AI助力办公效率革命：5分钟搞定500张图片批量提取，告别重复劳动！
先说一个核心判断：AI时代的生产力窗口，正在从“人操作工具”彻底转向“AI执行任务，人做微决策”。这个转变，不是慢慢来的，而是加速度发生的。今天的实战案例，就是用Antigra vity这类AI编程工具，解决一个再常见不过的办公痛点——从Excel里批量提取500张图片，还按规则命名，过程快得有点不真实。
开始之前，先对上篇内容补两句。那篇提到AI在推动生产力提升，但很多人还没完全感知到。其实生产力提升是渐进的。回顾办公室信息化：从MRP加速ERP普及，到CRM、OA、HR系统挨个上线，把办公界面从A4纸搬到了电脑窗口里——窗口变多了，层次也更连续了。后来飞书、钉钉、企业微信进一步整合沟通、流程、文档与目标管理，窗口维度更大了，信息密度也急剧增加。那AI时代呢？那个终极的“生产力操作窗口”会是什么？为什么OpenAI、Google、Anthropic这类模型公司，还有Manus、Lovart等创业公司，都在拼命搞自己的客户端环境？说白了，这也是在抢入口、占心智。这个AI生产力操作环境，就包括Claude Code、Codex、Codebuddy、Gemini Cli这类编程辅助工具，以及Cursor、Antigra vity这样专为编程设计的工具，还有Ok Computer、Google AI Studio等集成开发环境。
这个窗口跟以前的窗口有个根本区别：过去的ERP、飞书等，提供了工具环境——功能、按钮、表格，本质还是人操作。但今天的AI窗口，操作者变成了AI，人在里面只提供微决策。所以所有AI公司的新操作窗口，交互方式普遍回归到命令对话的形式，这一点适应了就好。
回到正题。用一个实际案例展示如何用Antigra vity在5分钟内从Excel中提取500张图片到指定文件夹。
场景是这样的：业务方发来一个50MB的Excel文件，需要把里面的信息上传到CRM系统。文件中有一列是图片，业务方已经整理好了，一共500多张。如果一张张下载再一张张上传，效率太低也容易出错。第一反应是什么？当然是“AI优先”——必须用AI来完成图片提取。恰好之前研发同事开发过一个小工具，可以批量上传图片，但前提是图片文件名必须与产品编号一致。于是需求明确：用AI从Excel提取所有图片，每张保存到电脑，并以对应的产品编号命名。
先准备好Excel文件和存放图片的文件夹，就可以开始操作了。
我们尝试用豆包来解决（实际工作中没试豆包，直接用Antigra vity，用豆包演示不代表否认它，只是在这个窗口环境下，完成这类任务确实不太顺手）。在豆包里上传文件，敲了一段提示词：
有一个数据处理的任务，要求：将1.xlsx B列的图片保存在文件夹pic里，保存时，图片的文件名称以A列的代码命名。如果你理解我的需求，请说明，然后开始干活，有问题随时问。
豆包开始生成代码，很努力，但等待时间很长。
豆包的逻辑是我给你代码，你自己找个环境运行代码完成任务——这显然不是我们想要的。回到Antigra vity，这是Google开发的AI编程工具，不管它有多牛，先干活。打开Antigra vity，打开文件夹，在命令窗口输入同样的提示词：
有一个数据处理的任务，要求：将1.xlsx B列的图片保存在文件夹pic里，保存时，图片的文件名称以A列的代码命名。如果你理解我的需求，请说明，然后开始干活，有问题随时问。
它立刻开始干活，而且想得相当周全。它主动问了几个问题：
- 文件位置:
1.xlsx
文件在哪个目录下？是在当前工作区/Users/DeepAI/Documents/ql
中吗？ - 图片格式: B 列中的图片是什么格式（PNG、JPG等）？还是格式不统一？
- pic 文件夹位置:
pic
文件夹应该创建在哪里？与1.xlsx
同级目录吗？ - 重复代码处理: 如果 A 列有重复的代码，应该如何处理？覆盖还是添加序号？
我给了它进一步的信息：
- 1.xlsx在当前文件夹
- 图片格式：保持原格式，如果不确定，使用PNG
- pic在当前文件夹
- 如果有重复，添加序号
得到确认后，它直接构建了一个Python文件，并开始自己执行、处理，把图片保存到了pic文件夹里。
图片静静地躺在文件夹里，打包发给研发上传，完毕，good job！
至此任务完成，整个过程非常快，一次搞定，快得都有点不像例子。说5分钟都夸张，真的细思极恐。而且这件事任何人都可以完成，有一定门槛，但不高，稍微看看就能掌握。
全文完。有兴趣的朋友可以继续往下看AI是如何工作的——看看Antigra vity完成该任务的报告。
Excel 图片提取任务完成报告
任务概述
成功从 1.xlsx 文件中提取 B 列的图片，并使用 A 列的代码作为文件名保存到 pic 文件夹中。
执行步骤
1. 环境准备
- 确认 1.xlsx 文件位于 /Users/DeepAI/Documents/ql 目录
- 确认 pic 文件夹已存在
- 安装必要的 Python 库 openpyxl
2. 脚本开发
创建了 extract_images.py 脚本，实现以下功能：
- 读取 Excel 文件中的 A 列代码
- 提取 B 列中的图片
- 自动识别图片格式（PNG/JPEG等）
- 使用 A 列代码作为文件名
- 处理重复代码（添加序号后缀）
3. 执行结果
✅ 成功提取 481 张 图片
图片格式分布
PNG 格式: 478 张
JPEG 格式: 3 张 (x.xx.xx.0041, x.xx.xx.0042, x.xx.xx.0043)
文件命名示例
x.xx.xx.0086.png
x.xx.xx.0087.png
x.xx.xx.3968.png
x.xx.xx.1281.png
x.xx.xx.0041.jpeg
4. 验证检查
