Excel 数据架构师

解决的问题

直接让大模型读取 Excel 或 CSV 很容易遇到表头错位、合并单元格、多区域表格、隐藏行、公式和编码问题。原始数据一旦进入上下文，既费 token，也容易把“看起来像表”的结构当成可靠表，导致聚合、连接和解释都建立在错误口径上。该技能把 Excel 数据处理拆成一条工程化链路：先检查结构，再标准化，最后用确定性工具分析和验证，LLM 只负责理解意图、规划字段、生成 SQL 与解释结果。

工作方式

• 结构检查：使用 openpyxl、xlrd 或 CSV sniffing 识别工作表、维度、合并单元格、候选表头和隐藏区域。
• 结构分级：将表格分为标准表、轻非标准、可归一化的复杂表，以及不可稳定恢复的表；对不可稳定恢复的表先给出结构报告，而不是强行分析。
• 标准化：垂直合并值向下填充，水平合并值横向展开，多行表头压平成唯一字段行，并保留来源文件、工作表、行列等 lineage 信息。
• 分析执行：优先用 duckdb 做 SQL 查询、连接和聚合，用 pandas / polars 处理清洗和中等规模转换；sqlglot 用于 SQL 校验或方言改写。
• 脚本优先：正式分析默认生成可执行脚本，脚本需参数化、可重跑、输出路径明确，并写出 profile、字段映射、清洗日志、SQL 和校验结果。
• 验证边界：检查行数量变化、字段类型、连接是否膨胀、多对多是否重复计数、空结果原因，以及结果是否基于已执行 SQL。

适用边界上，它更适合多表、多区域、含合并单元格或标题备注的 Excel/CSV 分析；对于需要修改源文件、写库、访问网络或执行 DDL 的任务，应视为超出该技能的只读沙箱约束。遇到 A2 级结构、指标定义不清或连接键不唯一时，技能会要求先确认业务含义，而不是继续猜测。