生的出发点非常现实：大模型处理 Excel 时存在”算错不报错”的黑盒特性——输出一份看起来完整的分析报告，但数字悄悄算错却没有任何报错提示，专业分析工作因此陷入信任危机。huashu-excel 不是一个简单的插件，而是一套严丝合缝的”AI 数据分析工作流”：通过”体检、清洗、对齐、分析、对账、交付、验图、质控”八大步骤，要求 AI 在给出结论前先通过多重校验闸门，对不上就不交付，确保每一个数字都经得起推敲。作者把它形容为自己多年运营数据处理经验与当前 Agent 能力的结合体。

huashu-excel 的主要功能

1. 结构体检：不把表格粗暴塞给大模型，而是先用 openpyxl 读取原始单元格，在生成 pandas 表之前识别合并单元格、表头错位、小计合计行混入等结构性陷阱，过滤掉可能导致误判的非标格式。实测中，常规读取方案曾把一份销售表的总额算高出 161% 且全程无报错，体检环节可以提前拦住这类隐患。
2. 双向清洗：把脏表转化为规范分析表，同时生成一份可审计、可回放的清洗脚本，每一步处理影响多少行数据都有记录，有迹可循。
3. 需求对齐与分析：先摸底数据特征与外部基准，和用户确认真实需求与统计口径再动手；分析阶段主动扫描辛普森悖论、幽灵分组、小基数、时间断点等常见数据陷阱。
4. 数字对账：把原表中的”合计/小计”行转化为免费的校验和，要求清洗后的明细求和必须与原表合计对齐，对不上就报错拒交——实测中它成功揪出过人工手填小计里 10 元的微小误差。
5. 诚实交付：输出离线可打开的自包含 HTML 报告（内联 SVG）、图表随数据联动的原生 Excel 以及六页纸叙述体 Word 文档；柱状图轴从 0 开始，不完整数据段自动虚线标注，类别超过 3 个拒绝画饼图。
6. 质控：这是它的”锏”——派遣一个完全未参与创作的 Agent 从原始数据重新重算，专门”拆台”验证结论：检查时间切片是否被人为筛选、分母口径是否匹配、报告声称的剔除逻辑是否真的在代码层落地。

如何使用 huashu-excel

1. 安装 Skill：在支持跨 Agent 的环境中运行 npx skills add alchaincyf/huashu-excel，或手动把仓库 clone 到对应 skills 目录（Claude Code 放 ~/.claude/skills/，Codex/Kimi Code 放 ~/.agents/skills/）。它也可以装进基于 Prime Agent 这类开源 Agent 框架的自建环境中。
2. 自然语言下达指令：把 Excel/CSV 文件交给加载了该 Skill 的 Agent，直接”说人话”——”帮我分析这份销售表”会执行完整八步流程；”这两个数怎么对不上”触发体检加对账；”这个数靠谱吗”触发对账加复核；”帮我把表洗干净”输出清洗文件并附可回放脚本。
3. 按需触发流程：查询单个数值不会跑完全部环节，生成完整报告才走全链路，避免小问题大动干戈。
4. 脚本运行：不使用 Agent 也可直接运行底层脚本——profile_table.py 做表结构体检、verify_numbers.py 做数字对账（有差异时退出码为 1）、verify_visual.py 做图表渲染自检，适合接入现有数据流水线。

huashu-excel 的使用场景

1. 运营日报与早会数据：每天快速完成取数、波动归因与口径核对，把运营人员从重复性数据工作中解放出来。
2. 财务审计与对账：利用合计行校验和质控，交叉验证明细与汇总的一致性，适合对准确性要求极高的场景。
3. HR 薪酬诊断：处理含敏感信息的薪酬表时数据不出本地，分析口径可完整回溯。
4. 内网与合规环境：核心依赖仅 openpyxl，无需联网、无需绘图库与 LibreOffice，可在内网运行，满足数据不出域的企业要求。
5. Agent 可靠性研究：对于关注 Agent 输出可信度的开发者，它的多重闸门设计与 EgoSuite-Open100K 这类 Agent 基准测试形成互补——一个给出评测标尺，一个给出工程化解法。

huashu-excel 与传统 SaaS 分析工具的区别

与 Julius AI 等闭源 SaaS 产品相比，huashu-excel 的优势在于”透明”与”可控”：它不要求把数据上传到第三方服务器，保护企业隐私；它不搞黑盒处理，每一环节的方都写在代码与文档里，SKILL.md 本身就是一份可修改的方文档；它不追求”快速出图”，而是追求”精准对账”。传统做法直接 pd.read_excel 丢失格式信息、把合计行当噪音过滤、用均值标准差做默认统计（易受偏态影响）；huashu-excel 反其道而行——先读原始单元格、把合计行当校验和、默认五数概括（中位数/IQR）更抗干扰，并以”领域专家+分析师+质控”模拟咨询团队而非单一分析师角色。这种”对不上就不交付”的严谨，正是企业级用户最稀缺的特性。

huashu-excel 的价格版本

huashu-excel 是 MIT 协议的开源项目，完全免费，无订阅费、无使用量限制，可修改和商用。你唯一的”成本”是驱动它的模型调用费用——无论是 Claude、Cursor 还是接入 GLM-5.3-Flash 等模型的 Agent 环境，都可以按自己的预算选择底层模型。

huashu-excel 的常见问题解答

huashu-excel 支持哪些 Agent 环境？

它不绑定特定平台，支持 Claude Code、Cursor、Codex、Kimi Code 等主流 Agent 开发环境，通过 npx 一条命令安装；即使没有 Agent，也可以直接运行它的脚本完成数据体检与对账。

我的表格数据会被上传到服务器吗？

不会。整个 Skill 在本地运行，核心依赖只有 openpyxl，无需联网甚至可在内网环境使用，报告也是离线可打开的自包含 HTML，数据全程不出你的电脑。

它和直接让 ChatGPT 分析 Excel 有什么本质区别？

直接对话式分析依赖模型一次性读表，容易在合并单元格、小计行等结构陷阱上静默出错；huashu-excel 用八步流程加多重校验闸门把”静默出错”变成”对不上就报错”，并有 Agent 从原始数据重算复核，结论可信度完全不在一个量级。

huashu-excel 官网网址

huashu-excel 开源地址：https://github.com/alchaincyf/huashu-excel

OpenI AI时代点评

huashu-excel 最聪明的地方，是把”合计行”这个所有人都当噪音过滤掉的东西变成了免费的校验和——制表人留下的真值，成了验证 AI 计算的天然锚点。这种从一线业务经验里长出来的工程巧思，比任何宏大叙事都更有价值。它用最小依赖（一个 openpyxl）和八个步骤，把”AI 分析不可信”这个行业级焦虑，转化成了一个可落地、可审计的工作流。

更值得玩味的是它的产品哲学：在一个全民追求”一键出图”的时代，它偏偏选择”对不上就不交付”。对想深入学习 Agent 工作流设计的开发者来说，这份开源代码本身就是一份实战教材——配合 WorkBuddy 蓝皮书这类系统教程食用，能少走很多弯路。数据分析的未来不属于最快出图的工具，而属于敢为数字签字的工具。