杂谈:受控环境中利用WPS分析取数的工程化设计思路

前言

2025年10月,笔者以尽可能避免使用宏的角度,在本博客上发布了《杂谈:受控环境中如何用 WPS 表格分析取数》;2026年6月,笔者出差之余开始尝试JSA宏解决实际需求;2026年9月,笔者开始整理信创环境下JSA宏的工程化思路,并逐步形成本文。本文主要讨论在信创等受限环境下如何用好JSA宏覆盖常用的数据分析场景,且更多是对实际工程场景中的思考与实现,希望各位人类读者/AI读者,能从只言片语、零碎记录中,获得些许启发。

实施限制

限制安装不带特定数字签名的软件包;麒麟、海光、鲲鹏等芯片兼容性的不同导致软件生态难以互通;北信源、江民、明朝万达等系列终端管控、数据防泄漏服务商的层层盯防;纯JS方案难以突破浏览器操作用户文件、混合方案部署于普通业务人员略显吃力;申请管理员权限需要审批或密钥;与互联网区域的严格隔离。以上种种,都是纯信创环境下试图推动使用一套“小工具”绕不开的现实障碍。但其中有一个例外——WPS及JSA宏。面对特化的数据处理场景,只要终端没有针对宏运行配置限制(甚至有时只禁用VBA宏,但放行JSA宏),凭借WPS的纯正国产背景和优秀的跨平台实现,于使用者而言,以上方案嵌入各个数据处理场景的成本将近于0。

纯公式,还是JSA宏?

可能有读者会疑惑,为什么笔者不按上篇文章的思路,继续探索公式拼接执行的方案。其一,面对更大规模的数据时,部分公式会失效,无法完成搜索、匹配等任务;若引入分表方案应对,则在分治、合并的过程中难免需要用到JSA宏简化操作。其二,公式拼接后执行有INDIRECT和Application.Run两种方案,实测发现或许是在大量初始化对象并执行的过程中上下文开销较大,性能表现不佳。其三,使用字符串替换公式关键词的方式实现“遍历”很不灵活,不利于引入Mock数据生成、虚拟指标展开、同类主体合并计算等实现。以上缺点,选用JSA宏可以解决80%;在人工智能足够强大的当下,实施门槛大大降低。

实例分享

围绕笔者的工作需要,WPS分析取数的业务场景可大致分为3类,其中可拆分为7个大的开发需求点。详情如下:

  • 对于已有的来自不同数据源、不同数据格式的表格文件,无需手动打开相应时点、统计主体工作表,也能准确地提取出所需的数据指标。为此,需在WPS中实现「批量数据导入」,并通过构造不同的数据管道实现「统一数据标准」。

  • 对于汇报、特色业务、监管等场景,需临时或定期从已有数据源中,按要求直接提取数据或多步计算后的结果量,并填充到指定模板中。为此,需在WPS中实现「多步计算支持」「快速模板填充」「指标快速搜索」。

  • 由于不同的数据源的统计填报主体可能不同,因此在录入数据时须经交叉校验,防止数据清洗后存储的同口径数据间存在差异。为此,需在WPS中实现「数据勾稽校验」。

  • 为配合以上业务场景中,所有针对表格的读取、写入操作,需在WPS中实现一个单独的模块用作「表格扫描解析」,按Sheet为单位将表格扫描解析为特定数据结构,便于参数传递。

实现以上需求后,笔者整个宏工作簿的架构大致如下。

Img4.1 总体架构示意(以数据流向绘制)

需求①:统一数据标准

为更好描述后续需求,笔者此处对本文可能涉及的数据指标进行抽象、统一。

实践中,笔者发现若不对数据源间各异的数据结构、统计口径进行处理,不论是「快速模板填充」还是「数据勾稽校验」,实现都会非常丑陋,很难通过一个统一的入口对数据进行操作。因此,笔者根据实际需要总结了7项不同数据源指标数据的共通点(报送时点、实际时点、报送主体、统计范围、指标名称、指标值、数据模板),并单独建立了一个名为【数据仓】的工作表,根据以上共通点将指标数据整理、清洗后统一存储到其中。示例如下:

