qoderwake提供三种数据清洗路径：一、调用内置“数字分析师”角色执行标准化清洗；二、通过mcp协议调用外部data-cleaner skill模块实现深度定制；三、配置ai定时任务完成周期性自动化清洗。
☞☞☞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☜☜☜
如果您拥有大量来自不同业务系统的杂乱Excel与CSV文件，但缺乏统一的数据清洗流程，则可能是由于缺少结构化指令驱动的自动化能力。以下是QoderWake实现数字分析师角色驱动数据清洗的具体实操路径：
一、调用内置“数字分析师”角色执行标准化清洗
该方式直接启用QoderWake已上线的稳定角色，无需额外部署模型或技能模块，适用于格式相对固定、清洗规则明确的日常报表场景。系统将自动完成空行识别、列名标准化、日期/金额类型转换及异常值标记等基础操作。
1、在QoderWake控制台首页点击“数字分析师”角色卡片，进入交互界面。
2、上传待处理的Excel或CSV文件，或点击“连接数据库”输入PostgreSQL/MySQL连接字符串。
3、输入自然语言指令：“清洗此文件：删除所有空行和合并单元格，将‘订单日期’列转为YYYY-MM-DD格式，把‘销售金额’列中含逗号和货币符号的值转为纯数字，标记‘客户ID’列重复项”。
4、点击执行，等待任务状态变为“已完成”，下载生成的cleaned_output_YYYYMMDD.xlsx文件。
二、通过MCP协议调用外部data-cleaner Skill模块
该方式适用于需深度定制清洗逻辑、支持批量文件处理或要求保留原始样式与公式逻辑的高阶场景。依赖已认证的Skill模块解析用户语义并调用pandas/openpyxl底层库执行操作。
1、进入QoderWake设置页，打开“Skill 管理”面板，搜索并启用“data-cleaner-skill-v2.1”。
2、确认该Skill已授权访问QoderWake的input与output目录权限。
3、在指令栏输入：“调用data-cleaner-skill，批量清洗~/input/2026_Q2/*.csv：统一‘生效时间’列为ISO 8601格式，将‘备注’列中‘N/A’‘NULL’‘-’替换为空值，剔除缺失率＞70%的整行，结果保存至~/output/cleaned/，不覆盖原文件”。
4、系统自动加载全部匹配文件，逐个执行清洗逻辑，完成后在output目录生成带时间戳的_cleaned.csv文件集。
三、配置AI定时任务执行周期性清洗
该方式用于替代人工每日/每周手动触发清洗动作，将清洗流程固化为可调度、可审计、可回溯的自动化任务，特别适合财务月结、运营周报等强时效性场景。
1、登录QoderWake管理控制台，进入【自动化】→【AI定时任务】模块，点击“新建任务”。
2、任务类型选择“数字分析师AI任务”，名称设为“周度销售报表清洗”。
3、在输入框中填写清洗指令：“清洗最新上传的sales_weekly_*.xlsx：重命名工作表为‘主数据’，删除第1–3行标题冗余信息，将A列设为‘订单编号’、B列为‘下单日期’、C列为‘实收金额’，对‘下单日期’应用date_parse(‘%Y/%m/%d’)转换，导出为Parquet格式”。
4、设置触发时间为每周一上午09:00，勾选“自动获取最新匹配文件”，启用任务并保存。