# 文件总数 $ ls pic | wc -l 481 # 文件大小示例 $ ls -lh pic | head -10 -rw-r--r-- 682K x.xx.xx.0086.png -rw-r--r-- 642K x.xx.xx.0087.png -rw-r--r-- 6.3K x.xx.xx.3968.png -rw-r--r-- 120K x.xx.xx.4068.png
技术实现
核心技术
- openpyxl: 用于读取 Excel 文件和提取嵌入图片
- 图片格式识别: 通过文件头字节自动识别图片格式
- 重复处理: 使用计数器为重复代码添加序号
关键代码逻辑
- 加载 Excel 工作簿
- 读取 A 列所有代码并建立行号映射
- 遍历工作表中的所有图片对象
- 根据图片位置（锚点）确定所在行和列
- 匹配 B 列图片与对应的 A 列代码
- 保存图片并处理文件名冲突
任务完成状态
- ✅ 读取 Excel 文件
- ✅ 提取 B 列图片
- ✅ 使用 A 列代码命名
- ✅ 保存到 pic 文件夹
- ✅ 保持原始图片格式
- ✅ 处理重复代码（添加序号）
- ✅ 验证提取结果
输出位置
所有图片已保存至: /Users/DeepAI/Documents/ql/pic/
提取脚本位置: extract_images.py
该文件的源码公布其实没什么用——你根本不需要看懂。下面是完整代码，纯展示用：
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""从 Excel 文件中提取图片并按照指定规则保存"""
import os
from openpyxl import load_workbook
from openpyxl.drawing.image import Image as OpenpyxlImage
from collections import defaultdict
def extract_images_from_excel(excel_path, output_dir):
"""从 Excel 文件中提取图片
Args:
excel_path: Excel 文件路径
output_dir: 输出目录
"""
os.makedirs(output_dir, exist_ok=True)
print(f"正在加载 Excel 文件: {excel_path}")
wb = load_workbook(excel_path)
ws = wb.active
print("正在读取 A 列代码...")
codes = {}
for row in range(1, ws.max_row + 1):
cell_value = ws.cell(row=row, column=1).value
if cell_value:
codes[row] = str(cell_value).strip()
print(f"找到 {len(codes)} 个代码")
filename_counter = defaultdict(int)
sa ved_count = 0
if hasattr(ws, '_images') and ws._images:
for img in ws._images:
if hasattr(img, 'anchor') and hasattr(img.anchor, '_from'):
row = img.anchor._from.row + 1
col = img.anchor._from.col + 1
if col == 2 and row in codes:
code = codes[row]
img_format = 'png'
if hasattr(img, 'format'):
img_format = img.format.lower()
elif hasattr(img, '_data'):
data = img._data()
if data[:4] == b'\x89PNG':
img_format = 'png'
elif data[:2] == b'\xff\xd8':
img_format = 'jpg'
elif data[:2] == b'BM':
img_format = 'bmp'
elif data[:4] == b'GIF8':
img_format = 'gif'
base_filename = f"{code}.{img_format}"
filename_counter[code] += 1
if filename_counter[code] > 1:
filename = f"{code}_{filename_counter[code]}.{img_format}"
else:
filename = base_filename
output_path = os.path.join(output_dir, filename)
try:
with open(output_path, 'wb') as f:
f.write(img._data())
print(f"已保存: {filename} (行 {row}, 代码: {code})")
sa ved_count += 1
except Exception as e:
print(f"保存图片失败 {filename}: {e}")
print(f"\n完成! 共保存 {sa ved_count} 张图片到 {output_dir}")
wb.close()
if __name__ == "__main__":
excel_file = "1.xlsx"
output_directory = "pic"
try:
extract_images_from_excel(excel_file, output_directory)
except Exception as e:
print(f"错误: {e}")
import traceback
traceback.print_exc()