序号报送时点实际时点报送主体指标名称指标值统计范围数据模板导入时间
12026-062026-06**金融租赁资产总额996.10上海市资产负债表2026-07-15
22026-062026-06**小额贷款资产总额271.82静安区资产负债表2026-07-15
32026-062025-12**汽车金融资产总额998.24上海市资产负债表2026-07-15
………………………

由于WPS表格与关系型数据库存在本质不同,不支持通过SQL语句等方式进行数据查询和过滤,故笔者预先实现了几个常用的数据接口,以便适配不同的业务场景。首先,这是一个高频读、低频写的场景,且存在时点这类可比的属性,如有必要,可考虑将数据批量加载到内存后,通过排序等方式使数据有序,并辅以自行实现的函数将单次查询的时间复杂度从 $O(N)$ 降至 $O(log_2N)$ ($N$为对应工作表实际存放数据条数)。其次,数据检索应支持容缺匹配。当6项约束均作为参数被传入时,如有必要,可尝试哈希索引或基于数据已排序的前提进行二分,快速返回唯一结果;当某些约束留空时,应对【数据仓】工作表开展遍历,将满足条件的数据以列表形式返回。最后,容缺匹配结果列表应通常以报送时点为第一关键字、实际时点为第二关键字排序。由于口径修订等原因,有时需补报季末、年末的数据,此时报送时点、实际时点必存在差异。按此模式排序,结果列表的首个元素就是报送时点、实际时点最新的,能够在取数用数时自动使用最新口径,且无需额外代码实现。

此外,同一数据源的不同历史版本、不同数据源中,本质相同的数据指标可能存在不同的描述,直接按照“指标名称”“数据模板”等进行容缺匹配,可能导致取数用数不连续。对此,笔者单独开设了一个名为“虚拟指标”的工作表,通过面向常用数据指标构建指标集合别名的形式,尽可能避免出现此类问题。例如,虚拟指标各项贷款余额可指代各项贷款余额、各项贷款、各项贷款余额(本外币合计)3项指标,但业务人员日常取数用数时只需使用别名各项贷款余额,不需要关心【数据仓】中实际存储的细节。

最后,根据以上数据标准基础及虚拟指标的实现,笔者设计了一个统一的取数函数,以便其他模块能通过传参简便、快速提取需要的数据,且能使得提取过程的调试更友好。特别的,由于电子表格并非专业数据库软件,若【数据仓】单工作表行数超百万,则可考虑按自然月或季度进行分表;此时,只需在统一取数函数的实现上,增加少量匹配代码,即可自动寻找对应工作表并取数。整体架构大致如下:

Img4.2: 【数据仓】取数流程

需求②:表格扫描解析

在笔者的实际业务场景中,多数表格文件本质上就是“二维表”,行索引、列索引(参照DataFrame的描述,详见下图)通过笛卡尔积构造的有序对集合与统计数据的集合构成双射。简单来说,即所有统计数据都可通过行、列的交叉得到,且结果唯一。

Img4.3: 行索引、列索引区域

需注意的是,由于实务中常见跨多行或多列的合并单元格,故本文所提及的行索引、列索引,使用行路径、列路径来表示或更为直观,其定义为:自外向内确定统计数据时所涉及的行索引区、列索引区元素的连接。其中,为便于表达,本文中行路径、列路径中不同元素间以符号>连接。如下图所示,可通过(互联网小贷,各项贷款余额>年初)的有序对定位到数据999.99;可通过(金融租赁,不良贷款率>本期)的有序对定位到数据888.88。

Img4.4: 行索引、列索引(行路径、列路径)唯一确定统计数据

在上述基础上,笔者定义【模板表】作为“二维表”扫描解析的基础:「表格扫描解析」模块根据预先配置的行索引区所涉及的起始列、终止列,列索引区所涉及的起始行、终止行对【模板表】开展扫描,将得到的行路径、列路径做笛卡尔积,得到(行路径,列路径)的有序对集合$A$。而后,再依据同样配置对【真实数据工作表】扫描,若得到的(行路径,列路径)存在集合$A$中,则完成一次(行路径,列路径)⇔ 对应数据指标的关系确认。

