数以轻舟Agent

数以轻舟Agent官网,一句话处理Excel数据的本地化智能体

什么是数以轻舟Agent?

数以轻舟Agent是北京乾策数智科技打造的智能Excel数据处理Agent，研发团队核心成员来自国内头部互联网企业数据分析部门，拥有十余年的企业级数据项目实战经验。产品将大厂沉淀的数据清洗规范、分组汇总逻辑、透视分析框架、异常检测机制等核心方法论进行系统化封装，使输出的每一个分析结果均符合企业级标准。在功能架构上，数以轻舟Agent深度集成了VLOOKUP智能匹配、SUMIF条件汇总、数据透视自动构建等Excel高频操作，同时支持数据清洗、格式标准化、异常值识别等进阶能力。用户无需记忆复杂公式，仅通过自然语言描述分析需求，Agent即可自动完成从数据理解到结果输出的全流程操作。产品采用”双轨并行”的底层架构，既支持硅基流动等优质线上API的快速接入，也支持本地化大模型的灵活接入，企业可将财务数据、客户信息、经营报表完全留在本地环境处理。这种设计让不同安全等级、不同IT条件的团队都能找到适配方案。此外，产品支持多轮对话式分析，用户可在首轮结果基础上持续追问、深化洞察，形成完整的分析闭环，真正实现”让数据处理如轻舟过万重山”的产品愿景。

数以轻舟Agent官网: https://www.dify-ai.cn/excelagent/excelagent.html

主要功能

自然语言驱动数据处理。用户无需记忆复杂函数公式，直接以口语化描述需求，如”把A列的姓名和B列的电话合并成一列，中间用顿号隔开”，Agent自动解析意图并生成执行方案。

智能数据清洗与格式标准化。自动识别日期格式混乱、文本数字混排、空值填充等常见问题，支持批量规范化处理，并提供清洗前后的对比预览。

动态分组汇总与透视分析。基于语义理解自动生成分组统计，如”按地区统计销售额并计算占比”，无需手动拖拽透视表字段。

跨表关联与数据合并。支持VLOOKUP、XLOOKUP等关联逻辑的语义化表达，自动匹配关键字段，处理多表数据整合场景。

批量文件处理。支持对文件夹内多个Excel文件执行相同操作流程，如统一格式、提取特定字段、合并汇总等，适合周期性报表处理。

---

数以轻舟深度测评：一款真正让Excel不再难用的AI原生数据助手

写在前面

有一类工具，你第一次用完之后会回头问自己：以前没有它，我是怎么活下来的？

数以轻舟就是这类工具。

它不是什么噱头产品，不是又一个套壳GPT的聊天窗口，也不是把你的Excel文件丢进云端处理完再返还给你的在线服务。它是一款由北京乾策数智科技有限公司打造的、面向Excel数据处理场景的垂直型AI智能体（Agent），2025年12月推出首款产品，2026年5月正式上线本地化部署版本。

如果你每天的工作里有超过两个小时在跟Excel打交道，或者你带过一个团队，每周光是催各类报表就能让你抓狂，那么这篇文章值得你认真读完。

---

产品背景：为什么需要数以轻舟

传统Excel工作流的痛点

不得不说，Excel这款软件诞生已经超过四十年，但绝大多数普通用户对它的使用方式，停留在的层次依然相当原始。VLOOKUP写错了百度，数据透视表的字段拖来拖去，条件格式设置半天还是不对，稍微复杂一点的多条件汇总，就要开始问同事或者去找教程。

这不是用户的问题，这是工具门槛设计上存在的问题。Excel的强大，建立在一套需要长期学习才能掌握的函数体系和交互逻辑之上。这对于本职工作并不是数据分析的人来说，是一座不必要的高墙。

与此同时，随着AI浪潮的涌起，市面上确实出现了一批”AI+表格”产品。但大多数产品存在同一个根本问题：数据需要上传到云端。你的财务数据、员工信息、客户名单……一旦离开本地设备，数据安全的边界就开始模糊。在企业信息安全越来越被重视的今天，这是一个越来越难以被接受的妥协。

