目录
一、前言
WPS Win客户端 版本：11.1.0.14650
这几天发现了 WPS 的轻表格悄悄上线了 WPS AI。
目前支持的功能有 5 个，分别是：写公式、条件格式、智能分类、智能抽取、情感分析。
下面依次测试一下这些功能。
二、功能测试
本次测试使用的一个场景是零售商品，使用的数据主要通过 ChatGPT 生成，部分自己修改。
涉及两个工作表：
- 购买与评价记录表：共30条订单数据，8列，列名分别是订单号、店名、商品ID、价格、数量、用户ID、购买时间、评价。具体数据如下：
- 商品描述表：共5个商品，3列，列名分别是商品ID、商品名、商品描述。
2.1 写公式
写公式算是重头戏，这是 Excel 的一大精华！返回一个公式，可用于插入单元格。
本次主要测试下几个常用的公式：求和（sum）、条件（if）、检索（vlookup）。
先来看看总共卖了多少数量的鞋子，该需求转化为【对 D列求和】，然后 AI 给出了一个答案【=SUM(D2:D31)】，插入单元格中，可以直接计算出对应的数值，还不错！
Prompt：对 D列求和
这只是一个方法，经过实测，还可以直接说明对应的列名，比如上面的需求可以转化为【对数量列求和】，得到的结果也是一样的：
Prompt：对金额列求和
接下来试试条件判断，需要新增列来操作。给用户分类打个标签，当购买金额大于 500 时，标记为 A类用户，其他标记为 B类用户。
在写提示规则时，发现少写了对 D列进行求和，发送之后以为得改了，没想到 AI 自动给补充上了，算是一点小惊喜吧！
Prompt：根据 F列分组计算 D列的和，得到的结果值如果大于500，则返回“A类”，否则返回“B类”
再来，用下 vlookup 把商品名给匹配上去。不错！一次过~~
Prompt：拿当前工作表的 商品ID 匹配 商品描述表 中的 商品ID，最终返回 商品描述表 的 商品名
再升点难度，能够结合列名检索，批量匹配商品表中的值。举个例子，在【商品名】列返回【商品描述表】中的【商品名】列的值，在【商品描述】列返回【商品描述表】中的【商品描述】列的值。
其实本质上就是分别写两个 vlookup 匹配【商品名】和【商品描述】，然后要把这两个合并为一个公式，以便可以进行拖拽实现批量匹配。
尝试写了好几个 Prompt，结果没法实现，这里贴两个。
Prompt：拿当前工作表的 商品ID 匹配 商品描述表 中的 商品ID，在当前工作表的商品名列返回 商品描述表 中的 商品名列的值，在当前工作表的商品描述列返回 商品描述表 中的 商品描述列的值
返回结果：=VLOOKUP(C2,商品描述表!A:B,2,FALSE)
Prompt：拿当前工作表的 商品ID 匹配 商品描述表 中的 商品ID，在 D列返回 商品描述表 中的 商品名列的值，在 E列返回 商品描述表 中的 商品描述列的值
返回结果：抱歉根据你当前的需求，无法生成公式，请更换描述后重试
不知 AI 能否实现这样的功能，从目前的提示是没法实现，不知道是否有更好的提示。
该逻辑的参考公式如下，放在 D列和 E列均可匹配到【商品描述表】对应的列值。
公式：=VLOOKUP(
A:$C,MATCH(E
A
C$1,0),FALSE)
2.2 条件格式
条件格式，就是指定一些规则，然后把对应的单元格筛选出来。比如：识别重复值并上色、大于某个值的单元格上色等。
返回数据作用于原来的列。
如下案例，输入 Prompt 之后可以看到 AI 返回的一个“思维链”的过程，先是定义一个公式，判断出前 5 名，然后再给 F列添加条件格式，设置为绿色。
Prompt：将金额列前 5 名的单元格标记为绿色
Prompt：将金额列前 5 名的单元格标记为颜色：00B050
将重复值标记为红色，这个和上面类似，没有什么特别的点。
Prompt：将 H列的重复值标记为红色
2.3 智能分类
就是根据已有的列数据进行分类，需要自己指定分类名称，有点像算法中的聚类。
返回数据放在新的列中。
下面拿短评示例，步骤如下：
- 功能选项卡选择【智能分类】
- 字段选择【L列-短评】，然后发送
- 在提示的卡片中输入类别。短评中有三个类别，分别是：好评、中评、差评。我刁难一些 AI 只给两个分类，分别是评价分类1和评价分类2，看看它怎么分。
- 点击执行分类，等待分类完成
从截图我们可以看到，智能分类的结果是把中评和差评划分到了同一个分类中，难道不是好评，就是其他，哈哈哈。
2.4 智能抽取
智能抽取就是提取字符串中的某些子字符串。
返回数据放在新的列中。
下面拿评价来抽取，步骤如下：
- 功能选项卡选择【智能提取】
- 字段选择【K列-评价】，然后发送
- 在提示卡片中输入要提取的词，这里测试抽取 3 个词，分别是时尚、舒服、差。
- 点击执行抽取，等待执行完成。
执行结果返回了三列，每一个关键词返回一列。
过程和结果图如下：
返回的结果不一定是指定的词，似乎还会做一层处理，比如下图，时尚列中也含有一些不包含时尚的词。有部分看起来像个谜团，【皮质很差和皮质很好】竟然也是时尚？
2.5 情感分析
情感分析应该是通过自然语言的分析，然后进行词条的情感色彩进行判断，识别文本的情感是属于积极、中性、消极中的哪一种。
返回数据放在新的列中。
下面拿评价来做情感分析，步骤如下：
- 功能选项卡选择【情感分析】
- 字段选择【K列-评价】，然后发送，等待执行完成即可。
执行结果返回了一列：情感分析，根据文字的色彩进行打分计算积极、中性、消极。
从结果上看，有一些不靠谱，三个【默认好评】，两个中性，一个积极。
三、总结
按目前测试下来，比较靠谱的是写公式和条件格式，智能分类、智能提取和情感分析这三个功能似乎用途更小，效果似乎也没有让人惊喜。
以后不懂公式，也不要紧了，只要会Prompt，可以调动 AI 来助力。
对于特别复杂的公式，其实也是可以拆分为很多个子公式，然后再进行拼接，所以需求的理解和拆解也相对重要，这二者加上 AI 助力，基本上超过9成的场景应该能够轻松解决。
剩下的可能是 AI 的边界，目前尚未清楚该边界在哪里。
#往期回顾
– End –
文章出处登录后可见！
