把一份乱糟糟的 PDF 变成干净 Excel，再顺手出一份分析报告 —— 用 Codex

活儿从来不是「把这份 PDF 转成表格」。那只是看得见的一半。真正要的是后面那个问题：哪个供应商花得最多、这几个月的趋势是涨是跌、哪几笔明显异常。一行行照着敲进 Excel，是最慢、最容易错、也最不该由人来干的那部分 —— 而它恰好可以整段交出去。用 Codex 这类会写代码的 agent，同一个会话里就能：读文档、生成一份干净的 Excel、再在上面把分析直接写出来。第一次大概 20-30 分钟，提示词调顺手之后更快。

能成的关键是：Codex 不只是跟你聊天 —— 它在本地沙箱里真的跑代码（Python、pandas、openpyxl），读你硬盘上的文件，再把一个真正的 .xlsx 写回你指定的文件夹。这一过程完全不需要你懂 Python，你只负责说清要哪些列、然后核对结果。

你能扔给它什么

源文件长什么样，没你想的那么要紧。常见几种：

• 带表格的电子版 PDF —— 银行对账单、发票、各种导出报表。文字可选中，抽取几乎无损。
• 扫描件 PDF，或者直接拍的一张表 —— 要先过一遍 OCR。干净的扫描件准确率不错，皱巴巴的报销小票就得多核对几眼。
• 一堆文件 —— 十二个月的月度对账单、一整个文件夹的 CSV。Codex 能挨个遍历，再把结果摞进同一张表。
• 别人已经做好的一张烂表 —— 合并单元格、合计行混在数据里、三行表头。把这种表清干净，往往比抽取本身更值。

实操步骤

前置： 装好 Codex CLI 或桌面端，源文件存在能指到的地方（比如 ~/Downloads/duizhang.pdf）。第一次大概 20-30 分钟。

Step 1 —— 抽成一张干净的表。 开 Codex 会话，别只说「转一下」，要把你想要的「形状」说死：

读 ~/Downloads/duizhang.pdf。把每一笔交易抽成一张表，列就要这几个：日期（YYYY-MM-DD）、摘要、类别、金额（纯数字、不要货币符号）。跳过小计行和表头行。先把前 10 行给我看，别急着写文件。

先让它把前几行给你看，是整套里最关键的一招 —— 你能在错位的一列或者错位的合计扩散到 400 行之前就抓住它。把列名一个个点明，能挡住 agent 自己瞎编一套字段。

Step 2 —— 核对抽取结果。 别跳这步。几个能拦下大部分错误的快检：

1. 行数 —— 「你抽了多少行？」跟源文件粗数一下对一对。
2. 合计 —— 「把金额列加总，跟 PDF 上印的合计对得上吗？」对不上，通常是合计行漏进了数据，或者跨页表格掉了一页。
3. 抠两头 —— 拿首尾几行跟原文件肉眼对一遍。日期格式、负数（退款、红冲）是惯犯。

Step 3 —— 写成带格式的 Excel。 表对了之后：

把这张表写到 ~/Desktop/jiaoyi.xlsx。表头行加粗、冻结首行、金额列设成保留两位小数的货币格式、最底下加一行合计。

你拿到的是一个真正的电子表格 —— Excel、Numbers、WPS、腾讯文档都能直接打开 —— 不是一个你还得再清一遍的 CSV。

Step 4 —— 别停在表格，让它出分析。 这一步它才从「转换工具」变成别的东西。干净数据已经在会话里了，所以直接说：

现在分析这份数据。按类别汇总总额、金额前 5 的供应商、环比逐月趋势，再把任何超过中位数 2 倍的交易标出来。每一项单独放一个工作表，给「按类别支出」配一张柱状图，最后在第一个工作表里写一段 5 条要点的大白话总结。

回来的是一个带透视、带图表、带文字结论的工作簿 —— 也就是那份 PDF 一直挡在你和它之间的东西。哪个角度看着没用，就让它换一个；数据不动，动的只是问题。

变体

• 银行 / 信用卡账单 → 一张消费全景 —— 先给交易分类，再要月度合计和涨得最快的那几类
• 十二份月报 → 一条趋势 —— 把文件夹指给 Codex，让它摞起来加一列 月份，再把全年趋势画成图
• 一份问卷 CSV → 一张数字小结 —— 计数、百分比、按人群分的交叉表，导成一张干净的汇总工作表
• 报销拍照 / 扫描的表 → 电子版 —— 先过 OCR，核对要更狠（Step 2 在这里尤其重要），之后照常走

哪里不适合用它

• 任何要法律级精确的东西 —— 报税、过审的财务数字：agent 是又快又好的第一遍，不是最终拍板。一定回到源文件再核一遍。
• 数据是真的大 —— 几十万行往上，你要的是数据库和 SQL，不是电子表格
• 一份你这辈子每周都要重出的报表 —— 如果是真正周期性的，让 Codex 给你写一个小脚本反复跑，而不是每次重开一轮对话
• 版面本身就是意义的文档 —— 合同、带条件逻辑的表单；抽成一张表，恰好丢掉了那个有意义的部分