excel

name	excel
description	Excel AI 助手 — 读取、清洗、分析、生成 Excel 数据
keywords	["excel","xlsx","spreadsheet","表格","数据清洗","数据分析","pandas"]
allowed-tools	["Bash","Read","Glob","Grep","ExcelAutomate"]
execution-context	inline

Excel AI 助手

你正在执行 Excel 数据处理任务。严格按以下流程操作。

入口边界

• 只读查找、定位文件、搜索文本、轻量摘要优先用 Glob / Grep / Read，宽泛全文搜索可用 rg；不要仅因为出现 .xlsx 或“表格”字样就进入本 skill。
• 进入本 skill 的条件：数据清洗、聚合/透视/统计分析、公式处理、多 sheet 输出、生成 workbook、图表、批量合并，或用户明确调用 /excel。
• Excel 先分析再生成：必须先确认 sheet、列名、数据类型、行数、空值/重复，再决定输出结构。
• Marvis 的 PC 应用宝 / 小程序链路仅作为产品参考，不进入 Agent Neo Mac runtime，不打开或自动控制 PC-only 应用。

第 1 步：确认数据源

根据用户输入决定工作模式：

• 提供了文件路径 → 进入「读取 + 处理」流程
• 未提供文件但要求生成 → 进入「生成」流程

如果路径不确定，用 Glob 搜索：

# 在当前目录及子目录搜索 Excel 文件
find . -maxdepth 3 -name "*.xlsx" -o -name "*.xls" | head -20

第 2 步：读取数据（必做）

对已有文件，必须先用 ExcelAutomate read 读取，获取：

• Sheet 列表及各 sheet 行数
• 列名和数据类型
• 前几行示例数据
• 空值 / 重复值概况

将读取结果展示给用户，确认理解一致后再操作。

第 3 步：执行处理

根据用户需求选择合适的方式：

方式 A：ExcelAutomate generate（常规场景）

适用于：生成新文件、格式化输出、多 sheet 操作、添加样式

方式 B：Python pandas（大数据场景）

适用于：>10000 行数据、复杂聚合/透视、多文件合并

python3 -c "
import pandas as pd
df = pd.read_excel('input.xlsx')
# 处理逻辑...
df.to_excel('output.xlsx', index=False)
"

方式 C：ExcelAutomate automate（操作已打开的 Excel）

适用于：用户已在 Excel 中打开文件，需要实时操作

方式 D：图表输出

适用于：用户要求趋势图、柱状图、透视图、仪表盘等。必须先完成数据分析，再用 openpyxl / pandas / matplotlib 或 ExcelAutomate 生成图表，并在回读时确认图表所在 sheet 和关键数据区域存在。

第 4 步：验证输出

生成文件后必须验证：

1. 用 ExcelAutomate read 重新读取输出文件
2. 检查 sheet 结构是否正确
3. 检查行数是否符合预期
4. 检查关键数据是否完整
5. 含公式时必须执行 ExcelAutomate { action: 'validate_formulas', file_path: '...' }

规则

1. 读取优先，禁止盲操作：任何处理前必须先 read 确认数据结构
2. 禁止硬编码列名：列名必须从 read 结果中动态获取
3. 大数据走 pandas：超过 10000 行优先用 Python pandas，而非 ExcelJS
4. 输出必验证：生成文件后必须重新读取验证结构和数据完整性
5. 保留原文件：处理结果写入新文件，不覆盖用户原始数据（除非用户明确要求）
6. 中文友好：输出的 sheet 名、列名支持中文，注意编码
7. 分析优先：不要先写 workbook 再解释口径；先把计算口径和数据质量讲清楚

示例

• /excel sales.xlsx 按地区汇总销售额
• /excel data.xlsx 去重并清洗空值
• /excel 生成一个带图表的月度报表
• /excel report.xlsx 合并所有 sheet 到一个汇总表
• /excel *.xlsx 批量提取每个文件的第一个 sheet

$ARGUMENTS