qclaw提供五种数据清洗路径：一、调用内置行业模板自动标准化字段、单位与校验；二、构建自定义文本工作流剔除无关内容并规范时间格式；三、通过file-skill语义识别批量重命名归类文件；四、嵌入python脚本执行复杂业务逻辑清洗；五、对接微信实现模糊条目人工复核闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您需要对原始业务数据进行结构化整理、去除干扰信息并统一格式标准，QClaw可作为自动化数据清洗与预处理工具介入。以下是多种可行的操作路径：
一、使用内置行业清洗模板
QClaw针对高频业务场景（如房产交易、财务报表、供应商报价）预置了专用清洗模板，能自动识别字段别名、单位混用、日期格式混乱等问题，并执行标准化映射与逻辑校验。
1、在QClaw工作流编辑器中新建任务，选择「数据清洗」节点；
2、点击「模板选择」，从下拉列表中选取对应行业，例如「房产交易清洗模板」或「财务数据清洗模板」；
3、上传原始文件（支持Excel、CSV、PDF扫描件）；
4、模板将自动执行字段对齐（如将“总价”“成交价”“合同金额”统一映射为total_price）、单位归一（万元→元）、异常值标记（如单价低于5000元/m²或高于15万元/m²时标为待复核）；
5、导出清洗后结构化数据，保留原始文件备份路径供回溯。
二、构建自定义文本清洗工作流
对于非标文档（如航道水文报表、微信导出聊天记录、扫描PDF合同），需通过多节点组合实现语义级清洗，重点剔除页眉页脚、水印、广告、参考文献等无关内容，仅保留核心正文段落。
1、添加「文件读取节点」，指定本地路径（如D:\water_data\20260518.xlsx）；
2、接入「文本清洗节点」，启用规则：删除含“第X页”“©”“参考文献”“致谢”字样的行；
3、配置正则表达式过滤器，清除连续空格、不可见控制字符及乱码符号；
4、启用时间格式标准化模块，将“2026/05/18”“2026-05-18”“2026年5月18日”统一转为YYYY-MM-DD；
5、运行流程，输出纯正文文本块，供后续向量化或分析节点调用。
三、结合file-skill进行文件级批量预处理
当清洗对象为大量分散的本地文件（如桌面杂乱文档、C盘临时报表、D:\data目录下的历史日志），file-skill可基于AI语义理解自动识别文件类型、提取关键字段并重命名归类，实现前置结构化。
1、确保QClaw已加载file-skill（触发词：“整理桌面”“文件整理”“清理C盘”）；
2、在对话框输入指令：“请将D:\data目录下所有2026年生成的Excel文件，按‘水位’‘流速’‘能见度’关键词重命名，并移入对应子文件夹”；
3、QClaw调用本地文件系统API，扫描文件名与首行表头；
4、对匹配项执行批量重命名，例如原文件“日报_5.17.xls”改为水位_20260517.xlsx；
5、完成移动后生成操作日志，记录每份文件的新路径与变更摘要。
四、调用Python脚本扩展清洗能力
对于需嵌入复杂业务逻辑的清洗任务（如航标异常判定阈值动态调整、销售费用超预算原因标注），可在QClaw中嵌入自定义Python代码节点，调用pandas、re、datetime等库完成深度处理。
1、在工作流中插入「Python执行节点」；
2、粘贴清洗脚本，例如：读取Excel后，对“费用超支率”列执行if x > 0.08: label = "需说明原因"逻辑；
3、设置输入参数映射（如将上一节点输出的DataFrame自动传入df变量）；
4、启用沙箱模式运行，防止脚本影响主机环境；
5、将返回结果自动注入下一节点（如文档生成或微信推送）。
五、对接微信联动实现人工复核闭环
清洗过程中发现无法自动判定的模糊条目（如手写PDF中疑似“红色预警”的潦草标注、多义缩写“GL”指代不明），QClaw可截取片段并推送至绑定微信，由人工确认后回传修正指令，形成人机协同清洗链路。
1、在清洗节点后添加「条件分支」，设置触发规则：当某字段匹配正则r"疑似|可能|待确认|？"时进入人工通道；
2、自动截图异常数据区域，生成带编号的待办事项（如#Q20260519001）；
3、通过微信推送消息：“【QClaw清洗待复核】#Q20260519001：D:\water_data\20260518.xlsx第42行‘能见度’值为‘
4、接收微信回复后，自动更新该行标记状态并继续流程；
5、所有人工交互记录存入本地audit_log.csv，包含时间戳、操作人、判定依据。