数以轻舟的出现，核心是在回答一个问题：能不能让AI在本地跑起来，同时把Excel用自然语言驱动？

产品定位

数以轻舟定位自己为”智能Excel-Agent数据处理工具”，目标是”让AI做表和AI数据分析真正落地到每一位办公人员的日常工作中”。 这个定位有两个关键词：落地和每一位。前者强调的是实用性而非炫技，后者强调的是普适性而非只服务于技术人员。

---

核心功能全景

自然语言一键制表

这是数以轻舟最核心、也是最直观的能力。你不需要知道任何Excel函数，只需要用自然语言告诉它你想要什么。比如”帮我建一张记录员工月度考勤的表格，包含姓名、部门、出勤天数、迟到次数、应扣工资列”，它就能直接生成带格式、带计算逻辑的表格结构，并填入对应的公式。

这种交互方式的革命性在于：它把”想清楚要什么”和”会不会操作”这两件事彻底解耦了。以前你需要同时做到这两点，现在你只需要做到第一点。

复杂公式智能生成

SUMIFS、INDIRECT、OFFSET、INDEX MATCH——这些函数对大多数人来说意味着无尽的痛苦。数以轻舟可以接收自然语言描述，自动生成对应的复杂公式。不仅如此，它还会对生成的公式做出解释，让你明白这条公式在做什么，而不是把一段你看不懂的代码丢给你了事。

这一点其实相当重要。工具给你答案，但不让你理解答案，你就永远依赖工具。而数以轻舟选择了一种更负责任的方式：在解决问题的同时，帮助用户建立基础的理解。

数据清洗与整理

杂乱数据是表格工作的万恶之源：有的列有多余空格，有的日期格式不统一，有的单元格混用了中英文标点，有的数据存在重复行。数以轻舟具备完整的数据清洗能力，你可以用对话的方式描述你想做的清洗操作，它会自动识别数据问题并给出处理方案。

处理逻辑包括：去除重复值、统一日期/文本格式、批量替换、条件筛选删除等常见操作，全部通过对话触发，无需手动逐一操作。

数据分析与可视化

从数据到洞察，数以轻舟可以完成一条完整的链路。给它一组销售数据，它不仅能做汇总分析，还能直接生成对应的可视化图表——柱状图、折线图、饼图、散点图，根据数据类型自动推荐最合适的呈现方式。

这个功能对于需要定期制作数据报告的用户来说价值极高。过去做一份月报，光是从数据到图表这一步就要花上不少时间；现在这个过程可以被大幅压缩，甚至在某些场景下实现近乎自动化。

本地大模型部署：这是真正的差异化优势

数以轻舟支持 Qwen（通义千问）、DeepSeek、Kimi 等国产主流大模型的本地化运行，数据零出域。 这意味着你处理的所有Excel数据，始终停留在你自己的设备上，不经过任何第三方服务器。

2026年5月，数以轻舟正式上线本地化部署版本，这标志着这款产品从云端服务走向了真正意义上的本地AI能力。 对于有数据安全诉求的企业用户和个人用户来说，这是一个极具说服力的选择理由。

支持的部署方式包括对接本地运行的Ollama服务，用户可以将DeepSeek等模型跑在自己的机器上，再通过数以轻舟的前端界面进行交互。从技术架构来看，它将AI能力层与数据层彻底隔离，只在本地完成推理和操作，形成了一个相对封闭且安全的工作环境。

多模型切换与适配

数以轻舟并不绑定单一模型，它支持用户根据任务需求和自身硬件条件灵活切换模型。处理简单的公式生成任务，可以使用参数量较小、响应速度更快的轻量模型；处理复杂的多表关联分析或数据推理任务，可以切换到能力更强的大参数模型。