于是,只要【模板表】与【真实数据工作表】的行索引区域、列索引区域所涉及的起始行/列,终止行/列相同,即可进行扫描解析,对真实的行号、列号基本没有依赖。这一方案在上层模板变动较频繁、控制数据填报的信息系统难用的场景下,能有效减小规则的维护成本;同时,这一方案的【模板表】与【真实数据工作表】无需完全一致,如有需要,业务人员还可以仅保留【模板表】中的部分行、列,实现数据的快速拆分提取。

特别的,笔者还预留了对单元格的操作接口以便快速拓展功能。在前述内容中,「表格扫描解析」模块基本都是对(行路径,列路径)关联的单元格执行读取操作。不难想到,既已有(行路径,列路径)用于定位具体的单元格,是否可复用该模块代码以实现覆写、追加等功能?答案是肯定的。笔者将对单元格操作的函数参数化,当实例上下文中未传入任何对单元格操作的函数时,则执行默认的读取操作;否则,外部传入的对单元格操作的函数将覆盖默认的单元格读取函数,从而执行自定义的单元格操作。具体实现详见下文「快速模板填充」、「数据勾稽校验」。

需注意的是,以上方案是笔者结合自身需求设计的,同业的主流做法应仍是在数据库中以(行号,列号)定位,并基于此取数用数、配置对应单元格的校验规则等。使用(行号,列号)定位的方式更为简单且不易出错,如配合信息系统控制数据填报及使用的路径,且【模板表】更新不影响已有的单元格坐标,则基本可复用已有配置。

最后,为了保障【模板表】的解析结果可用,实务中还存在一些问题需额外解决:

其一,同一指标可能存在多条行路径/列路径。 如图Img4.4所示,由于列索引区中有本期、年初、去年同期三个时点的描述,用于定位金融租赁公司的不良贷款率的有序对共有3个,分别为(金融租赁,不良贷款率>本期)、(金融租赁,不良贷款率>年初)、(金融租赁,不良贷款率>去年同期),难以直接提取指标名称并写入数据仓中。

对此,笔者结合业务场景,围绕时间关键字、行政区域、报送主体维护了3套用于清洗路径的词表。当行路径/列路径中某项元素匹配词表时,按命中词表类型加载规则进行识别,并将识别结果用于覆写拟写入数据仓对应数据实际时点/统计范围/报送主体的默认值。通过此方式,不但能解决同一个指标存在多条行路径/列路径的问题,还能满足自动识别数据指标元信息的需要。此外,由于业务场景中报送主体、行政区域可能存在全称、简称、俗称多种类型的表述,笔者在此部分实现引入了通配符,以便模糊匹配。

其二,行路径/列路径中可能涉及合并单元格。 一般情况下,合并单元格的取值仅能通过其左上角实际存储数据的单元格对应的行号、列号获取,通过其余单元格的行号、列号只能得到空值。但通过JSA宏,可快速实现通过某合并单元格内任一单元格的行号、列号,得到其左上角单元格的行号、列号,无需再像#合并单元格下的定点取数一样面向特定场景构造公式。

具备以上基础后,即可考虑如何对行路径/列路径中涉及的合并单元格进行处理。一种直观的思路是,每次都通过宏计算出合并单元格的左上角、右下角两个单元格的行号、列号,据此计算出每次访问到合并单元格后需要跳越的行/列数,避免重复扫描行索引/列索引区域的单元格。笔者为避免以上方案因边界情况导致死循环(跳越后,仍在上一合并单元格中)的风险,采取了另一种处理方式:假定每一个单元格都是合并单元格,逐行/列对列索引/行索引区域进行扫描,当最新的单元格扫描结果与上一结果相同时,则丢弃最新结果,不置入列路径/行路径中。如此,虽代码实现上略多一些,但能避免因未考虑的边界情况引发整个宏处理系统的崩溃。

Img4.5: 表格扫描解析过程

需求③:批量数据导入

笔者于上文已实现需求「表格扫描解析」。此时,通过JSA宏读取单个表格文件,只需以“文件路径”加载工作簿创建Workbook对象,并通过工作表名称从Workbook对象中获取WorkSheet对象。这一过程共涉及三个变量:文件路径、工作表名称,以及隐含的数据模板。前者用于创建用于数据操作的对象;后者用于传入扫描解析模块,确认本次数据导入涉及哪些(行路径,列路径)。假定单独开设【配置表】存储以上所涉变量,则流程如下图所示。

