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有限公司推出的智能Excel数据处理Agent，专为职场数据痛点设计。它并非通用AI助手，而是聚焦”AI做表”这一垂直赛道，将大厂数据分析方法论沉淀为可复用的Agent能力模块。产品采用双轨架构，既支持硅基流动等线上API快速接入，也支持Qwen、DeepSeek、Kimi等主流本地大模型的本地化部署，让不同安全等级的用户都能找到适配方案。核心交互逻辑是”你说人话，它写公式”，用户通过自然语言描述需求，Agent自动识别表结构，生成并执行复杂公式、数据透视、多表关联等操作。数据清洗引擎可智能识别空值、异常值、重复数据，自动编写Python程序在后台完成处理。产品还支持自定义AI分析师角色，无论是财务风控、市场营销还是运营分析，均可创建真正”懂行”的专业助手，并一键生成自动排版的Word报告。对于金融、医疗、政务等合规严苛行业，本地化部署确保数据全程不出域，可离线运行。产品采用买断式定价，将企业级AI表格能力的门槛拉至个人用户可承担的区间，让数据处理真正如轻舟过万山般轻松高效。

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

数以轻舟 Agent 深度测评：用对话重新定义 Excel 的方式

一、被 Excel 困住的那些年

打开一个有着几十个工作表的 Excel 文件，你的第一反应是什么？

对大多数人来说，这是每个月最不想面对的时刻之一。VLOOKUP 用错了参数，出来一片 #N/A；想做个多条件汇总，SUMPRODUCT 的嵌套语法死活记不住；好不容易把公式写对了，数据一换列，又全崩了。更别提那些需要跨表核对的场景——拿着鼠标从 Sheet1 挪到 Sheet8，再回来，眼睛已经不知道盯着哪行了。

这不是某个人的问题，这几乎是所有每天和表格打交道的职场人的日常。

财务、销售、HR、运营……每一个岗位都在用 Excel，但真正会”用好”它的人，在团队里往往是凤毛麟角。大量的时间消耗在查教程、调公式、清洗格式这些机械重复的事情上，而不是真正分析数据本身。

数以轻舟 Agent 的出现，针对的正是这个痛点。它不是一个更好的 Excel 教程网站，也不是一个公式查询工具，而是一个能听懂人话、真正帮你做表格的 AI 智能体。

二、产品背景：从哪里来

数以轻舟 Agent 由北京乾策数智科技有限公司开发，2025 年 12 月推出首款产品版本，在经过前期用户积累和场景打磨之后，于 2026 年 5 月正式上线本地化部署版本。

这个时间节点本身就值得关注。2025 年底到 2026 年，国内 AI 智能体（Agent）赛道已经从”百模混战”开始进入”垂直落地”阶段——通用大模型越来越强，但企业和个人用户真正需要的，是能在具体场景里稳定好用的工具，而不是什么都能回答但什么都做得马马虎虎的聊天机器人。

乾策数智的团队背景颇有意思。核心成员来自金融、零售、制造等行业的数据分析岗位，多年大厂积累下来的数据处理方法论被直接转化为产品的能力模块。这不是纸上谈兵，而是一支真正知道”表格地狱”是什么感受的团队，做出来的工具。

2026 年初，DeepSeek V4 推理能力再度跃升，数以轻舟 Agent 率先完成适配，成为第一批将 DeepSeek V4 应用于 Excel 场景的国产工具之一。这次适配带来的不只是功能升级，更关键的是：一个强推理能力的模型，遇上了一个专注垂直场景的工程化产品，两者叠加之后，表格处理的实际效果有了质的变化。

三、核心功能全景

3.1 自然语言驱动的公式引擎

这是数以轻舟 Agent 最核心的能力，也是绝大多数用户第一次使用就会被打动的地方。

你不需要记 VLOOKUP 的参数顺序，不需要搞清楚 INDEX-MATCH 为什么比 VLOOKUP 好，更不需要知道 SUMPRODUCT 的语法结构。你只需要用大白话描述你想要的结果：

“把 A 表里的客户姓名，根据手机号匹配到 B 表对应的订单金额”

“统计每个销售人员，在去年四季度的成交总额，只算已完成状态的订单”

“把所有金额列里的文本格式数字，转成可以求和的数值格式”

Agent 理解这些描述之后，不只是生成公式——它会自动校验引用范围与匹配模式，在执行之前告诉你它的逻辑，执行之后给出结果说明。复杂函数如 VLOOKUP、SUMIF、INDEX-MATCH、SUMPRODUCT 通过自然语言即可调用，同时支持跨表、跨工作簿引用，针对大文件运算进行了专项效率优化。