这种灵活性赋予了产品很强的适应性。不同预算、不同硬件配置的用户，都可以找到适合自己的运行方式。

---

深度实测体验

测试环境

为了尽量还原真实使用场景，本次测评选取了三类典型任务场景：日常办公场景（HR月度考勤汇总）、财务场景（多月销售数据对比分析）、数据清洗场景（来自不同来源的客户数据整合）。

本地运行环境为搭载独立显卡的Windows 11设备，部署模型为DeepSeek V4本地蒸馏版，通过Ollama管理模型服务。

场景一：HR月度考勤汇总

任务描述：有一份200行员工原始打卡记录，需要汇总每人当月出勤天数、迟到次数、早退次数，并标记出勤率低于90%的员工。

操作过程：打开数以轻舟对话框，用一句话描述需求：”把这份考勤原始数据，汇总成每人的月度出勤报表，算出出勤天数、迟到次数、早退次数，把出勤率低于90%的员工用红色标注。”

结果：数以轻舟生成了完整的SUMIFS公式组合，自动建立了汇总表结构，并设置了条件格式标注规则。整个过程耗时约40秒，结果准确无误。手动操作这个任务，对熟悉Excel的人来说至少需要15-20分钟。

场景二：多月销售数据对比分析

任务描述：三张Sheet，分别是1月、2月、3月的各区域销售数据，需要汇总成一张对比表，并生成折线图呈现趋势。

操作过程：对话输入：”把这三个月的销售数据汇总对比，按区域展示，生成折线图。”

结果：跨Sheet引用正确处理，汇总表格结构清晰，折线图自动生成，X轴为月份，Y轴为销售额，不同颜色对应不同区域。整体用时约70秒。公式中的三维引用写法专业，不是简单拼凑，而是真正理解了跨Sheet数据提取的逻辑。

小瑕疵：在图表样式上，默认配色方案对比度略低，需要手动微调。这是一个可以接受的小问题，核心逻辑没有问题。

场景三：客户数据清洗

任务描述：一张600行客户数据表，混有重复记录、电话号码格式不统一（有+86前缀、有010区号、有纯11位手机号）、部分姓名列混入了联系人职位信息。

操作过程：”清洗这份客户数据：去掉重复的客户，把电话号码统一成11位纯数字手机号格式，把姓名列里混入的职位信息分离出来单独放一列。”

结果：重复数据去除干净，电话号码清洗逻辑基本准确，能处理+86前缀和010区号的情况。姓名/职位分离功能在明确分隔符（如括号、空格+职位词）的情况下处理良好，对于无规律混入的情况识别率约在85%左右，仍有提升空间。

整体评价：数据清洗是所有AI表格工具的难点，数以轻舟在这个维度的表现属于中等偏上水平，对于绝大多数规律性清洗任务能够胜任，对于高度不规则的脏数据需要配合人工复核。

响应速度

在本地部署环境下，简单任务（公式生成、格式调整）响应时间约为10-30秒，复杂任务（多表分析、数据可视化）约为60-120秒。这个速度与本地硬件配置强相关。在调用云端API的模式下，响应速度会有所提升，但数据安全就要退一步考量。

---

五款同类产品横向对比

竞品一：WPS AI

产品背景：WPS AI是金山办公在WPS Office套件中深度集成的AI能力，背靠金山38年的办公软件积累，是目前国内市占率最高的本土办公AI产品之一。

核心优势：与WPS原生软件无缝融合，使用门槛极低，中文理解能力强，支持文档、表格、演示多场景协同。私有化部署方案主要面向政企客户，支持信创环境。

核心劣势：AI表格能力相对通用，深度垂直于Excel场景的精细化操作能力不如专项工具。个人版部分AI功能需要付费会员，且核心数据仍经过云端处理。面向普通用户的完整本地化部署方案尚未开放。

适合人群：已经深度依赖WPS生态的用户，尤其是政企办公场景，以及对产品稳定性和品牌背书有要求的用户。

---

竞品二：Microsoft Copilot（Excel版）

产品背景：微软将Copilot深度集成进Microsoft 365套件，Excel中的Copilot支持自然语言生成公式、数据洞察、图表创建等功能，代表了国际大厂在AI表格方向的最高水位。

