表格里最费人的从来不是算，是整理：同一列里日期写成三种格式，名称后面带着备注，空值有时是空格、有时写着"待补"。这类活规则说不清、又必须做，恰好适合交给 AI——但不能把整张表丢过去说"帮我弄干净"，那基本等于把混乱换个地方。有效的做法是先定义好要什么，再让模型按格式交，最后校验回写。下面按这三步拆。
第一步：把"整理"翻译成字段定义
动手前先写一张字段表：需要哪几列、每列是什么类型、允许哪些值、空值怎么表示。比如日期统一成 YYYY-MM-DD，状态只允许"进行中 / 已完成 / 待确认"，缺失一律写空字符串而不是"未知"。这份定义就是提示词的主体，比任何一句"请仔细一点"都管用。
字段定义里最容易被漏掉的是"没有依据时怎么办"。如果不写，模型为了把表填满，会替你猜一个值——它猜得越像真的，后面越难查。明确加一句"原文没有就留空，不要推断"，比事后逐行人工核对省事得多。
你给的是字段契约，不是一句愿望。契约越具体，模型越没有自由发挥的空间。
第二步：让输出能被程序直接读
别让模型"把整理结果说一遍"，让它交结构化数据。轻量做法是要求 CSV，并在提示里指定列顺序、分隔符和引号规则；更稳的是走接口的结构化输出能力，在请求里声明要 JSON，服务端会做格式校验，吐不出合法 JSON 就会被退回重试。结果能被脚本直接读进去，才算真的省了人工。
留意长文本和特殊字符：备注里带逗号、换行、引号时，CSV 很容易串列，换成 JSON 会少很多麻烦。另外把字段名固定成英文短名，回写表格时映射一次就够，中文表头留给最终展示层。
整理的目标是"能进下一步"，不是"人看着舒服"。
第三步：分批跑、抽样核、再回写
一次把几百行全塞进一个请求，既容易超出上下文，出错了也不好定位。按 20~50 行一批，每批都带上同一份字段定义，批次之间互不依赖，哪批失败就只重跑哪批。批量任务建议通过 API 调用，把提示词和数据拼成固定模板，成本与耗时都能预期。
回写之前做三件小事：核对行数是否一致、抽查每批头尾各两行、检查枚举字段有没有冒出定义之外的值。这三步能挡住绝大多数静默错误。确认无误再写回表格，并保留原始文件——可以回滚，比一次做对更重要。
常见问题
几百行要跑很久吗
主要耗时在请求往返，而不是行数本身。适当加大批次能减少请求数，但别大到让单次输出被截断；如果某批反复失败，先缩小批次，定位是不是其中几行数据本身有问题。
模型会不会改掉原文里的写法
会，所以要在提示里区分"规范化"和"重写"。允许改的只有格式——日期、空格、大小写；内容字段必须原样搬运。给一两个"输入 → 输出"的对照例子，边界会清楚很多。
这套方法和长文档总结有什么区别
长文档总结是压缩信息，允许取舍和概括；表格整理要求逐行对应，不能丢行、不能新增信息。目标不同，校验方式也不同：总结看读起来通不通，整理看行数和字段对不对得上。