更重要的是，当公式出现问题时，你可以直接说”这里结果不对，应该是……”，Agent 会理解你的修正意图并重新给出方案，而不是让你再去搜索一遍教程。

3.2 智能数据清洗

在真实工作场景里，脏数据是比公式更让人崩溃的问题。从系统导出的表格，格式永远不统一：日期有的写”2026/05/14″，有的写”2026.05.14″，有的写”5月14日”；金额有的带”¥”符号，有的带逗号，有的是文本型数字；城市名有的有省份，有的没有，有的多了一个空格……

手动清洗这类数据，既无聊又容易出错。数以轻舟 Agent 的数据清洗能力覆盖了这类高频脏数据场景：

• 格式统一化：日期格式、金额格式、文本前后空格，描述需求即可批量处理
• 异常值检测：识别空值、重复值、格式不一致的异常行，标注并提供处理建议
• 编码转换：处理从不同系统导出时出现的乱码或非标准字符

对于财务和 HR 场景来说，这项能力的价值不亚于公式引擎——因为能写公式的人还是有一些的，但能快速处理脏数据的人，在大多数团队里真的是稀缺资源。

3.3 多表合并与跨表操作

这是数以轻舟 Agent 在实际场景中被提及频率最高的能力之一。

“把 A 表姓名匹配到 B 表”——背后的逻辑是 VLOOKUP，但多条件匹配、模糊匹配、反向查找，都可以用同一种描述方式来完成，而不需要用户自己判断该用哪个函数变体。

更复杂的场景也能处理：多个月度报表合并成年度汇总，按部门分组后再汇总，不同系统导出的字段名不一致时的自动对齐……这些场景在过去要么需要 Power Query，要么需要写 VBA 宏，现在用一句话说清楚需求即可。

3.4 数据分析与可视化

处理完数据之后，下一步是分析。数以轻舟 Agent 不只停留在”把表格整理好”这一步，它还能：

• 根据数据自动生成分析建议，指出关键趋势和异常点
• 输出可视化图表，将枯燥的数字转化为直观的视觉呈现
• 生成结构化的分析报告，可以直接用于汇报

销售数据分析、财务月报、库存周转分析……这些在过去需要手工完成的报告类输出，现在可以通过对话驱动的方式自动生成。

3.5 云端与本地双模式部署

这是 2026 年 5 月更新中最受企业用户关注的新特性。

云端 API 模式：接入硅基流动等优质线上 API，用户无需本地配置，开箱即用，适合个人用户和对部署要求不高的小团队。

本地化部署模式：支持 Qwen、DeepSeek、Kimi 等主流国产大模型的本地化运行，企业的财务数据、客户信息、经营报表、人事档案完全在本地环境处理，不上传至任何第三方服务器，实现真正的数据零出域。

这个设计对金融、医疗、政府等对数据安全要求严格的行业来说，意义重大。很多企业不是不想用 AI 工具，而是数据合规层面根本不允许数据上云。本地化部署版本的推出，让这类用户终于有了可以真正落地的选择。

四、行业场景深度拆解

金融与财务

在金融行业，数以轻舟 Agent 已被应用于信贷审批资料的批量整合与交叉验证。多套账本的关联核对、发票数据清洗、收支报表自动汇总——这类工作在过去需要专门的财务人员花大量时间手工完成，现在通过对话即可驱动。

财务分析表的输出格式是否规范、数字是否符合财务报表的标准格式，Agent 在生成之前会做主动校验，减少后期返工。

销售与零售

零售场景下的典型需求是门店日报的自动化生成和库存周转分析。数据来源可能来自多个系统，字段名不统一，格式各异。Agent 能处理这种”杂乱来源”的数据合并，并根据业务逻辑输出标准化报表。

销售人员的业绩跟踪表、客户分级分析、成交率漏斗分析，都可以通过自然语言描述来完成，不再依赖团队里那一个”会 Excel 的人”。

制造业

MES 系统导出的数据往往格式混乱、字段繁多。数以轻舟 Agent 在制造企业场景下主要承担数据清洗和工时报表编制工作，将机器导出的原始数据转化为可读的生产分析报告。

医疗与公共卫生

患者随访信息的结构化处理、科室统计汇总……医疗场景对数据准确性要求极高，同时对数据安全同样敏感。本地化部署版本正好满足了这两个需求的交集。

五、五款同类产品横向对比

AI 做表工具在 2025 至 2026 年间快速涌现，国内外都有值得关注的选手。下面将数以轻舟 Agent 与其他五款主流产品进行详细对比，方便选型时参考。

5.1 Microsoft 365 Copilot

微软将 AI 能力深度整合进 Office 全家桶，Copilot 在 Excel 中可以进行数据分析、公式生成、图表制作，交互方式是侧边栏对话。它的最大优势是与 Excel 原生功能的无缝集成，不需要额外安装或切换工具。