核心优势：与Excel原生功能深度融合，调用GPT-4级别的模型能力，在复杂推理任务上上限极高，生态成熟，持续迭代更新。Agent模式（正在灰度推出）理论上可以完成更长链路的自动化操作。

核心劣势：需要Microsoft 365订阅，且Copilot为额外付费项目，综合成本较高。中文理解能力相比国产模型存在明显差距，处理中文表格的识别率约在70%左右。 数据经过微软云端处理，完全不支持本地化部署，对数据安全敏感的国内用户存在合规风险。

适合人群：本身使用Microsoft 365正版套件、主要处理英文数据、对数据安全要求不高的用户和外资企业。

---

竞品三：Sheet+

产品背景：Sheet+是一款轻量级AI表格助手，专注于公式辅助生成、解释和调试，主打简单易用，是海外用户中较受欢迎的AI表格工具之一。

核心优势：上手极快，界面简洁，专注于公式这一核心痛点，解释功能做得比较到位，能把复杂公式拆解成通俗语言。对于没有复杂需求的轻度用户，它的使用摩擦几乎为零。

核心劣势：功能单一，局限在公式辅助层面，不具备完整的数据清洗、自动化分析、可视化生成能力。中文支持有限，无法本地化部署，数据处理依赖云端，完全不适合有数据安全要求的场景。

适合人群：偶尔使用Excel处理轻量任务、主要需求是公式辅助的个人用户，以及刚开始学习Excel的初学者。

---

竞品四：FormulaBot

产品背景：FormulaBot是一款专注于Excel和Google Sheets公式生成的AI工具，以公式转换为核心卖点，支持自然语言到公式的双向转换。

核心优势：公式生成能力在同类产品中属于上游水平，支持Excel和Google Sheets双平台，对于只需要公式辅助的用户来说性价比不低。界面直觉清晰，无需太多学习成本。

核心劣势：与Sheet+类似，功能边界比较窄，数据处理全链路能力缺失，无法完成分析和可视化任务。中文支持一般，完全依赖云端，无本地化选项。对于企业用户而言，这是一个硬伤。

适合人群：Google Sheets重度用户、对公式辅助有持续需求且预算有限的个人用户。

---

竞品五：Numerous.ai

产品背景：Numerous.ai是一款将AI能力注入Google Sheets的工具，功能范围相对较广，支持批量文本处理、数据提取、分类标签等操作，在内容运营、数据整理方向上有一定口碑。

核心优势：除了公式辅助，还支持批量AI调用（例如对每一行数据自动调用AI做情感分析、分类打标），这在需要对大量文本数据做批处理的场景下有独特价值。功能覆盖面相对较广，在五款竞品中属于功能较全的一款。

核心劣势：使用门槛相对较高，需要学习特殊的语法规则，初上手体验不够直觉化。 云端依赖是不可逃避的问题，大量调用AI接口的成本也相对较高。对于只需要做表格分析的用户来说，它的复杂度可能超出了实际需要。

适合人群：内容运营、市场分析、需要对大量文本数据做批量AI处理的高级用户。

---

横向对比汇总

维度	数以轻舟	WPS AI	Copilot Excel	Sheet+	FormulaBot	Numerous.ai
本地化部署	✅ 完整支持	⚠️ 仅政企版	❌ 不支持	❌ 不支持	❌ 不支持	❌ 不支持
数据安全性	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐	⭐⭐	⭐⭐
中文支持	⭐⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐	⭐⭐
公式生成能力	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐
数据清洗能力	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐	⭐	⭐	⭐⭐⭐
可视化分析	⭐⭐⭐⭐	⭐⭐⭐⭐	⭐⭐⭐⭐⭐	⭐	⭐	⭐⭐
上手难度	低	极低	低	极低	低	中高
价格友好度	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐	⭐⭐⭐⭐	⭐⭐⭐	⭐⭐⭐
适用平台	Excel	WPS/Office	Excel	Excel/Sheets	Excel/Sheets	Sheets

