Back to Blog

AI 办公自动化实战:用大模型 API 批量处理 Excel、生成报告、写周报

上班族如何用 AI 提升办公效率?本文教你用 Claude 和 GPT API 自动处理 Excel 数据分析、生成 PPT 报告、写周报月报,附 Python 脚本和 Prompt 模板。

AI 办公自动化实战:用大模型 API 批量处理 Excel、生成报告、写周报

重复性办公任务(周报、数据分析报告、邮件起草、会议纪要)适合用 AI 辅助提速。本文提供可直接复制使用的 Python 脚本和 Prompt 模板,时间节省效果因实际情况不同而有差异。

场景一:AI 分析 Excel 数据

基础设置

AI 分析 Excel 数据
import anthropic
import pandas as pd

client = anthropic.Anthropic(
    api_key='your-derouter-key',
    base_url='https://api.derouter.ai/proxy/v1'
)

def analyze_excel(file_path, question):
    '''读取 Excel 文件并用 AI 分析'''
    df = pd.read_excel(file_path)

    # 把数据摘要发给 AI
    data_summary = f'''数据概况:
- 行数: {len(df)}
- 列名: {list(df.columns)}
- 前5行:
{df.head().to_string()}
- 数值列统计:
{df.describe().to_string()}'''

    msg = client.messages.create(
        model='claude-sonnet-4-6',
        max_tokens=4096,
        messages=[{
            'role': 'user',
            'content': f'''请分析以下数据并回答问题。

{data_summary}

问题:{question}

请给出:
1. 直接回答
2. 关键数据支撑
3. 可视化建议(用什么图表展示最合适)
4. 进一步分析建议'''
        }]
    )
    return msg.content[0].text

# 使用示例
result = analyze_excel(
    'sales_2026_q1.xlsx',
    '哪个产品线增长最快?有什么异常数据点?'
)
print(result)

自动生成数据分析报告

自动生成数据分析报告
def generate_data_report(df, report_type='月度销售分析'):
    '''从 DataFrame 自动生成分析报告'''
    data_str = df.to_string()

    prompt = f'''你是资深数据分析师。请根据以下数据生成一份{report_type}报告。

数据:
{data_str}

报告格式:

# {report_type}

## 摘要
(3句话总结核心发现)

## 关键指标
(用表格展示 KPI 完成情况)

## 趋势分析
(分析主要趋势,指出异常点)

## 问题与风险
(发现的问题和潜在风险)

## 建议
(3-5条可执行的建议)

要求:
- 所有结论必须有数据支撑
- 同比/环比对比(如果数据包含多个时间段)
- 语言精练专业,适合向管理层汇报'''

    msg = client.messages.create(
        model='claude-opus-4-6',  # 分析报告用 Opus 更专业
        max_tokens=4096,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return msg.content[0].text

场景二:AI 写周报/月报/年终总结

AI 生成周报
def generate_weekly_report(work_items, next_week_plan=''):
    '''根据工作条目生成周报'''
    prompt = f'''你是职场写作专家。请根据以下工作条目生成一份专业的周报。

本周工作:
{work_items}

{'下周计划:' + next_week_plan if next_week_plan else ''}

周报格式:

## 本周工作总结

### 重点完成项
(按优先级排列,每项包含:做了什么、效果/进展、关键数据)

### 进行中
(说明进展和预计完成时间)

### 问题与需要支持的事项
(如有)

## 下周计划
(按优先级排列)

写作要求:
- 结果导向,每项工作都要说清楚「做到了什么程度」
- 有数据就用数据说话
- 精练,不用套话
- 体现工作价值,不是流水账'''

    msg = client.messages.create(
        model='claude-sonnet-4-6',
        max_tokens=2048,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return msg.content[0].text

# 只需要列出要点,AI 帮你组织成专业周报
report = generate_weekly_report('''
- 完成了用户管理模块的前后端开发
- 修复了3个线上bug,其中1个P0级别
- 参加了产品需求评审会,评审了Q2的3个需求
- 优化了登录接口,响应时间从800ms降到200ms
- 带新人小李做code review
''', '''
- 开始做支付模块
- 完成用户管理的测试和上线
''')

