🤖 用 AI 全面優化日常繁重工作~邱允文
🤖 用 AI 全面優化日常繁重工作
第 1 章 【資料整理 AI】 — 免手工、比程式還快, 要整理資料就 call AI！
1-1 用 AI 幫忙處理複雜的表格資料
這個實作主要利用大型語言模型（LLM），如 [Google Gemini] 或 ChatGPT，來理解、重構或清理您貼入的雜亂或不完整的表格資料。
步驟與使用說明詳解
💻 軟體存取：
開啟如 [Google Gemini] 等進階 AI 聊天工具的網站。
📋 貼入資料與背景說明：
將您 Excel、Google Sheets 或任何文件中的複雜、格式不一或需要清理的表格資料直接複製並貼入 AI 聊天框。
使用說明： 在貼入資料前，先向 AI 說明這些資料的背景（例如：這是上個月的銷售記錄，包含產品名稱、數量和客戶 ID）。
✍️ 發出整理指令（Prompting）：
明確告訴 AI 您需要它進行的整理任務，例如：重新排序、合併欄位、計算總數、標準化格式等。
使用說明： 指令必須包含輸出的格式要求（例如：請以 Markdown 表格輸出，或直接貼回 Excel 可用的 Tab 分隔格式）。
🔄 檢查與匯出：
檢查 AI 輸出的新表格是否符合要求。
使用說明： 如果有不滿意的地方，您可以立即發出修正指令（例如：請將價格欄位都加上 $ 符號），直到滿意為止。
案例與 Prompt 範例
案例一：清理客戶名單的電話格式
目標： 統一雜亂的電話號碼格式，並移除不完整的資料列。
Prompt 範例：
Prompt： 我貼入了包含客戶名稱和聯絡電話的雜亂清單。請執行以下操作：
將所有的電話號碼統一格式為 (區碼) XXXX-XXXX。
移除任何電話號碼欄位為空或號碼不足八位數的資料列。
請以 Markdown 表格格式輸出，欄位標題為「客戶名稱」和「標準電話」。
細節講解：
定義清洗規則： 明確指出電話號碼的標準格式
(區碼) XXXX-XXXX。資料篩選： 具體要求移除不完整的資料（電話為空或不足八位數）。
輸出格式： 指定使用
Markdown 表格輸出，便於預覽和複製。
案例二：計算彙總並增加分類欄位
目標： 從不同分店的銷售紀錄中，計算產品總銷量，並根據價格為產品分類。
Prompt 範例：
Prompt： 這是一份多天的產品銷售紀錄，包含「產品名稱」、「價格」和「數量」。請幫我：
計算每個產品名稱的總銷售數量。
新增一個名為「價格級別」的欄位。價格高於 500 的標記為「高價」，否則標記為「常規」。
最終結果請按照總銷量由高到低排序，並以 CSV 格式（用逗號分隔）輸出。
細節講解：
數據彙總： 要求 AI 執行分組和加總的計算（計算每個產品名稱的總數量）。
條件判斷與分類： 引入邏輯判斷（價格高於 500 即為高價）來創建新欄位。
多重排序： 要求輸出結果按照特定的欄位（總銷量）進行排序。
案例三：拆分與重組複雜欄位
目標： 將一個欄位中的複合資訊（例如：ID、姓名和日期）拆分到單獨的欄位中。
Prompt 範例：
Prompt： 我有一欄名為「交易標籤」的資料，格式統一為：
[用戶ID]-[姓名縮寫]-[交易日期YYYYMMDD]。請將這一欄拆分成三個獨立的欄位：用戶ID
姓名（假設姓名縮寫是其全名）
交易日期（格式改為 YYYY/MM/DD） 請以標準表格形式輸出前 10 筆拆分後的數據作為範例。
細節講解：
定義輸入結構： 準確描述原始欄位的複合格式（
[用戶ID]-[姓名縮寫]-[交易日期YYYYMMDD]）。定義輸出結構： 明確指定三個新的欄位名稱和日期的新格式
YYYY/MM/DD。範例限制： 僅要求輸出前 10 筆資料，用於快速驗證 AI 的拆分邏輯是否正確。
