Xlsx Cn

核心功能

xlsx-cn 是 Anthropic 官方开发的 Excel 文件处理 Skill，提供完整的电子表格创建、读取、编辑和分析能力。核心特性包括：

• 双引擎架构：pandas 用于数据分析与批量操作，openpyxl 负责复杂公式、格式和 Excel 专有功能
• 强制公式优先：明确禁止 Python 硬编码计算值，要求所有计算通过 Excel 公式实现，确保文件可动态更新
• 零错误保障：内置 scripts/recalc.py 脚本配合 LibreOffice 强制重算公式并扫描所有错误类型（#REF!、#DIV/0!、#VALUE! 等）

显著优势

金融级专业规范：

• 内置行业标准的财务建模配色（蓝=硬编码输入、黑=公式、绿=跨表引用、红=外部链接、黄=关键假设）
• 严格的数字格式规范（货币、百分比、倍数、年份文本化、零值显示为"-"）
• 公式构建规则（假设单元格分离、错误预防、硬编码值溯源文档化）

安全处理机制：

• 使用 defusedxml 防护 XML 注入攻击
• 路径遍历防护（pathlib.Path 处理）
• 无外部网络请求，纯本地文件操作

潜在局限

• 动态编译依赖：在受限沙箱环境中需运行时编译 C 语言 shim（LD_PRELOAD）以适配 LibreOffice，虽用途透明但属敏感操作
• LibreOffice 依赖：公式重算功能依赖外部 LibreOffice 安装，首次运行需自动配置
• 内存限制：超大文件建议使用 read_only=True 或 write_only=True 模式

适合人群

• 财务分析师、投行建模人员（可直接应用其金融规范）
• 数据分析师（pandas 快速分析 + openpyxl 精细输出）
• 企业报告自动化开发者（需可维护、可审计的 Excel 模板）
• 对公式准确性要求极高的场景（审计、合规报告）

常规风险

• 公式引用错误：跨表引用、列映射（第64列=BL）、行索引偏移（DataFrame 0-based vs Excel 1-based）易出错
• 数据类型陷阱：NaN 值未处理导致公式异常、日期解析错误
• 沙箱适配：受限容器环境中动态编译 C 代码可能触发安全策略拦截

使用建议

优先遵循其"公式优先于硬编码"的核心原则，复杂模型先小范围测试 2-3 个单元格再批量应用，充分利用内置的 recalc.py 验证工具确保零公式错误交付。

核心用法

xlsx-cn 是 Anthropic 官方发布的 Excel 表格处理技能，面向需要专业级电子表格操作的用户。核心工作流分为四类场景：

1. 数据分析与预览：使用 pandas 快速读取、分析和可视化数据，支持多工作表批量处理。

2. 创建与编辑文件：基于 openpyxl 实现复杂格式化、公式嵌入和样式控制，支持动态公式而非硬编码数值。

3. 财务建模规范：内置投行级标准——蓝色字体标识输入假设、黑色为公式、绿色为跨表引用、黄色背景标注关键假设；数字格式强制规范（年份文本化、货币千分位、零值显示为"-"、负数以括号呈现）。

4. 公式重算与验证：通过 LibreOffice 自动重算所有公式，返回 JSON 格式错误报告（#REF!、#DIV/0! 等），确保交付零公式错误的文件。

显著优点

• 权威性极高：直接 fork 自 Anthropic 官方仓库，代码经过结构化审核，T1 来源可信度。
• 专业财务标准：颜色编码、数字格式、假设单元格隔离等规范源自投行实务，大幅降低模型错误率。
• 动态可维护：强制使用 Excel 公式而非 Python 计算后硬编码，确保下游用户可更新数据后自动重算。
• 零错误交付：recalc.py 脚本自动扫描全表公式错误，输出精确到单元格的问题定位。
• 安全纯净：无外部 API 调用，本地执行，依赖库（openpyxl、pandas）均为成熟开源项目。

潜在缺点与局限性

• LibreOffice 依赖：公式重算功能依赖本地 LibreOffice 安装，部分精简环境或容器可能需要额外配置。
• 无云端协作：纯本地处理，不支持 Google Sheets、Office 365 等云端实时协作场景。
• 性能边界：超大文件（百万行级）建议改用 pandas 的 read_only/write_only 模式，openpyxl 全功能加载可能内存敏感。
• 公式复杂度受限：不支持 Excel 365 新增动态数组函数（如 SORT、FILTER），限于传统公式体系。

适合人群

• 财务分析师/投行从业者：需要符合行业规范的财务模型和估值模板。
• 数据运营人员：高频处理 Excel 报表、自动化生成格式化输出。
• 审计与风控岗位：对公式准确性、审计追踪有严格要求的专业场景。
• 企业模板开发者：需建立标准化、可复用的 Excel 工作流体系。

常规风险

• 公式引用失效：跨表引用或插入行列后未同步调整公式可能导致 #REF! 错误，需遵循"修改后强制重算"流程。
• data_only 陷阱：openpyxl 的 data_only=True 模式会永久丢失公式，仅应作用于只读分析场景。
• 路径注入：虽官方实现安全，但用户自定义代码若直接拼接文件路径，存在目录遍历风险（建议用 Path 验证）。
• LibreOffice 首启延迟：首次运行 recalc.py 时需配置宏环境，可能产生 10-30 秒初始化时间。