输出文件要求

所有 Excel 文件

专业字体

• 除非用户另有指示，否则所有交付成果须统一使用专业、一致的字体（例如 Arial、Times New Roman）

零公式错误

• 每个 Excel 模型在交付时必须确保**无任何公式错误**（如 #REF!、#DIV/0!、#VALUE!、#N/A、#NAME?）

保留现有模板（更新模板时）

• 修改文件前须仔细研读，并**严格遵循**现有格式、样式与约定
• 切勿对已有固定模式的文件强加标准化格式
• 现有模板约定**始终优先于本指南中的通用规则**

财务模型

颜色编码标准

除非用户或现有模板另有说明

行业通用颜色规范

• 蓝色文字（RGB：0,0,255）：硬编码输入值，以及用户将在不同情景中手动调整的数值
• 黑色文字（RGB：0,0,0）：所有公式与计算结果
• 绿色文字（RGB：0,128,0）：引用同一工作簿内其他工作表的单元格链接
• 红色文字（RGB：255,0,0）：引用外部文件的链接
• 黄色背景（RGB：255,255,0）：需重点关注的关键假设，或待更新的单元格

数字格式标准

强制格式规则

• 年份：统一以文本字符串格式呈现（例如 "2024"，而非 "2,024"）
• 货币：人民币（CNY）使用 ¥#,##0 格式；美元（USD）使用 $#,##0 格式。**表头中必须明确标注单位**（例如 "Revenue (¥万)"）
• 零值：通过数字格式将所有零显示为 "-"，包括百分比（例如 "¥#,##0;(¥#,##0);-"）
• 百分比：默认采用 0.0% 格式（保留一位小数）
• 倍数：估值倍数（如 EV/EBITDA、P/E）统一采用 0.0x 格式
• 负数：统一用括号表示（如 (123)），不可使用减号前缀（如 -123）

公式构建规则

假设值放置位置

• 所有假设参数（增长率、利润率、倍数等）**必须全部置于独立的假设单元格中**
• 公式中应使用单元格引用，**禁止直接硬编码数值**
• 示例：使用 =B5*(1+$B$6)，而非 =B5*1.05

公式错误预防

• 逐项核验所有单元格引用是否准确无误
• 检查区域引用是否存在“差一错误”（off-by-one errors）
• 确保所有预测期的公式逻辑完全一致
• 针对边界场景进行测试（如零值、负数输入）
• 确认不存在意外的循环引用

硬编码值的文档要求

• 须在对应单元格旁添加注释（若处于表格末尾，则可在相邻空白列注明）。格式为：
  "Source: [System/Document], [Date], [Specific Reference], [URL if applicable]"
• 示例：
  • "Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]"
  • "Source: Company 10-Q, Q2 2025, Exhibit 99.1, [SEC EDGAR URL]"
  • "Source: Bloomberg Terminal, 8/15/2025, AAPL US Equity"
  • "Source: Wind, 8/20/2025, Consensus Estimates"

XLSX 创建、编辑与分析

概述

用户可能要求你创建、编辑或分析 .xlsx 文件的内容。针对不同任务，你可选用不同的工具与工作流。

重要要求

公式重算必需 LibreOffice：可假定系统已安装 LibreOffice，用于通过 scripts/recalc.py 脚本重算公式值。该脚本在首次运行时会自动完成 LibreOffice 配置。

Windows 本地化适配：本能力已适配 Windows 系统。scripts/office/soffice.py 辅助脚本会在标准 Windows 安装路径中搜索 soffice.exe，并支持读取 SOFFICE_PATH 环境变量。

数据读取与分析

使用 pandas 进行数据分析

对于数据分析、可视化及基础操作，请使用 pandas——它提供强大的数据处理能力：

import pandas as pd

# 读取 Excel
df = pd.read_excel('file.xlsx')  # 默认读取首张工作表
all_sheets = pd.read_excel('file.xlsx', sheet_name=None)  # 读取全部工作表，返回字典

# 分析数据
df.head()      # 预览前几行
df.info()      # 列信息概览
df.describe()  # 统计摘要

# 写入 Excel
df.to_excel('output.xlsx', index=False)

Excel 文件工作流

关键原则：必须使用公式，禁止硬编码数值

务必使用 Excel 公式，不得在 Python 中预先计算后将结果硬编码写入单元格。此举可确保电子表格保持动态性与可更新性。

错误做法 —— 硬编码计算结果

# 错误：在 Python 中计算并硬编码结果
total = df['Sales'].sum()
sheet['B10'] = total  # 硬编码写入 5000

正确做法 —— 使用 Excel 公式

# 正确：由 Excel 自动计算求和
sheet['B10'] = '=SUM(B2:B9)'

该原则适用于**所有计算类型**——包括合计、百分比、比率、差值等。当源数据变更时，整个表格应能自动重新计算。

通用工作流

1. 选择工具：数据处理用 pandas，公式与格式设置用 openpyxl
2. 创建/加载：新建工作簿或加载已有文件
3. 修改：增删改数据、公式与格式
4. 保存：写入文件
5. 重算公式（如使用了公式则为强制步骤）：调用 scripts/recalc.py 脚本

   python scripts/recalc.py output.xlsx
   

6. 校验并修复错误：
   • 脚本返回包含详细错误信息的 JSON
   • 若 status 字段为 errors_found，请查阅 error_summary 获取具体错误类型与位置
   • 定位并修复问题后，再次执行重算

