用千问AI制作表格时，很多人习惯一股脑儿把原始数据扔进去，结果生成的内容杂乱无章：字段对应不上、筛选功能失效、公式全部报错。其实，最关键的一步是在动手之前先把表格的“骨架”搭建好——明确应该设置哪些字段、数据如何组织、哪些内容需要合并或拆分。这就像盖房子，图纸没画好就急着砌墙，后面全是返工活。

那么，具体如何让千问帮你把骨架画出来？

先让千问帮你画出表格骨架

打开千问，直接把你手头最原始的描述输入进去。例如：“客户反馈中提到‘加载慢’12次、‘支付失败’8次，都在北京；上海用户反映‘界面卡顿’15次、‘退款延迟’5次”。

接着发出指令：“请根据这段话，推导出最适合分析的3个核心字段，并说明每个字段的取值范围和数据类型（文本/数字/日期）。”

千问会返回类似这样的结果：【城市】（文本，取值为北京/上海/广州等）、【问题类型】（文本，需标准化为“加载慢”“支付失败”等固定词）、【出现次数】（整数，≥0）。这三列就是你表格的骨架，后续所有分析都将基于它们展开。

注意：不要跳过这一步直接让AI生成表格，否则它可能把“北京用户”和“上海用户”当作两个不同字段，导致后续无法按城市进行汇总。

用自然语言定义字段关系与计算逻辑

确认骨架后，接下来要填入“血肉”。在同一轮对话中追加指令，比如：“在刚才确定的三列基础上，新增一列‘问题严重度’，规则是：出现次数≥10则填‘高’，5–9填‘中’，≤4填‘低’。”

再补充一句：“最后加一列‘城市问题总数’，对同一城市的‘出现次数’求和。”

这一步不是让AI立刻输出表格，而是倒逼它把背后依赖的逻辑明明白白写出来。AI会返回字段映射说明，甚至标注哪几列需用SUMIF、哪几列要用IF嵌套——这些就是你未来在Excel里写公式的依据。如果AI没有写清楚，就追问：“‘城市问题总数’这一列，是按‘城市’分组后对‘出现次数’求和，对吗？” 它随即会确认或修正。

验证字段是否覆盖全部业务场景

如何验证这个骨架能否兜住所有业务场景？有两种方法。

方法一：使用反例测试。输入一个你预判AI可能漏掉的情况，比如：“如果某条反馈同时包含‘加载慢’和‘支付失败’，应该怎么记录？”看AI是建议拆成两行（推荐），还是加一列“复合问题”（不推荐）。前者字段干净，后者会导致筛选失效。

方法二：要求它枚举所有可能的异常值。发出指令：“请枚举这个表格中可能出现的所有异常情况，例如：城市为空、问题类型拼写不一致、出现次数为负数。”AI会给出清洗清单，比如“统一将‘卡顿’‘卡死’‘闪退’归并为‘界面卡顿’”，这本质上就是一份数据清洗SOP（标准操作流程）。

把思路转成可执行的生成指令

确认骨架、定义好逻辑、想清楚异常处理之后，最后一步就是把这一切打包成一条完整指令，让千问生成Excel表格。

第一步：整理好字段名、数据规则、异常处理方式，组合成一条指令：“请基于以下规则生成一张Excel表格：①列名为‘城市’‘问题类型’‘出现次数’‘问题严重度’‘城市问题总数’；②‘问题严重度’按次数区间填‘高/中/低’；③‘城市问题总数’需对每个城市自动求和；④所有‘问题类型’必须标准化为‘加载慢’‘支付失败’‘界面卡顿’‘退款延迟’四类；⑤输出可下载的.xlsx文件。”

第二步：点击“生成表格”按钮，等待千问在沙箱中运行Python代码并打包生成Excel文件。

第三步：下载文件，打开并检查“城市问题总数”列，观察同一城市的所有行数值是否相同。如果不同，说明分组逻辑没有生效，需要退回第二步修正指令。整个过程，其实就是在教AI如何理解你的业务，而不是让它凭猜测去生成。这，才是使用千问AI的正确姿势。