年终总结

AI 生成年终总结
def generate_annual_summary(achievements, role='后端开发工程师'):
    prompt = f'''你是职场写作顾问。请根据以下年度工作成果写一份年终总结。

职位:{role}
年度工作成果:
{achievements}

年终总结结构:

## 年度工作回顾

### 核心业绩
(3-5项最重要的成果,每项量化展示)

### 技术成长
(技术能力提升、新技能学习)

### 团队贡献
(指导新人、技术分享、流程优化等)

## 反思与不足
(诚恳但积极地分析不足)

## 明年规划
(结合部门方向,提出个人发展计划)

写作要求:
- 数据说话:用百分比、数字量化每项成果
- 体现价值:不只说做了什么,更要说带来了什么效果
- 适当展现格局:从个人工作上升到团队/业务视角
- 2000字左右'''

    msg = client.messages.create(
        model='claude-opus-4-6',
        max_tokens=8000,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return msg.content[0].text

场景三:AI 处理邮件

AI 起草商务邮件
def draft_email(context, tone='professional'):
    '''AI 起草商务邮件'''
    tone_map = {
        'professional': '专业正式',
        'friendly': '友好但专业',
        'urgent': '紧急严肃',
    }

    prompt = f'''请起草一封商务邮件。

场景:{context}
语气:{tone_map.get(tone, '专业正式')}

要求:
1. 主题行简洁有力(10字以内)
2. 正文 150 字以内
3. 结构清晰:目的→内容→行动项
4. 不要用「冒昧打扰」「百忙之中」等套话'''

    msg = client.messages.create(
        model='claude-sonnet-4-6',
        max_tokens=1024,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return msg.content[0].text

# 催促同事回复
email = draft_email('上周发了技术方案给产品组,还没收到反馈,需要本周五前确认', 'friendly')

# 向领导汇报
email = draft_email('Q1 项目提前一周完成上线,用户反馈良好,需要汇报给总监', 'professional')

场景四:会议纪要

AI 整理会议纪要
def generate_meeting_notes(raw_notes):
    '''把零散的会议笔记整理成专业的会议纪要'''
    prompt = f'''请将以下零散的会议记录整理成专业的会议纪要。

原始记录:
{raw_notes}

会议纪要格式:

## 会议纪要

**日期**:(从内容推断)
**参会人**:(从内容提取)
**主题**:(一句话概括)

### 讨论要点
(按议题分类,每个议题包含讨论内容和结论)

### 决议事项
(明确列出每个决定,包含责任人和截止时间)

### 待办事项
| 事项 | 负责人 | 截止日期 |
|------|--------|---------|

### 下次会议
(时间和议题预告)'''

    msg = client.messages.create(
        model='claude-sonnet-4-6',
        max_tokens=2048,
        messages=[{'role': 'user', 'content': prompt}]
    )
    return msg.content[0].text

notes = generate_meeting_notes('''
今天和产品、设计开会讨论Q2需求
张三说用户反馈搜索功能不好用,需要优化
李四提了个新功能:智能推荐
设计王五说下周出设计稿
搜索优化4月底完成,推荐功能排到5月
张三负责写PRD,下周一出
下次开会下周三下午3点
''')

成本计算

办公场景频率月 API 费用节省时间
周报4次/月¥0.42 小时/月
Excel 分析10次/月¥15 小时/月
邮件起草30次/月¥1.53 小时/月
会议纪要8次/月¥0.84 小时/月
月报/季报1次/月¥0.33 小时/月
合计¥4/月17 小时/月

每月花 ¥4,节省 17 小时。按时薪 ¥100 算,相当于赚了 ¥1700。

常见问题

总结

AI 办公自动化的核心场景:

场景工具月费节省时间
数据分析Claude Sonnet/Opus¥15h
周报/月报Claude Sonnet¥0.52h
邮件起草Claude Sonnet¥1.53h
会议纪要Claude Sonnet¥0.84h
年终总结Claude Opus¥0.33h

通过 derouter.ai,加密货币 $10 起充,按量使用,每月 ¥4 搞定全部办公 AI 需求。

Ready to Get Started?

Access Claude, GPT, and more at a fraction of the cost.

Create Free Account

Related Articles