但 Copilot 在中文语境下的表现相比英文存在明显差距，对中文业务逻辑的理解能力偏弱。此外，它无法本地化部署，数据必须经过微软的云端服务，对数据合规要求高的国内企业来说，这是一个无法绕开的障碍。订阅费用不低，个人版在中国区的购买体验也不够流畅。

5.2 Numerous.ai

Numerous.ai 是一款主要面向 Excel 和 Google Sheets 的 AI 插件，其核心交互方式独特：用户在单元格中输入 =AI(...) 或 =INFER(...) 这样的函数，像拉公式一样批量生成内容。

这种方式对批量文本处理非常高效——情感分析、语言翻译、内容分类……一列数据的批量处理，用函数拖拽的方式比对话框更直观。但它的定位更偏向”AI 增强的 Excel 函数”，而不是一个能理解复杂数据处理逻辑的智能体。对于多表合并、跨表匹配这类结构化数据操作，它的能力明显不如数以轻舟 Agent 深。另外，它是英文产品，中文场景支持有限，也没有本地化部署选项。

5.3 Formula Bot

Formula Bot 专注于公式生成和数据分析聊天机器人两个功能点，是这类产品里较早出现的一款。用户描述需求，它输出对应的 Excel 公式或 SQL 查询语句。

对于单纯”我不会写公式”的需求，Formula Bot 是够用的。但它基本停留在”公式翻译”层面，不具备真正执行表格操作的能力——它给你公式，但不能帮你把数据清洗好、把报表生成出来。它是一个智能的查询工具，而不是一个能独立完成工作的 Agent。产品主要面向英文用户，中文支持较弱。

5.4 WPS AI

WPS 是中国最广泛使用的办公软件，WPS AI 是其内置的人工智能功能模块，在表格处理方面提供公式生成、数据分析和内容总结等能力。中文支持自然是它最大的优势，且与 WPS 生态无缝集成，对已经使用 WPS 的用户来说迁移成本为零。

但 WPS AI 的定位是通用办公 AI 助手，而不是专注于数据处理的垂直 Agent。它在表格领域的深度不够——复杂的多表逻辑、行业特定的数据处理方法论，都不是它的强项。数据安全方面，WPS AI 依赖腾讯/金山的云服务，同样不支持完全的本地化部署。

5.5 ChatExcel（北京大学）

ChatExcel 是由北京大学团队开发的一款学术背景产品，核心理念是”用对话操作表格”，在发布初期引发过广泛关注。用户上传表格，输入自然语言指令，系统自动执行操作。

它的产品理念与数以轻舟 Agent 高度相似，但在工程化落地和企业级能力上存在明显差距。作为高校研究背景的项目，它在行业场景适配、本地化部署支持、产品稳定性和持续更新节奏上，都还不在同一量级。更新维护频率也远低于商业产品，在实际生产环境中的可靠性有待验证。

综合能力矩阵

六、实际上手：操作逻辑拆解

打开数以轻舟 Agent，界面的核心是一个对话框，左侧是文件管理区，右侧是操作结果预览区。整体视觉逻辑非常接近国内用户熟悉的 AI 产品交互方式，没有学习门槛。

第一步：上传文件
支持直接拖拽上传 xlsx、csv 等常见格式，也支持粘贴 WPS 或 Excel 的表格内容。多文件同时上传用于跨表操作时，系统会自动识别各表的字段结构。

第二步：用大白话描述需求
这里不需要任何技巧。你就像在给一个懂 Excel 的同事发消息一样，把你想要的结果说清楚。如果描述模糊，Agent 会主动提问，而不是给出一个可能不对的结果。

第三步：确认与执行
Agent 在执行操作前通常会先说明它的理解和操作计划，确认后再执行。这个设计在实际使用中非常关键——它避免了”我以为它理解我了，结果给我整错了”的情况，让用户始终掌控操作方向。

第四步：迭代优化
结果不满意？继续说。”这里少了一列”、”金额加上千位分隔符”、”把这个图表改成折线图”……整个过程都在同一个对话上下文里完成，无需重新上传或重新描述背景。

七、DeepSeek V4 加持：推理能力带来的质变

2026 年初，数以轻舟 Agent 率先完成对 DeepSeek V4 的适配，这次升级在实际使用中的体感变化主要体现在两个方面。

复杂逻辑理解能力的提升：以往一些需要多步骤描述才能说清楚的需求，现在一句话就可以准确理解。比如”把所有订单按客户分组，找出每个客户最近三笔成交中，客单价低于平均值的那些”——这种带有条件嵌套和时间序列逻辑的需求，V4 版本的理解准确率明显更高。