1-2 請 AI 從繁雜的 PDF 抓數據、彙整成表格
這個實作利用具備文件處理能力的 AI 工具（例如：[Google Gemini] Pro/Advanced、[Adobe Acrobat AI Assistant] 或 ChatGPT Plus）直接上傳 PDF 文件，讓 AI 成為您的數據提取器。
步驟與使用說明詳解
💻 軟體存取與上傳：
開啟支援 PDF 上傳和分析功能的 AI 工具，例如 [Google Gemini] Advanced 或 [Adobe Acrobat AI Assistant]。
點擊上傳按鈕，將包含需要提取數據的 PDF 文件上傳。
🔍 鎖定資料範圍：
使用說明： 如果 PDF 文件很長，請先告訴 AI 您要提取的資料位於文件的哪個部分（例如：第 5 頁的「市場調查結果」章節，或所有圖表下方的數據）。
✍️ 發出提取與彙整指令：
指令應包含要提取的內容和最終的表格結構。
使用說明： 例如：「請提取 PDF 中所有提及的成本數據和對應的季度，並將其彙整成一個包含『季度』、『專案名稱』和『總成本（美元）』三欄的表格。」
📊 格式化輸出：
再次強調輸出格式，以確保數據可以直接複製到試算表中使用。
案例與 Prompt 範例
案例一：從財報 PDF 中提取關鍵財務指標
目標： 快速從 PDF 格式的年度財報中，提取幾個核心的財務數據進行比較。
Prompt 範例：
Prompt： 這是一份公司年度財報 PDF。請只從損益表的部分提取以下數據，並彙整成表格：
近三年（2022, 2023, 2024）的淨利潤（Net Income）。
近三年的營收（Revenue）。 表格欄位請依序是：年度、淨利潤、營收。
細節講解：
限定範圍： 明確指出提取數據的來源區域（損益表部分）。
時間限定： 鎖定特定的時間範圍（近三年）。
精確指標： 使用準確的財務術語（淨利潤、營收），避免 AI 抓取其他不相關的數字。
案例二：從複雜合約 PDF 中提取關鍵條款
目標： 從一份長期服務合約 PDF 中，提取與費用相關的所有細節。
Prompt 範例：
Prompt： 這是一份服務合約 PDF。請仔細閱讀所有關於「費用與支付」的條款，並彙整成一個包含四欄的表格：
費用項目名稱
金額或計算方式
支付頻率（例如：每月、每年、一次性）
違約金比例（如果合約有提及）
細節講解：
鎖定條款： 針對性地要求 AI 關注特定主題（費用與支付）。
多維度提取： 不只抓取金額，還要求提取計算方式和頻率，建立完整的費用視圖。
條件性提取： 要求提取「違約金比例」（即使可能不存在，也指示 AI 查找）。
案例三：從技術手冊 PDF 中提取產品規格數據
目標： 從產品技術手冊 PDF 中，提取多個型號的規格參數進行比對。
Prompt 範例：
Prompt： 這是一份 A 系列產品的技術手冊 PDF。請提取所有型號（A-100, A-200, A-300）的規格數據，彙整成一個比較表格。 必備欄位包含：型號名稱、電池續航力（小時）、最大記憶體（GB）和建議零售價（TWD）。如果數據不存在，請填寫「N/A」。
細節講解：
多目標提取： 同時針對多個特定對象（所有型號）進行數據提取。
明確參數： 精確列出所需的技術參數，排除冗餘信息。
容錯處理： 要求對缺失的數據使用
N/A標記，確保表格的完整性。
1-3 用 AI 代理人 (AI Agent) 全自動抓網頁資料並整理成表格
這個實作需要使用到具備自動化流程和網頁抓取（Web Scraping）能力的 AI Agent 工具，例如 [Microsoft Power Automate] 搭配 AI Builder、[Airtable Automations] 搭配 Scripting，或專業的 Web Scraping AI 平台。
