2026 年 1 月 23 日

把文件拖给 AI,让它整理好再交回来,这种体验比“生成一段建议”更容易让人上头。

因为日常办公最烦的那部分,常常不是想不明白,而是得在一堆文件之间来回搬东西。票据截图里有金额,会议记录里有待办,表格里又是另一套字段。你知道要交什么,却还得花时间把输入揉成同一种形状。

Cowork 在 1 月 12 日进入研究预览,Anthropic 次日的 Labs 公告提到了它。这个时间点值得关注:编程 Agent 的执行能力,开始用文件夹和自然语言任务的方式交到更多人手里。产品背景

一月的 GitHub 社区也能看到同类需求。开源桌面 Agent 项目 Eigent 已经在迭代;翻它 1 月 23 日的记录,可以看到修复空白页面、处理 Python 运行环境等具体工作。同期仓库 这类记录让我更关心上手之后的体验:程序启动了,用户能不能顺利把任务交进去,出问题时又能不能找出原因。

卡兹克在 1 月 22 日介绍 Skills 时,展示过把选题工作拆成采集、生成、审核几步的做法。相关观点 我觉得这个思路搬到文件任务里也很实用:复杂办公工作需要几个明确环节,不能只给一个笼统目标,再期待所有细节自动对齐。

如果今天就挑一件事试,我会选 CSV 对账。它看着普通,却能很快暴露文件自动化最重要的三个问题:输入有没有读对、规则有没有说清、异常有没有留下。

先定义“整理完”的含义

拿报销 CSV 举例,我会要求保留源文件、检查重复单号、输出去重金额,并列出无法判断的记录。只要这些条件写清楚,结果就有了检查方法。

输入目录建议分成 input/、output/、review/。其中 input/ 是逻辑上的只读区;真正防止覆盖,还需要操作系统权限或工具策略。给文件夹换个名字,本身不会产生权限隔离。

核心流程

先在本地复现一次对账

实验准备了六行数据,包含一次同金额重复、一组金额冲突,以及一行坏数据。按“冲突与无效输入单列”的规则,可以确认的金额为 300 分。

在系列目录下运行,需 Python 3.10+:

1
python3 examples/lab_v2.py 02

本地实验的实际运行结果

本地执行记录。完整代码:lab_v2.py,代码见文末。

相同单号出现不同金额时,先列为冲突,再决定怎么处理。 下面把规则和样本展开说清楚。

可以直接交给文件型 Agent 的任务描述如下:

1
2
3
4
5
读取 input/ 中的 CSV,不修改源文件。
字段 id 是单据编号,amount 是整数分。
相同 id、相同金额标记为重复;相同 id、不同金额标记为冲突。
输出明细、去重合计与冲突清单,写入 output/。
缺少字段或金额无法解析时停止该文件,说明原因。

别只看最后一行数字

检查对象 容易漏掉的情况 对应证据
输入 Agent 读取了旧版本 文件哈希和文件名
规则 去重键选错 重复记录清单
金额 元、分混用 字段单位说明
输出 只汇总,没有异常 冲突与失败文件列表

本例额外输出源数据 SHA256 的前 16 位,用来帮助对应这次实验。严格审计时应保留完整哈希,并记录工具版本、规则版本和执行时间。哈希只能说明文件是否变化,不能证明文件内容本来就正确。

我会这样安排第一轮试用

任务结构与示例安排

图里的日期是示例排期,不是产品发布时间。先手工跑通一份小样本,再让 Agent 处理同一份输入,把差异逐项列出。前两轮先别追求完全无人值守,先找出规则里没有说清楚的地方。

这段 Python 先把对账规则跑通。接进文件型 Agent 后,再检查它读到的文件和采用的规则是否一致。

真正难的,往往是两份都像真的数据

实践链路示意

我们把例子再往前推一点。假设同一单号出现两次,而且金额不同,你会怎么处理?

1
2
3
4
5
6
7
id,amount
A001,100
A002,200
A002,200
A003,50
A003,70
A004,oops

A002 两条记录金额一致,可以按约定视为重复;A003 的金额却对不上,不能随手选一条;A004 连金额都无法解析。把它们都交给“智能去重”,最后得到一个干净总额,看起来省事,实际上把业务决定藏进了整理过程。

我会把输出拆成三份:能确定的记录、需要确认的冲突、无法处理的输入。这里可以确认的是 A001 和 A002,总额为 300 分。A003 暂时不进入可确认合计,A004 保留原始行号等待修正。

这和“出错就整份文件失败”不一样。把有把握的部分先交出来,再明确告诉我哪些地方卡住,才方便继续工作。

1
2
3
4
5
conflicts = {key: values for key, values in groups.items()
if len(set(values)) > 1}
accepted = {key: values[0] for key, values in groups.items()
if key not in conflicts}
amount_cent = sum(accepted.values())

一份验收单,比十句“仔细检查”更有用

我会把这次任务的验收单写成下面这样:

输入情况 期望结果 发现错误后怎么继续
同单号、同金额 只计一次,报告重复次数 可以继续汇总
同单号、不同金额 进入冲突清单,暂停计入 补充业务确认
金额格式错误 保留行号和原始值 修正后重跑
缺少必要字段 当前文件停止处理 明确指出缺哪个字段

