具体操作并不复杂：首先导出.lbb文件，解压后提取metadata.json或params.txt，然后使用Excel分列功能清洗成结构化表格，最后通过Copilot for Excel或Kimi AI运行Power Query进行定向分析。整个流程环环相扣，缺一不可。

如何从LiblibAI导出可分析的结构化表格

LiblibAI的界面并未提供直接导出CSV或Excel的按钮，因此需要先提取参数文本，再手动整理成表格格式。如果跳过这一步，直接将原始数据交给AI，字段缺失、列名混乱等问题将导致解析失败。

第一步：打开需要分析的作品页面 → 点击右上角【导出】→ 选择【导出为.lbb项目文件】。

第二步：使用文本编辑器打开.lbb文件——它本质上是一个ZIP压缩包。解压后找到metadata.json或params.txt，将全部内容复制出来。

第三步：新建一个Excel文件，在A1单元格粘贴文本，然后按Ctrl+H批量替换\n为换行符。接着使用“数据→分列→按逗号/冒号/等号”拆分字段。注意：如果原始参数中包含中文冒号或空格分隔，必须先统一替换为英文符号，否则分列会错位。

操作非常简便，直接将文件拖入即可。

利用AI自动识别并清洗导出的参数表格

清洗的目的并非仅仅格式化，而是让AI能够准确理解“model”“seed”“cfg”等字段的真实含义。例如，如果保留原始字符串如model: "realisticVisionV60B1B" + "lora:animeOutline"，AI可能会将其误判为两个独立模型，从而导致后续分析混乱。

以下提供三种方法，可根据实际需求选用：

方法一：使用Excel内置的Ideas功能自动识别字段类型。选中已分列的数据区域 → 点击【数据】选项卡 → 【分析数据】→ 等待右侧Ideas窗格加载完成 → 查看“字段类型建议”卡片 → 点击“将‘model’列设为文本”“将‘seed’列设为数字”。

方法二：使用Power Query智能拆解复合字段。选中model列 → 【转换】→ 【AI驱动的列】→ 【提取关键短语】→ 勾选“使用逗号分隔”和“忽略大小写”。注意：如果未看到此选项，说明你的Microsoft 365账户未开通Copilot for Excel权限，需先在设置中启用。

方法三：手动补全缺失值并标注异常。对于seed列为0或空的行，使用公式=IF(ISBLANK(B2),RANDBETWEEN(1,999999),B2)进行填充；对于model列包含“unknown”或“null”的行，统一替换为"default_v2"。

将清洗后的数据输入AI进行定向分析

不要只下达“分析这些数据”这样泛泛的指令，这会导致AI给出笼统的回答。必须明确分析动作的物理可操作性：告知它使用什么工具、处理哪个文件、执行什么操作。

① 将清洗后的Excel文件另存为liblib_params_20260716.xlsx → 打开Copilot for Excel或Kimi AI。

② 输入提示词：【你现在是数据执行工程师，仅拥有本地安装的Excel 365和已授权访问D:\liblib_data目录的权限。请使用Power Query合并liblib_params_20260716.xlsx中的model列与seed列，统计每种model组合的出现频次，输出为新表，包含model_group和count两列，保存到D:\liblib_data\summary.xlsx】

③ 点击AI生成的“运行查询”按钮 → 等待完成 → 检查目标文件是否已生成且字段正确。

④ 如果AI返回错误，立即检查Excel中model列是否存在隐藏空格——使用=TRIM(A2)重新生成干净列后再试。