别再把表格丢给 Excel 了：2026年 AI 数据清洗的十个实用提问模板

📅 2026/8/21 ✍️ 小文 📖 约 1 分钟

拿到一张满是空值和错别字的销售表，很多人只会手动折腾半小时。其实只要会提问，AI 数据清洗能把这些活压缩到几分钟。本文整理了十个直接可用的提问模板，覆盖去重、补全、规范、异常检测等场景。

做运营、做财务、做市场的人，大概率都经历过这种时刻：一张导出的表格，列名对不上、手机号格式五花八门、好几行是重复的、还有一些空着。2026 年正确的处理方式不是自己一行行改，而是把表格交给 AI，用一段好 prompt 换回一份干净的”标准数据”。这篇给你十个能直接抄的提问模板。

使用前提：把数据喂给 AI

大部分模板的前提是把你的表格以 CSV 或结构化文本形式发给 AI。可以直接粘贴一小段样例（告诉它完整的列结构和几行示例），它会基于你的样例理解规则，再应用到你给它的完整数据上。如果你用的是本地 Agent，也可以让它直接读文件路径。

我上传了一份 CSV，请帮我看下「数据概况」：有几行几列、每列的数据类型、缺失值数量、是否有肉眼可见的重复行或异常值。用简洁要点回答，不要改我的数据。

适合拿到新表先”体检”，避免在不了解全貌的情况下乱动手。

请把「手机号」列统一成 11 位数字格式，去掉空格、横杠和区号前缀；把「日期」列统一成 YYYY-MM-DD；把「金额」列保留两位小数并去掉货币符号。改完把每列怎么处理的列出来。

针对”同样一列，存了七八种写法”这种最头疼的问题。

请找出重复的行。判断重复的依据是「姓名+手机号」完全相同，但注意：如果同一人手机号不同，视为不同客户，不要误删。去重后保留最早录入的一条，并把删除的行单列出来备查。

去重最怕误删，所以一定要”先列出、再删除”。

「城市」列有缺失，请根据每条记录里的「地址」或「邮编」字段尽量推断补全；推断不出来的保留为空，并单独列出无法补全的行，不要瞎编。

补全的关键是”推断不出来就坦白”，防止 AI 编造数据。

请把「姓名」列拆成「姓」和「名」两列；再把「地址」列拆成「省、市、区、详细地址」四列，拆分不出来的单独标注。

处理那种”一列塞了所有信息”的痛。

把「性别」列的所有值统一成「男/女/未知」三种；「渠道」列把”某书""小红薯""RED”统一为”小红书”。改完列出「原值→新值」的映射表。

多种叫法归一到标准的枚举值，是 BI 分析的前提。

请清理「备注」列：去掉首尾空格、全角转半角、修正明显的错别字（仅限明显错误，不要改写原意）、删除只含标点或空格的无意义行。

文本字段的”垃圾”往往最多。

请检查「金额」列中是否有异常值，比如大于 1000000 或小于 0 的记录，并单独列出行号和原因，不要直接删除，等我确认。

异常检测要”报告与确认”，而不是自作主张改数据。

请把我上面确认的清洗规则全部应用，输出一份新的完整 CSV（保留原列顺序，新增一个”清洗备注”列说明每行做了哪些处理）。

让 AI 把前面单步处理的成果汇总成一份”带说明”的完整文件，方便复盘和交接。

对我的原始数据做一遍最终检查：是否有我遗漏的重复、明显错误或格式问题？列出你发现的每一个问题及依据。

把 AI 当作第二道质检关卡，降低漏网的风险。

AI 数据清洗好用，但不要盲信——它不是”全自动抹布”，关键路径（去重、删行、改数值）一定要让它”先报告、你确认、再执行”。把这段话当作底线，剩下的清洗工作，交给 AI 完全没问题。