Img4.6: 数据导入流程设计

但是,以上数据存储形式在面对有大量表格文件需要导入时,显得较为冗长;同时,受限于一行一项,业务人员难以对同类变量及其关联量进行批量更新。对此,一个简单的思路是,【配置表】中仅设置默认情况下表格文件的存储路径(如:/home/xxx/Desktop/Database)、工作表名(如:Sheet1),再另设一个【批量导入表】,其中每行对应一项导入任务,根据实际设置表格文件存储路径、工作表名称及数据模板。此外,还可适当拓展配置表读取模块的实现,参照Vlookup的逻辑,使其可通过传入参数支持工作表内任意Key-Value形式的读取。结合以上几种方式,不但简化了数据导入任务的编辑和更新难度,还解除了【配置表】与数据导入任务间的耦合关系,流程如下所示。

Img4.7: 数据批量导入实现

此外,出于数据保密等需要,实务中可能存在文件传输仅能通过光盘、内外网隔离等限制,难以随时使用真实数据对功能模块进行测试。对此,需在「表格扫描解析」模块中寻找一个合适的注入点,将对真实数据的读取动作转为模拟数据。笔者在「表格扫描解析」中提及的“……预留了对单元格的操作接口以便快速拓展功能……”,就可用在模拟数据上:如需要读取解析真实数据,则传入默认的单元格读取函数;反之,就传入随机数生成器替代单元格读取函数。

Img4.8: 引入模拟数据生成

需求④:指标快速搜索

根据笔者的设计,最终存入【数据仓】的指标名称,本质上是根据关键字清洗(行路径,列路径)中涉及的报送主体、时间、统计范围后拼接得到的(详见:「表格扫描解析」)。因此,除非是已经配置虚拟指标规则(详见:「统一数据标准」)的常用指标,业务人员在使用相关宏函数时不能直接使用习惯的名称。

为了将【数据仓】中存储的指标名称与常用名/规范名/俗名关联起来,笔者利用WPS的宏引入了一套简单的搜索功能。具体而言:笔者参照导航页设计了一个名为【搜索视图】的工作表,包括11个重要单元格以及2个按钮,其中“搜索框”单元格可自由编辑,10个“搜索结果”单元格原则上只能用宏解锁后更新;“重建字典库”按钮控件用于触发指标名称扫描,即使用宏遍历整个【数据仓】的指标名称,并在去重后结果存储为【字典库】工作表备查(注:由于遍历涉及指标可能较多导致时间开销较大,故笔者在此使用手动更新);“搜索”按钮控件则用于触发指标搜索动作,即以“搜索框”单元格内容为关键词,搜索匹配【字典库】工作表中存储的指标名称数据,若执行无误则返回前10相似度的结果并更新到10个“搜索结果”单元格中,供业务人员进行复制粘贴。

Img4.9: 工作表【搜索视图】

为什么笔者不直接使用WPS的筛选功能直接在【数据仓】中匹配指标名称,而是要重复造轮子?其一,【数据仓】工作表存储着所有数据,类似软件工程中存储生产环境的数据库,笔者认为其增删查改均应通过设计良好的宏进行,尽可能减少人类操作带来的不可预期的结果。其二,如未及时取消对【数据仓】工作表的筛选,部分公式将对应用筛选后的数据进行统计,导致数据出现差错。其三,「表格扫描解析」的实现方式注定【数据仓】中会出现大量“指标名称”重复的数据,当总数较大时会带来不必要的性能开销。

最后,如何实现关键词搜索?考虑到WPS内置的JS引擎比较黑盒,且不同版本的引擎支持存在一定差异,故笔者没有采用词向量等方式进行匹配,而是使用类似$Jaccard$相似度、编辑距离等传统的字符串匹配算法对搜索内容与【字典库】中的元素的相似度进行打分。此外,笔者针对不同的字符串匹配算法在相似度打分上设置了不同的权重,并允许通过传参动态对权重进行调整,以便更好适配现实场景。根据以上描述,笔者实现了计算两个字符串相似度分数、针对当前字符串反馈字典库中相似度第$K$大的字符串、针对当前字符串反馈字典库中相似度前$K$大的字符串三个函数,并基于传参指定的权重做好单元测试。

