Read Local Attachments First
先把本地附件解析成可追溯、可复核的结构化依据,再写作、计算或下结论。
流程
1. 锁定任务口径
明确交付物、目标字段、对象、时间范围、排序与统计规则。字段含义必须来自附件、数据字典或用户说明;无法确认时标为“待确认”,不得补造。
把会改变结果的规则先写成检查项。例如用户要“前20”时,8月成本表_产品利润排行.xlsx 的 产品利润排行 sheet 只能保留 排名、产品组 均非空的明细行,再按 利润占比 降序取20条;首行 产品组 为空、SKU数=120、利润占比=100%,是合计行,不得参与排名。
2. 盘点本地材料
优先打开本地路径,记录 文件名、真实格式、sheet/页数、目录层级 和 解析状态。压缩包先列完整文件清单,核对文件数量、编号与实际内容;多图场景分别统计 路径数 和 不同内容数,因为重复路径或同名覆盖不能计为2份材料。
扩展名不等于 真实格式:遇到 WebP 或无法解码的图片,先识别文件类型,再决定是否转为 PNG/JPG。此阶段不得因消息里同时有链接就跳过本地附件。
3. 定位数据区并建立来源映射
逐个 sheet、页面或图片区域识别标题、表头、数据起止行、说明区、空行、小计与合计行。每条抽取记录至少保留 source_file、source_sheet_or_page 和 source_row_or_region;同名文件再附版本或原路径,避免多源合并后失去出处。
对 产品利润排行,产品组 为空且 利润占比=100% 的行按合计行处理,而不是普通产品;对人员台账,先定位真实的 区域、开单、状态、日期 列,入职、开单、离职和分月离职不得共用一个未经核实的日期列。
4. 抽取、标准化与合并
按任务口径抽取字段,统一列名、日期、单位、数值类型和空值表示,但保留原值列或映射表。多文件频次统计时逐文件读取 B列,过滤空值并统一数字/文本类型;先记录每个文件的“总数”和“去重数”,再合并计算出现次数,否则空值与 123/"123" 混型会改变频次。
去重键必须取自业务字段。店铺导出表按 商品ID 去重后再提取 标题、售价、库存,不得默认以可能重名或改写的 标题 去重。产品系列合并时,不同口味/规格可归入同一 产品组,但犬用与猫用分开。
5. 清洗并按明细重算
显式处理空行、说明行、合计行、重复记录、异常值和用户指定排除项。计算以清洗后的逐行明细为依据,小计或总计只用于核对;若二者不一致,报告差异及采用的明细口径。
具体计算遵守附件给出的字段关系:利润 = (供货成本 - 成本) × 8月预估销量,返利 = 成本 × 8月预估销量 × 1.5%,8月预估总利润 = 利润 + 返利。若排除 MAG 卵磷脂【犬用】30g 1袋,只删除该 SKU,保留同产品组的 450g 等 SKU,然后重新聚合、重算占比并重排前20,不能删除整个 MAG 卵磷脂(犬用) 产品组。
6. 执行质量检查
校验行数、唯一键、编号连续性、缺失率、异常值、分类小计、总计和公式。金额逐项重算 含税金额 与 不含税金额,核对分类小计和总计到 0.01;出现 0.01 尾差时定位逐项四舍五入或汇总口径,不得静默抹平。
过滤条件必须先于插值和聚合:风机数据只保留 状态=3 的点,再插值理论功率、应用阈值并按风速或时段汇总。完成后回读最终结构化结果,确认被排除的合计行、空值和重复键没有重新进入统计。
7. 仅在本地解析失败后补救
按最小改动顺序补救:更换本地解析器;确认编码或真实格式;解压重试;将 WebP 转 PNG/JPG;将宽幅图按版面切片 OCR 后按位置拼接;缩略图不清时读取原图。每次转换保留原文件与 source_row_or_region 映射,并抽样比对关键数字、表头和行列位置。
只有上述本地路径失败、附件损坏或关键页缺失时,才使用用户已经提供的链接或备份来源。记录失败原因和补取范围,不把链接版与本地版静默混成同一版本。
8. 交付可直接使用的依据
按用户需要输出清洗表、排名、核对清单、分析指标或写作依据,而不是只贴原文。交付中列明来源范围、字段映射、过滤与去重规则、异常/缺失项和未解决的不确定性;例如“前20”结果需同时声明已排除 产品组 为空的合计行,并按清洗后 利润占比 重排。
若正文引用结构化材料,事实必须能回溯到 source_file 与 source_sheet_or_page;金额差异、缺页、字段歧义和 OCR 低置信区域单列,不将其写成确定事实。
工具选择
- Excel/CSV:先枚举 sheet 和表头,再按真实列名读取;保留公式值、原始值和来源行号。
- 压缩包:先列清单并核对编号,再解析内容;文件数与不同内容数分别统计。
- 图片/扫描件:先读原图;宽幅表按版面切片 OCR,拼接后用表头、行号与合计关系复核。
- Word/PDF:按标题、目录、页码或段落切分,并保留页码/段落来源。
- 格式转换:只作为本地解析失败后的补救,转换前后抽查
商品ID、金额、日期等关键字段。
边界
- 不得忽略可读的本地附件直接给通用答案,也不得在本地可读时先取链接。
- 不得臆造附件中没有的值、列义、缺失页或业务规则;
日期含义不清时标注待确认。 - 不得把合计行当明细、把
标题当默认唯一键、把路径数当不同内容数。 - 不得静默修正 0.01 金额尾差、OCR 疑似错位或版本冲突;应保留原值并报告差异。
- 用户指定排除单个 SKU 时,不得扩大为删除整个
产品组。
示例
用户要求清洗 8月成本表_产品利润排行.xlsx 并给出前20:先读取本地文件和 产品利润排行 sheet,识别并剔除 产品组 为空、利润占比=100% 的合计行;按用户要求仅排除指定 SKU,依据附件公式重新聚合 产品组,再按重算后的 利润占比 降序取20条。输出排名、来源 sheet、过滤规则与异常项,不把原合计值当作明细结果。