帮人用AI做Excel数据分析和报表，300星huashu-excel项目拆解，一单报价500到2000

发布于 2026-08-29 · AI副业案例

事情是这样的。

上个月我帮一个开奶茶店的朋友看他的月度流水表，顺手丢给ChatGPT让它算算哪款产品利润最高。AI给我回了一份特别漂亮的分析，结论头头是道，还配了张趋势图。

我朋友看了一眼就说，这数不对，总营业额怎么多出十几万。

我回去一行行对，才发现他的表里有「华东小计」和「合计」行，AI把它们当成两家门店算进去了，另外还有一行是当初粘贴事故造成的完全重复，算了两次。整个分析没有一处报错，数字看起来全都像真的？？你说气不气人。

我当时后背有点发凉。因为我已经把这个结论发给他了，他也差点拿去跟合伙人谈进货的事。

你写代码，错了会抛异常。你做数据分析，错了什么都不会发生。

这句话不是我说的，是我这两天在GitHub上刷到的一个项目README里写的，我原样抄给你。这个项目叫alchaincyf/huashu-excel，8月23号才创建，几天时间300多星，冲得挺猛。

这个项目到底解决了什么问题

一句话，它让AI算出来的Excel数字，经得起追问。

「这个数你怎么算的」，每个交过数字的人都被这么问过。答不上来通常不是记性差，是那个数从一开始就没法被追溯。

huashu-excel给了一份演示表来证明这事有多严重。那份表就是中国职场真实Excel的样子，标题占了第一行，表头有两级，地区列用合并单元格，金额带千分位，中间夹着华东小计，尾巴三行是合计占比同比。就问一个问题，1月总销售额是多少。

主流做法用pd.read_excel去读，发现表头位置不对就加参数，发现数字读不出来就清千分位，看起来已经挺周全了。结果算出来34,893,234，真值13,367,767，误差加161%，全程零报错零警告。

而huashu-excel的做法是，动pandas之前先用openpyxl把原始单元格读一遍，做个体检。表头在第几行、有几级、哪几行是汇总行混进了数据区、哪行完全重复，全部列出来，一个都不猜。体检报告直接告诉你，第12、17、18、19行是汇总小计行，第11行与前面完全重复。

把「合计」行当噪音扔掉是所有工具的默认动作。但这个项目的思路反过来了，合计行是原表作者用公式算出来的真值，那是免费的校验和。拿清洗后的明细求和去对它，对不上就说明有一方错了，两种情况都必须报出来。

我看到这个设计的时候是真的愣了一下。不是技术上多难，是思路上的那种干净。

八步流程，怎么跑

装很简单，一行命令，npx skills add alchaincyf/huashu-excel。Claude Code、Cursor、Codex都能装，只依赖openpyxl一个库，没有乱七八糟的环境问题。

装上之后AI干活分八步，体检、清洗、对齐、分析、对账、交付、验图、质控。你不用记全，我给你讲三个我觉得最值钱的。

第一个是第3步对齐。用户开口说「帮我分析一下」的时候，他自己也不知道要什么，因为他也没看过这份数据。所以AI会先出一段人话摸底，几行几列、有哪些维度、分布形态，还带一两个已经能看出来的现象，然后拿着这个去问你，这份分析拿去做什么决定。然后停下来等回答。带着错的问题做完整套分析，返工成本远高于等这一次。

第二个是第5步对账。行数守恒、总和守恒、跟表内合计交叉验证，三条全过才给数字。这条对应的是ICAEW金融建模规范里的master check，以前只有正经财务建模的人才会做，现在AI自动跑。

第三个是最狠的第8步，质控。另派一个没参与分析的agent，从原始数据重算一遍，专门拆前面那个agent的台。README里有句话我印象很深，退出码验的是算得对，不是结论对。一份内部对账分毫不差的报告，可以整体错一个财年，只要那一列的列名不是它字面的意思。

它还内置了一堆分析陷阱的扫描，辛普森悖论、幽灵分组、小基数、时间断点。幽灵分组这个特别扎心，「张伟」和「张伟 」（尾巴多个空格）被算成两个人，每组的数都是残缺的，你肉眼根本看不出来。

怎么把它变成服务去接单

聊完项目，回到赚钱这块。你想想看，中国有多少中小企业主，天天守着一堆Excel流水、库存、进销存，从来没有人帮他们把数据变成决策。不是他们不想，是咨询公司太贵，一个正经的数据分析项目报价几万起。

现在你手上有一套能保证数字可靠的AI分析流程，中间的断层就是你的生意。

我自己试下来，三个档位比较好走。

入门档，单表清洗加分析报告，收500到800。客户给你一份乱表，你跑完整套流程，交付一份干净的分析表加一份人话报告，告诉他三个能落地的发现。这种单子两个小时能做完，量大。

进阶档，月度经营分析报表，收1000到2000。客户每个月把流水发你，你出一份固定格式的经营报表，哪款产品该砍、哪个渠道在亏、复购率什么水平，AI查行业基准做横向对比。这个是订阅性质的，一个客户每月都付费。

高阶档，长期数据顾问，每月1500到3000。小公司养不起数据分析师，但每个月总有几个决策需要数据支撑，你就当那个外挂的分析师，随叫随到。这个档拼的是信任，做起来之后最稳。

有个朋友可能纳闷，客户为什么自己不装这个skill。跟之前addyosmani那篇文章里聊过的一样，大多数人看到命令行第一反应就是算了。你帮他把这个「算了」吃掉，钱就是你的。

客户从哪来

三个地方。本地实体店主，奶茶店餐馆美容院，他们有收银数据但从来没人分析过。电商卖家社群，他们看后台数据看得头大，最需要有人帮他们把爆款逻辑讲清楚。自媒体创作者，哪个视频涨粉、哪个转化好，这些都是数据问题。

冷启动就一招，免费帮一家做。做完把报告（脱敏后）当作品集，去谈下一家的时候直接甩出来。数据分析这个生意，一份漂亮的样例报告比一百句自我介绍都管用。

踩过的坑

第一个坑，AI的结论要人工过一遍再交付。huashu-excel管住了数字对不对，但「这个发现对客户的生意有没有意义」还是得你来判断。我有一次AI发现某个SKU销量环比跌了40%，挺唬人，结果那玩意是季节性产品，去年同月也跌。行业常识这层，AI目前补不上。

第二个坑，别碰财务合规类的活。帮人看经营数据没问题，但涉及报税、审计的数据，那个责任不是个人能扛的。客户问起来就直说，这块需要持证机构。

第三个坑，交付物要带着口径一起给。这个数是含税还是不含税，退货算不算在内，写清楚。我一开始不懂这个，客户拿着我的数去跟他会计对，两边对不上差点闹掰。后来我把口径说明直接附在报告第一页，再没出过这种事。

写在最后

我一直觉得，AI时代最先被淘汰的不是不会用AI的人，是拿着AI的输出直接交差的人。AI算错不会报错这件事，会变成越来越多人踩的坑，而你能站在坑边上拦住他们，这个位置本身就值钱。

huashu-excel的README里还有句话，「给我一份Excel，给你交一份专业报告」。这个项目才一个星期，星还不多，正是信息差最大的时候。等它涨到几千星、人人都会装的时候，这波红利就平了。

早动手的人，吃肉。