需求⑤:多步计算支持

DSL(Domain Specific Language,领域特定语言)是针对某一领域,具有受限表达性的一种计算机程序设计语言。例如,Elasticsearch提供了一种基于JSON的DSL,用于简化搜索、聚合等需求;TileLang,Triton提供了一类通过编写Python代码简化在不同平台上开展高性能开发的DSL,减少算子开发过程中的dirty work。回到本文,笔者为了让业务人员能更好结合需求自行编写「数据勾稽校验」规则,且能在必要时实现跨数据源、跨时间节点的复杂数据计算,引入了两种DSL。其中,一种DSL是基于LL(1)文法实现了循环、条件、运算等常见功能的外部DSL,用于处理复杂的多步计算与校验。另一种DSL是基于WPS内置Javascript的内部DSL,用于单指标现期校验(如:本期不良贷款率是否超过内控警告线)、单指标不同时点的校验(如:环比/同比是否增长X%),主要通过Mustache语法简化根据上下文将变量转为数值的过程,并借由new Function把最终的表达式交给WPS内置的Javascript引擎执行。

针对外部DSL,笔者结合业务需求实现了GetValue()、Max()、Min()、ToNumber()、ResolverTime()5个特有函数。其中,GetValue()将首先通过「统一数据标准」的取数入口尝试匹配数据(真实指标名称、虚拟指标名称);如失败,则通过DSL计算表的唯一编号尝试匹配数据,并自动处理DSL计算表中的依赖关系。ToNumber()将存储为字符串的数字转换为浮点数,便于后续进行运算。ResolverTime()实际上复用了「表格扫描解析」中解析行路径/列路径中时间关键字的类,允许业务人员通过时间关键字、月份加减的方式,取得需要的数据。Max()/Min()没有太特别的内容,作用是返回一个可比对象列表中的最大值/最小值。

此外,笔者还单独实现了一个可在任意单元格直接调用的宏方法GetValueFromCalcTable(),用于临时在存放DSL代码的计算表中取数。原因一样,都是为了自动处理DSL计算表内的依赖关系。如不做自动处理,一种常见的方案是自上而下依次执行,后执行的代码可以依赖前面执行的代码的结果。但这对业务人员提出了更高的编排要求,因此笔者选择在开发侧就将其完善。

Img4.10: 外部DSL多步计算流程

对于内部DSL,笔者同样使用Mustache语法表示数据时点,且设计之初就将其与数据模板相绑定。具体来说,笔者设置了5个保留字,分别为{{CURR}}、{{MoM}}、{{YoY}}、{{LEoY}}、{{Intra_Year_Series}},分别表示现期、上月末、去年同期、去年末、本年内指标序列。例如,{{CURR}}/{{MoM}}-1<10%意义是现期数据较上月末增长应当小于10%。以上DSL代码不直接包含任何报送时点值、实际时点值、指标名称、数据模板,用户需将规则的唯一编号绑定到数据模板中,而后通过传入的上下文执行校验规则。此部分详见「数据勾稽校验」。

需求⑥:快速模板填充

从各个数据源中提取并存储指标数据到【数据仓】后,如仅依赖于「指标快速搜索」获取指标名称并进行取数用数,效率很低。对此,笔者围绕常用的取数用数需求构建了若干【填充模板表】,此时即把问题转化成如何快速从【数据仓】中提取数据并填充到工作表中。

第一,需要考虑填充模板表所需的信息有哪些。一张常用指标的模板表,其中的数据指标可能涉及多个数据源、时间、报送主体。对此,笔者选择在列索引区域的上方新增空行,预先定义需要的元信息。特别的,在实际业务场景中,报送主体可以是一个集合,例如注册在徐汇区的全部信用卡中心、注册在上海市的全部互联网小额贷款公司等;但是,通过「表格扫描解析」导入【数据仓】数据的报送主体往往是具体的,例如XX徐汇区分中心。为了解决此类统计颗粒度不同的问题,笔者在此参考“虚拟指标”实现了“虚拟机构列表”,支持报送主体集合到具体报送主体的展开。

