AI拆解千行Excel，靠的是特种小队式协作

打开一份几千行、满是合并单元格和红色标记的Excel，你会不会盯着屏幕发呆？现在的AI面对这种表格，就像用短信读一本带插画的书——要么丢了颜色、边框这些关键信息，要么内容太长直接“罢工”。香港中文大学和商汤的团队最近搞出的SpreadsheetAgent，却让AI能像特种小队一样分工拆解复杂表格，在真实业务测试中准确率比ChatGPT Agent还高了近3个百分点。它到底是怎么做到的？

特种小队式的分工协作

你可以把SpreadsheetAgent想象成一支执行任务的小队：提取智能体是侦察兵，负责先扫一遍表格，把层级表头、合并单元格、红色标记这些关键信息记下来，生成一份YAML格式的“侦察报告”；验证智能体是质检员，专门盯着报告里最容易出错的地方——比如复杂的合并区域，它会调用工具重新核对，发现错误就打回去让侦察兵修正。

这个“侦察-验证-修正”的循环会反复进行，直到报告准确无误。最后这份YAML报告就像一张精准的地图，后续的求解智能体拿着它，就能轻松回答“销售部第二季度华东地区标红产品总利润”这类复杂问题，不用再对着整个大表格抓瞎。

三大工具破解格式难题

光靠两个智能体还不够，这支小队还带了三个“外挂”工具，专门解决传统AI处理表格的痛点。

第一个是代码执行工具，相当于小队里的计算兵——遇到需要求和、筛选的问题，它会自动生成Python代码运行，给出精确结果，避免AI凭感觉“瞎算”。第二个是视觉截图工具，配合视觉语言模型（VLM）当“眼睛”，能把表格里的颜色、边框、图表这些纯文本丢失的信息捡回来，比如准确识别哪些单元格是红色的。第三个是LaTeX工具，像个绘图师，能把复杂的层级表头转成LaTeX代码，让AI清楚看懂表头的嵌套关系，不会把“销售部”和“第二季度”的层级搞混。

这三个工具各司其职，又能互相配合：比如验证智能体怀疑侦察兵漏了红色标记，就会调用视觉工具截图核对；如果发现表头层级错了，就用LaTeX工具重新解析。

效率与成本的两难平衡

不过这套方案也不是完美的。处理一份表格平均要97.5秒，还得调用多个大模型，显存最高要用到21GB——这意味着它暂时没法像Excel插件那样实时响应，更适合后台批量处理审计报表、销售数据这类不用急着要结果的场景。

更关键的是，它的视觉理解能力完全依赖于用到的VLM，如果VLM本身识别错了颜色或边框，整个流程都会跟着出错。而且面对数据透视表、动态图表这类更复杂的内容，它现在还力有不逮。但不可否认的是，它给AI处理真实世界里的“脏乱差”表格指了条明路：与其让一个大模型硬扛，不如分工协作，用工具补短板。

当我们还在吐槽AI连Excel都搞不定的时候，SpreadsheetAgent已经悄悄解决了两个核心难题：怎么在不丢失信息的前提下处理大表格，怎么让AI看懂表格里的视觉信号。它不是一个完美的工具，但它的思路——让AI像人一样分工、用工具、反复核对——可能比它的性能更有价值。

复杂问题的最优解，从来不是一个超级个体，而是一群靠谱的合作者。 未来的AI办公助手，或许不会是一个无所不能的“超级大脑”，而是一个能协调各方、擅长找工具解决问题的“项目经理”。