新建 Excel 文件

from openpyxl import Workbook
from openpyxl.styles import Font, PatternFill, Alignment

wb = Workbook()
sheet = wb.active

# 添加数据
sheet['A1'] = 'Hello'
sheet['B1'] = 'World'
sheet.append(['Row', 'of', 'data'])

# 添加公式
sheet['B2'] = '=SUM(A1:A10)'

# 格式设置
sheet['A1'].font = Font(bold=True, color='FF0000')
sheet['A1'].fill = PatternFill('solid', start_color='FFFF00')
sheet['A1'].alignment = Alignment(horizontal='center')

# 设置列宽
sheet.column_dimensions['A'].width = 20

wb.save('output.xlsx')

编辑已有 Excel 文件

from openpyxl import load_workbook

wb = load_workbook('existing.xlsx')
sheet = wb.active  # 或使用 wb['SheetName'] 指定特定工作表

# 多工作表操作
for sheet_name in wb.sheetnames:
    sheet = wb[sheet_name]
    print(f"Sheet: {sheet_name}")

# 修改单元格
sheet['A1'] = 'New Value'
sheet.insert_rows(2)  # 在第 2 行位置插入新行
sheet.delete_cols(3)  # 删除第 3 列

# 新建工作表
new_sheet = wb.create_sheet('NewSheet')
new_sheet['A1'] = 'Data'

wb.save('modified.xlsx')

公式重算

由 openpyxl 创建或修改的 Excel 文件中，公式仅以字符串形式存储，不包含计算结果。请使用提供的 scripts/recalc.py 脚本执行公式重算：

python scripts/recalc.py  [timeout_seconds]

示例：

python scripts/recalc.py output.xlsx 30

该脚本具备以下功能：

• 首次运行时自动配置 LibreOffice 宏环境
• 重算所有工作表中的全部公式
• 扫描所有单元格，识别 Excel 错误（#REF!、#DIV/0! 等）
• 返回含详细错误位置与数量的 JSON 结果
• 兼容 Windows、Linux 和 macOS 系统

公式校验清单

核心校验项

• 抽样验证 2–3 个引用：在构建完整模型前，先确认其引用值准确无误
• 列映射校验：确认 Excel 列编号与字母对应关系（例如第 64 列 = BL，而非 BK）
• 行偏移校验：注意 Excel 行号为 1 起始（DataFrame 第 5 行 = Excel 第 6 行）

常见陷阱

• NaN 值处理：使用 pd.notna() 检查空值
• 最右列数据：财年（FY）数据常位于第 50 列之后
• 多重匹配：需搜索全部匹配项，不可仅取首个结果
• 除零风险：在公式中使用除法（/）前，务必验证分母非零（避免 #DIV/0!）
• 错误引用：逐一验证所有单元格引用是否指向目标单元格（避免 #REF!）
• 跨表引用：正确使用格式（如 Sheet1!A1）实现工作表间链接

最佳实践

库选型建议

• pandas：适用于数据分析、批量操作及简单数据导出
• openpyxl：适用于复杂格式设置、公式编写及 Excel 特有功能

openpyxl 使用要点

• 单元格索引基于 1（row=1, column=1 对应 A1 单元格）
• 使用 data_only=True 可读取计算结果：load_workbook('file.xlsx', data_only=True)
• 警告：若以 data_only=True 打开并保存文件，公式将被永久替换为数值，无法恢复
• 处理大文件时：读取可用 read_only=True，写入可用 write_only=True

pandas 使用要点

• 显式指定数据类型，避免类型推断异常：pd.read_excel('file.xlsx', dtype={'id': str})
• 处理大文件时，按需读取特定列：pd.read_excel('file.xlsx', usecols=['A', 'C', 'E'])
• 正确解析日期字段：pd.read_excel('file.xlsx', parse_dates=['date_column'])

代码风格指南

生成 Excel 相关 Python 代码时，请遵循：

• 编写简洁、精炼的代码，避免冗余注释
• 避免过长的变量名与重复操作
• 避免不必要的 print 输出语句

依赖项

必需的 Python 包：

• openpyxl — 支持公式与格式的 .xlsx 文件读写
• pandas — 数据分析与批量操作
• xlrd — 读取旧版 .xls 文件（可选）

外部依赖：

• LibreOffice — 通过 scripts/recalc.py 实现公式重算
  • 下载地址：https://www.libreoffice.org/download/download-libreoffice/
  • 或设置 SOFFICE_PATH 环境变量，指向你的 soffice.exe 路径

本地化说明（Windows）

本能力基于 Anthropic 官方 xlsx 技能（https://github.com/anthropics/skills）进行本地化适配。主要调整如下：

• 从 soffice.py 中移除了 Linux 专用的 AF_UNIX socket shim（LD_PRELOAD）
• 新增 Windows 下 LibreOffice 路径自动检测（如 C:\Program Files\LibreOffice\program\soffice.exe）
• 新增对 SOFFICE_PATH 环境变量的支持
• 货币默认单位调整为 ¥（CNY），适配中国市场场景
• 宏目录在 Windows 下使用 %APPDATA%\LibreOffice\4\user\basic\Standard