---

技术架构解析

Excel-Agent范式的本质

数以轻舟不是一个插件，也不是一个单纯的AI接口封装。它构建的是一套Excel-Agent执行框架：接收用户的自然语言指令 → 理解任务意图 → 拆解为可执行的表格操作步骤 → 调用对应的Excel操作API → 将结果写回表格。

这个框架的关键在于中间的”任务拆解”环节。一般的AI工具在面对”帮我分析这份数据”这类模糊指令时，往往给出一个文字分析结果，而不是直接操作表格。数以轻舟的Agent模式要求模型输出的是可执行的操作序列，而不仅仅是文字建议，这是它与普通AI对话工具的本质区别。

DeepSeek V4的角色

数以轻舟率先完成了对DeepSeek V4的适配，这只”国产最强大脑”的加入，在推理能力和中文理解层面给产品带来了显著提升。 DeepSeek V4的数学推理能力使其在处理复杂多步骤计算逻辑时表现出色，这对于Excel场景中的嵌套公式生成、多条件逻辑构建有直接的正向影响。

更重要的是，DeepSeek是一个可以完整本地化运行的模型。这意味着数以轻舟整个技术链路的本地化部署成为可能，不存在任何必须上云的环节。

Ollama集成的实践意义

Ollama是目前最主流的本地大模型管理工具，支持一键拉取和运行各类开源模型。数以轻舟与Ollama的集成，大幅降低了本地化部署的技术门槛。

对于一个没有深度技术背景的普通用户而言，部署流程大致如下：安装Ollama → 拉取选择的模型（如DeepSeek或Qwen）→ 安装数以轻舟 → 配置模型连接。整个过程不需要编写代码，照着文档操作，有一定电脑基础的用户都可以完成。

---

适用场景与人群画像

最适合使用数以轻舟的场景

财务与会计工作：月报、年报、预算对比、多科目汇总——这些是Excel使用频率最高、重复性最强的工作。数以轻舟可以把其中大量模板化操作自动化处理，让财务人员把精力集中在判断和决策上，而不是折腾公式。

HR与行政管理：考勤汇总、绩效数据整理、员工信息表维护，这类工作高频且规律性强，是数以轻舟能力的高度匹配场景。尤其对于规模不大、没有专职数据分析师的中小企业，数以轻舟可以直接填补这个能力空白。

销售数据分析：区域销售对比、达成率追踪、客户分层分析——对于销售团队的数据负责人，这些工作在以前需要熟练掌握Excel才能高效完成，现在可以用自然语言驱动完成。

数据清洗与整合：对于需要定期从多个来源汇总数据的岗位（市场、运营、采购），数以轻舟的数据清洗能力可以将手工整理的时间大幅缩短。

含数据安全要求的企业场景：医疗、法律、金融、政府相关岗位，对数据外流有极高敏感度。数以轻舟的本地化部署能力在这类场景下几乎是唯一可行的AI表格方案。

不太适合的场景

如果你的需求主要是在Google Sheets上操作，数以轻舟目前的支持度有限，Numerous.ai可能是更合适的选择。

如果你的Excel需求非常简单（偶尔用SUM加个总），专门为此部署一套本地AI环境性价比不高，Sheet+这类轻量工具更合适。

如果你的硬件配置较低（内存8GB以下、无独立显卡），本地化部署模型的体验会大打折扣，建议考虑使用云端API模式，但要接受数据上云的代价。

---

数据安全：被低估的核心价值

很多用户在选择AI工具时，习惯性地把功能强弱放在第一位，把数据安全放在一个”以后再说”的位置。这是一个非常普遍的认知误区。

数据安全问题一旦发生，代价是非线性的。客户数据泄露、财务数据外流、竞争情报暴露——这些不是”功能不够好”，而是可能直接影响企业经营和个人职业前途的风险。

云端AI工具在这个维度上存在两层风险：第一层是服务提供商是否会使用你的数据训练模型；第二层是数据在传输和存储过程中是否面临第三方截获的风险。即便是声称”数据不用于训练”的服务，也依然需要承担网络传输层面的安全压力。