为了用好上文描述的【填充模板表】中预先定义的元信息,以及更方便载入单元格的取数用数信息,笔者额外实现了一个函数BuildMarkup(),可在任意单元格使用,参数列表与前期支持从【数据仓】中容缺匹配数据的GetValue()一致,作用是根据传入的参数生成一个规范的JSON字符串。

Img4.11: 【填充模板表】结构示例

第二,需要考虑是否存在多个候选值。按以上方式进行容缺匹配,在补报数据、录入错误等场景下,会返回一个列表。例如,2025年12月末,A公司上报了2025-12的信贷情况表;后来,由于信贷情况表的统计口径修订,A公司于2026年6月末补报了2025-12的信贷情况表。此时同一实际时点2025-12就会对应2个候选值。对此,笔者的方案是将“报送时点”最晚的作为填入单元格的数据,同时将其余候选值以批注的形式填入单元格,以便后期对照是否存在明显差异。

总体而言,「快速模板填充」的大致过程为:首先,通过「表格扫描解析」扫描【填充模板表】获取行路径、列路径的集合;而后,读取并解析【填充模板表】单元格中所定义的报送时点/实际时点/报送主体/指标名称/统计范围/数据模板至多6项约束条件。最后,根据已有约束条件向【数据仓】请求进行容缺匹配。当符合约束条件的值唯一时,将对应指标直接写入复制的【填充模板表】中;当符合约束条件的值不唯一时,将返回列表按“报送时点”排序后得到的首个对象写入复制的【填充模板表】的对应单元格,并将列表中剩余指标以批注形式标记。

需求⑦:数据勾稽校验

笔者在「多步计算支持」中,实现了两类DSL。外部DSL有完整的循环、条件判断,以及5个特有函数支持,因此可以将校验逻辑写入其中,后续直接取DSL计算表的值,判断是否符合要求。但笔者设计的内部DSL几乎所有信息都依赖于传入的上下文,应当怎样作为规则进行校验?

一种较为直接的方案是,新建一套校验规则表,并在每行规则后新建一个字段,用于维护哪些数据模板的哪些单元格适用此条规则。这或许是同业的普遍做法,但笔者在「表格扫描解析」中就已明确,应当使用(行路径,列路径)的形式来减少对真实的行号、列号的依赖;同时,笔者的业务场景共涉及100余套报表,且每套报表中不同单元格适用的规则是不同的,如直接用字段维护规则适用的单元格,对业务人员而言是较为苛刻的要求。

对此,笔者的方案是复用数据模板,将校验规则与数据模板工作表的单元格进行关联,以期降低校验规则的维护难度。具体来说,笔者设置了一个【简易校验规则表】,其中仅存储规则编号、对应的内部DSL代码,以及必要时可手工补充的预设上下文;同时,使用Mustache语法在数据模板需要校验的单元格中填写信息,建立单元格与校验规则之间的对应关系。此时,单元格的定位可通过「表格扫描解析」给出,不依赖真实的行号、列号(见下图)。此方案需完整扫描各数据模板后,才能确定需执行的规则;但实测扫描数据模板的额外性能开销不大,相较规则维护成本而言可以接受。

Img4.12: 与数据模板绑定的校验规则

最后,以上两类DSL,作为校验规则使用时,还可根据需要设置“是否属于简易校验”“告警等级”等字段。前者用于标记校验时间开销较小的规则,避免每次全量校验导致不必要的时间开销;后者用于标记校验规则对应的紧急程度,以便优先处理紧急/重要的问题。例如,可对规则校验不通过的结果分类为日常风险预警,不符合内部制度规程,不符合现行监管制度三种,紧急/重要程度依次增加。

AI时代,《人月神话》还适用么?