步驟與使用說明詳解
💻 軟體存取與 Agent 建立：
選擇一個支援 Web Scraping 的 AI Agent/RPA 平台（例如 [Microsoft Power Automate]）。
🔗 設定目標網址與動作（Action）：
輸入您想要抓取數據的目標網頁 URL 或網頁清單。
使用說明： 如果是需要登入或點擊操作才能取得的數據，您需要使用 Agent 平台的**錄製（Record）**功能來設定點擊流程。
✍️ 定義抓取元素與表格結構：
這是最核心的步驟。您需要告訴 Agent 程式：「在哪裡抓」 和 「抓什麼」。
使用說明： 您可能需要使用平台提供的視覺化工具或簡單的 CSS Selector 來識別網頁上的重複性元素（例如：產品清單、新聞標題、價格欄位）。
🗂️ 設定資料整理與輸出流程：
指示 Agent 在抓取數據後，如何進行整理（例如：移除 HTML 標籤、統一日期格式）。
使用說明： 設定最終的輸出目的地，例如：自動寫入 Google Sheets 的特定表格、發送 Email 彙報，或存儲為 CSV 文件。
案例與 Prompt 範例
案例一：追蹤競爭對手的即時價格變動
目標： 每天自動抓取三個主要競爭對手網站上特定產品的即時價格。
Prompt 範例（給 Agent 的配置指令）：
Agent 指令： 設定一個每天上午 9 點執行的排程任務。
依序訪問 [競爭對手 A 產品頁]、[競爭對手 B 產品頁]、[競爭對手 C 產品頁]。
在每個頁面上，抓取
產品名稱和當前的銷售價格兩個數據點。將抓取的數據連同當前日期和時間，新增到 Google Sheets 的「價格追蹤」表格中的新列。
細節講解：
排程自動化： 設定 Agent 的執行頻率（每天上午 9 點）。
多頁面處理： 需設定 Agent 依序處理多個不同的 URL。
數據整合： 要求 Agent 除了抓取網頁數據外，還需自動添加系統生成的時間戳。
案例二：自動彙整行業新聞和摘要
目標： 每週自動抓取特定行業新聞網站的頭條新聞，並使用 LLM 摘要後彙整。
Prompt 範例（結合 Web Scraping 與 LLM 處理）：
Agent 指令： 設定一個每週一上午執行的任務。
訪問 [特定行業新聞網站] 的首頁。
抓取首頁上前五條新聞的
標題和新聞連結 URL。對於每條新聞，請將其內文傳給 [Google Gemini]，要求生成一個不超過 50 字的核心摘要。
將「標題」、「摘要」和「URL」整理成表格，並以電子郵件發送給「部門主管」。
細節講解：
串接 AI 服務： 這個 Agent 流程結合了兩個服務：Web Scraping（抓取標題/URL）和 LLM（生成摘要）。
數量限定： 限制抓取數量（前五條新聞）。
郵件輸出： 設定最終的輸出動作為發送電子郵件，實現一鍵彙報。
案例三：從電商平臺抓取使用者評論數據
目標： 抓取某電商產品頁面上的使用者評論文本，以便進行情感分析。
Prompt 範例（給 Agent 的配置指令）：
Agent 指令： 執行一次性數據抓取。
訪問 [特定電商產品頁面]。
模擬點擊「查看更多評論」按鈕，直到頁面顯示所有評論（或達到 100 條評論）。
抓取每條評論的
使用者 ID、評分星級和評論的完整文本內容。將所有抓取的數據輸出為 JSON 格式（用於後續的程式分析）。
細節講解：
模擬互動： 要求 Agent 執行模擬點擊（處理「載入更多」按鈕）。
數據量控制： 設定抓取的上限或條件（達到 100 條評論）。
程式化輸出： 要求輸出格式為
JSON，這適用於需要將數據導入數據庫或分析工具的進階應用。
留言
張貼留言