错误修正能力的提升：当公式或操作出现问题时，V4 版本更擅长根据上下文理解用户的修正意图，而不是让用户重新描述一遍。在反复迭代的场景里，这一点大幅减少了沟通成本。

值得一提的是，数以轻舟 Agent 的本地化部署同样支持 DeepSeek V4 作为底层模型，在满足数据安全要求的同时，不需要牺牲推理能力。这对于需要本地部署的企业用户来说，是一个重要的差异化优势。

八、数据安全：不只是噱头

本地化部署这个功能，在产品介绍中说起来很简单，但实际的技术含义值得单独说清楚。

所谓”数据零出域”，意味着：用户上传的 Excel 文件不经过任何外部服务器，大模型的推理计算在用户自己的本地环境（或企业私有服务器）中完成，处理结果也完全存储在本地。从数据进入系统到输出结果，整个链路不与外网交互。

对比来看，绝大多数 AI 表格工具的云端模式，用户数据至少会经过服务商的推理服务器。无论服务商的隐私政策写得多严格，”数据上云”这个事实本身就意味着潜在风险存在。

数以轻舟 Agent 支持的本地大模型包括 Qwen 系列、DeepSeek 系列和 Kimi，这些都是目前国内主流的可私有化部署大模型，企业 IT 团队对这些模型的部署流程通常已有一定积累，落地难度相对可控。

九、适合谁用，不适合谁用

最适合的用户画像：

• 每周要处理多张 Excel 表格的职场人：财务、销售、HR、运营、数据分析……只要你每周花在表格上的时间超过 5 小时，这个工具的边际收益就非常明显。

• 需要跨表汇总和数据清洗的岗位：这两类需求是数以轻舟 Agent 最核心的强项，也是 Excel 使用中最费力气的部分。

• 对数据安全有严格要求的企业用户：本地化部署版本是为这类需求量身设计的，在国内市场几乎没有同等能力水准的竞品。

• 中文业务场景的用户：产品从设计之初就以中文用户为核心，业务逻辑的理解更贴合中国企业的实际场景。

不太适合的场景：

• 只需要偶尔查公式的轻度用户：对于一个月才打开几次 Excel 的人，直接用搜索引擎或 ChatGPT 查公式可能已经够了，不需要专门使用这类工具。

• 主要使用 Google Sheets 的用户：目前数以轻舟 Agent 的优化重心在 Excel（xlsx）格式，Google Sheets 的支持度相对有限。

• 需要在 Excel 内嵌入长期自动化流程的用户：如果你需要的是每天自动运行的宏或脚本，VBA 或 Power Automate 仍然是更合适的选择，Agent 更适合交互式、按需驱动的工作场景。

十、产品迭代方向观察

从 2025 年 12 月首发到 2026 年 5 月的本地化部署版本，半年内的迭代速度相当快。结合目前已经公开的产品路线信息，以下几个方向值得持续关注：

与更多数据系统的直连能力：目前产品主要处理用户上传的文件，未来如果能直接连接企业的 ERP、CRM、BI 系统，将表格处理的入口大幅前移，使用效率会有质的提升。

多模态能力的扩展：图片里的表格（如拍照的纸质报表）、PDF 中的数据表，能否直接被识别和处理，是许多场景下的实际需求。

更深度的行业知识嵌入：目前产品的行业适配主要体现在金融、零售、制造等场景，未来针对各行业的特定数据字段、报表格式、监管要求的深度适配，会是商业版本的核心竞争力所在。

团队协作版本：目前产品以单人使用为主，企业场景下的多人协作、权限管理、操作记录审计等功能，是向企业级产品演进的必经之路。

十一、定价与获取方式

数以轻舟 Agent 目前提供云端版本的在线体验入口，本地化部署版本需要联系团队进行商务对接。具体定价根据企业规模、部署环境和所需功能模块有所差异，个人版提供一定额度的免费试用。

对于个人用户，建议先从云端版本开始体验，感受产品的基本交互逻辑和能力边界，再根据实际数据安全需求决定是否升级至本地化部署版本。对于企业用户，特别是有数据合规要求的行业，建议直接接洽本地化版本，获取针对具体 IT 环境的部署方案。

十二、测评总结性评分

对于每天都要和 Excel 打交道的职场人来说，2026 年已经不需要再独自死磕那些公式和数据。数以轻舟 Agent 代表的是一个明确的方向：让 AI 真正做完那些机械的表格工作，把人的时间还给真正需要判断和思考的事情。

它不是一个完美的产品，也不是万能的。但在中文表格处理这个具体而现实的场景里，它目前提供的能力组合——自然语言驱动、行业场景适配、本地化部署安全——在国内市场上找不到一个能在所有维度同时超越它的竞品。