数以轻舟的本地化部署路径彻底规避了这两层风险。数据从未离开过本地设备，没有网络传输，没有第三方服务器，没有上传记录。这不是一个加分项，而是在特定场景下的必要条件。

---

定价与版本

数以轻舟目前提供多个版本，适配不同用户规模和使用深度。个人版面向个人用户，功能相对完整，适合轻度到中度的Excel使用场景；专业版提供更强的批处理能力和优先技术支持；企业版提供完整的私有化部署方案，适配组织级别的数据安全需求。

从价格策略来看，数以轻舟走的是国产垂直AI工具的常见路线：定价明显低于国际同类产品（Microsoft 365 Copilot的订阅成本对于很多国内中小企业来说相当不友好），同时通过本地化能力构建与国内竞品的差异化护城河。

---

使用建议与上手技巧

提示词写法决定输出质量

数以轻舟的表现质量在很大程度上取决于你的提示词描述是否清晰。有几个实用原则：

• 说明数据结构：告诉它表格有几列、每列的含义是什么，比模糊地说”处理一下这个数据”效果好得多
• 指定输出格式：明确说”生成一个新Sheet”还是”在原表基础上增加列”
• 分步骤描述复杂任务：一次性描述十个要求，不如分几步逐步完成
• 给出例子：如果清洗逻辑比较特殊，举一个输入和期望输出的例子，能显著提升准确率

本地部署的硬件建议

如果要运行DeepSeek V4的量化版本（推荐7B或14B参数版本用于日常办公场景），建议配置如下：

• 内存：16GB及以上
• 显卡：NVIDIA显卡，显存8GB及以上（如RTX 3060/4060系列）效果更佳
• 存储：SSD，留出至少20GB空间存放模型文件

如果硬件配置不足，也可以选择Qwen的更轻量版本（如Qwen 3B），在能力有所缩减的前提下换取更流畅的响应速度。

---

迭代方向展望

从产品发展路径看，数以轻舟在2025年12月发布首款产品，到2026年5月正式上线本地化版本，节奏相当紧凑。 未来可以期待的迭代方向包括：

多表格文件联动：目前主要处理单一工作簿内的跨Sheet任务，未来支持跨文件的数据联动将显著扩大应用场景。

更强的非结构化数据处理：能够直接读取PDF报告、扫描件表格，自动转换为可编辑的Excel格式，并进行后续分析。

工作流录制与复用：将常用的数据处理流程录制成可重复执行的自动化工作流，实现真正意义上的”一键自动化”。

更轻量的本地化方案：随着大模型轻量化技术的持续进步，未来有望在更低硬件门槛下实现同等能力水平，让本地化部署触达更广泛的普通用户群体。

---

真实用户反馈

来自实际使用者的反馈中，有几个声音反复出现，值得关注：

“以前做张表，流程是打开Excel→想公式→百度搜教程→反复调试→终于搞定。现在流程变成：打开对话框→说人话→检查一遍→发出去。” 这句话精准地描述了数以轻舟带来的工作流变化。

也有用户指出，在面对高度不规则的数据时，仍然需要人工介入做复核，AI并不是万能的。这是一个诚实且重要的提醒：数以轻舟是效率倍增器，不是替代思考的机器，用户需要具备基本的数据判断能力，才能最大化它的价值。

另一个值得关注的用户反馈是关于学习曲线。相比于直接在Excel里操作，数以轻舟要求用户养成用自然语言描述任务的习惯，这对于长期习惯手动操作的用户来说，需要一段适应时间。但大多数用户反映，这个适应期通常不超过一周，之后就很难回到以前的工作方式了。

---