这份表不长,却能把一次任务变成一套重复使用的规则。以后换文件、换 Agent,甚至换成普通脚本,都能用同一份验收标准。

当然,遇到“同一个人提交了两次但单号不同”的问题,就需要新的业务规则。单号查重不能顺便解决身份匹配。自动化越往真实场景走,越要把这些边界说清楚,而不是要求系统自行猜测。

把一个任务拆成可检查的中间产物

如果让 Agent 同时读几十张票据、识别金额、合并表格、写结论,最后只交一份报告,一旦总额不对,就得从头翻。更好的做法是把识别与计算分开,留下中间明细。

第一步,提取每张票据的文件名、单号、金额和无法确认的字段。第二步,把这些字段交给脚本统一校验。第三步,再让 Agent 根据已确认明细写摘要。语言模型负责理解资料,计算器负责把确定的数算完。

1
2
3
4
input/             原始文件
output/extracted/ 逐项提取结果
output/report.json 校验后的结构化结果
review/ 需人工确认的项目

对图片识别出来的金额,我会保留它对应的源文件。否则模型把 100 看成 700,后面的计算再精确,也只是在认真处理一个错误输入。

遇到看不清的数字,最好让它交付一个待确认项,而不是用上下文补一个“合理金额”。办公自动化里有很多工作都适合这个原则:日期不明确就列出来,负责人不明确就待确认,别为了让报告完整而把未知填满。

一次完整的试用,应该怎么走

先手工算一份小样本,得到可确认总额;再运行脚本,检查分类是否一致;最后才让文件型 Agent 从原始资料开始完成同一任务。

这三轮比较能把错误分开。脚本结果不对,查规则和计算;脚本正确、Agent 提取错误,查识别和字段约束;明细正确、报告却写错,查摘要与格式生成。

有了这个顺序,就不需要一出错就重新写一大段提示词。每次只改一个环节,保留前后结果,也更容易知道修改有没有奏效。

第一轮试用我还会加一份空文件和一份缺字段的文件。系统应该说明它们为什么无法处理,其他文件是否继续,而不是把它们当成“金额为零”的正常记录混进去。

让下一轮修改能回到同一批输入

把原始输入、规则说明和结果放在一起,给它们一个批次名称。后续发现问题时,用同一批材料重跑,别同时换输入、换规则又换模型。

比如先修正冲突识别,再处理金额解析;如果两件事一起改,最终总额变对了,你仍然不知道错误是怎样被修好的。小样本并不意味着粗略,恰恰适合把变化看得更清楚。

跑通之后,再把输入规模逐步放大。每一步检查错误类型是否变化,比一开始就把整个共享盘交出去更容易积累经验。

文件交付也要考虑下一位接手的人

输出不要只叫 result.json 然后丢在下载目录里。至少要能对应到输入文件、规则版本和这次的异常清单。原始输入保留完整,新的结果写到另一处,方便随时回看。

源文件哈希很适合做这件事。它不能保证数据本来就正确,但能帮你确认:这次报告对应的,确实是同一份输入。

如果下一位同事打开目录,还得问你“这个数字怎么算出来的”,交付就还差一点。我希望自动化省掉的是搬运与重复计算的时间,也让接手的人少猜几次。

最后再决定要不要把这套流程接进 Cowork。先用固定样本把规则跑清楚,再交给 Agent 处理资料,验收时看它是否遵守了规则。工具界面可以变,业务上认定正确的结果应该保持稳定。

完整实验代码

保存为 examples/lab_v2.py 后,使用前文命令运行。

展开完整 Python 示例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
import argparse,csv,hashlib,io,json,subprocess,tempfile
from pathlib import Path
BASE=Path(__file__).resolve().parent

def audit_data():
raw='id,amount\nA001,100\nA002,200\nA002,200\nA003,50\nA003,70\nA004,oops\n'
rows=list(csv.DictReader(io.StringIO(raw))); groups={};invalid=[]
for line,row in enumerate(rows,2):
try: value=int(row['amount'])
except ValueError:invalid.append({'line':line,'id':row['id'],'reason':'金额不是整数分'});continue
groups.setdefault(row['id'],[]).append(value)
conflict={k:v for k,v in groups.items() if len(set(v))>1}
valid={k:v[0] for k,v in groups.items() if k not in conflict}
duplicates={k:len(v)-1 for k,v in groups.items() if k not in conflict and len(v)>1}
result={'input_rows':len(rows),'accepted_ids':list(valid),'amount_cent':sum(valid.values()),'duplicates':duplicates,'conflicts':conflict,'invalid':invalid}
assert result['amount_cent']==300 and list(conflict)==['A003'] and len(invalid)==1
return raw,result

def audit():
raw,result=audit_data();out=BASE/'output'/'cowork-v2';out.mkdir(parents=True,exist_ok=True)
(out/'source.csv').write_text(raw);(out/'report.json').write_text(json.dumps(result,ensure_ascii=False,indent=2))
print(json.dumps(result,ensure_ascii=False,indent=2));print('原始输入 SHA256:',hashlib.sha256(raw.encode()).hexdigest()[:16]);print('验收通过:重复不多算,冲突与坏数据单独列出。')

if __name__ == '__main__':
parser=argparse.ArgumentParser()
parser.add_argument('lab',choices=['02','all'])
parser.parse_args()
print('=== 工程实验 02 ===')
audit()

延伸阅读