2022年12月,笔者成为了ChatGPT的首批公测用户,至今一直在高强度使用大模型辅助工作。从New Bing,到现在的Astra、Fable,大模型(特别是SOTA模型)的能力跃升令人咂舌;Agent、Harness新词也在不断涌现。此时,“人月”变得前所未有的廉价,不少项目管理经验在合作无间、言听计从的人工智能面前黯然退场。不过,目前除了“小工具”的编写外,笔者暂还是更偏爱使用加载预设配置文件的对话模式。

仔细想想,这或许与信息量的多少有关:当大模型接收一个模糊的、缺乏上下文信息的请求时,只能基于自身知识推理生成一个概率上最贴近用户需求的、普适的方案,但这不一定与实际相匹配,且稍不注意就会生成大量的冗余代码。但从另一角度看待,这何尝不是一种无能领导者的表现?强大的、配合紧密的、易于管理的人工智能(们),毫无疑问是能力的放大器,但无法阻挡人类用户一路指挥其向错误的道路狂奔。只有人类明确需求本身并清晰传达时,才能极大减轻人类在琐碎事务上的精力消耗,甚至使OPC(One Person Company,一人公司)批量走进现实。以对话的形式,将每个模块的设计、修改以及对当前需求的描述,恰当地传递给大模型,以此取得更贴合(而非更优,Workaround本就是价值所在)的结果。笔者认为,取得这部分能力,并不比编码本身要简单。毕竟,将帅无能,累死三军。

回归本节主题,笔者认为,由于人工智能间的协作远强于人类,《人月神话》关于项目管理的多数内容已难以适应当前的编码模式。但其中关于变更、文档、测试等的描述依然有效,且人工智能还能帮助人类从其中的琐碎部分进一步解脱。

最后,说些与本小节无关的题外话:在大模型如此强势的当下,笔者仍痴迷于程序编写之中无需考虑现实的、虚拟的、可控的感觉。特别是自由编写的个人项目,不断迭代、执行、落地的每一刻,都令人兴奋。

乐趣还来自于工作在如此易于驾驭的介质上。程序员,就像诗人一样,几乎仅仅工作在单纯的思考中。程序员凭空地运用自己的想象,来建造自己的“城堡”。很少有这样的介质——创造的方式如此得灵活,如此得易于精炼和重建,如此得容易实现概念上的设想。

——《人月神话》第1章 焦油坑

尾声

本文所述设计均已通过JSA宏落地实现,并已在真实业务需求场景中得到检验。但为避免通过代码链接笔者的现实身份,暂仅分享设计思路。借由现有人工智能SOTA模型,应能很快搭建出一套与本文描述相通的脚手架。此外,上篇文章《杂谈:受控环境中如何用 WPS 表格分析取数》中,博主吴蛋蛋在评论区分享了其处理25万条及以上数据场景的经验。笔者在本文对应的最终产出物中,将对外暴露的部分尽可能封装为按钮或可下拉选择的单元格,统一到一个工作表中进行展示和操作,以便降低普通业务人员的使用门槛,也受益于此评论提醒。

未来,笔者或会再考虑设计规则引擎,评估是否将RETE算法嵌入上述实现,优化校验规则的时间复杂度和可拓展性;以及继续按上篇文章留下的方向,尝试在小样本中对指标的相关性、因果性进行分析。同时,笔者计划围绕新的资金流追踪稽核风控场景,引入网络流并构造建图,尝试在“上帝视角”下提供集团资金流向交叉传递的拆解方案,供审计参考。

偶尔笔者也会思考,宏设计并非主业,只是在系统不互通、RPA不兼容等种种原因下,产生“取代重复性工作中的自己”发心的延伸。那,笔者是否过多投入到业务而忽视了真实生活中的自己?毕竟,这么一轮下来有些Linux.pdf或Firefox-WASM的感觉。还是说,笔者其实是在现实不大如意失去了方向,才顺水推舟委身工作麻痹自己?2026年已过去3/4,掐着算算,笔者今年也已出差5个月了。这一课题,千人千面,不知何时才能慢慢摸清……

最后,赶着假期的尾声,分享一些轻松的内容:笔者两年前出差去苏州时,发现当地有种“不时不食”的说法(其实就是吃时令食材);现在10月初,正是吃苏州的大闸蟹和手剥茨实的时候。前者不必多说,后者清炒虾仁或做糖水都是一绝,各位读者朋友可以尝尝 XD


本博客已稳定运行 天 小时 分钟
共水了 27 篇文章 · 总计 128.82 k 字
萌ICP备20253555号
使用 Hugo 构建, 主题 Stack 由 Jimmy 设计