表格数据增强与汇总

工作流

第一阶段：侦察（Reconnaissance）

1. 读取整张表格（或指定范围），以理解其结构（schema）
2. 识别源列（例如：URL/链接）和目标列（待填充数据的列）
3. 统计目标列中空值行的数量——这些即为待处理任务项
4. 在继续执行前，向用户确认该计划

第二阶段：提取（Extraction）

按批次处理行。对目标列为空的每一行：

1. 在获取内容前对源进行分类：

   • 普通文章 URL → web_fetch
   • 单页应用（SPA）/ JS 渲染页面 → 浏览器自动化
   • 微信公众号文章（mp.weixin.qq.com）→ 浏览器（web_fetch 可能因验证码被拦截）
   • 社交媒体（微博、抖音等）→ 浏览器，或标注为“无可提取数据”
   • 失效链接 / 付费墙 → 标记供用户确认

2. 从已获取内容中提取目标数据：

   • 在多个位置搜索目标数据（标题下方、文末、元数据区域等）
   • 使用针对性提取模式（参见参考文档 references/extraction-patterns.md）
   • 若存在歧义，应标记为需人工复核，而非猜测填写

3. 写入前核实（每篇均须先核实）：

   • 确认所提取值准确无误后，再写入表格
   • 如有已知映射关系，应交叉验证
   • 批量处理时，应先抽样验证，再推广适用模式

第三阶段：回写（Write-back）

1. 将已确认的数据写入目标列
2. 务必校验行对齐——写入前须先读取该行，确保目标单元格与预期条目一致
3. 使用单单元格写入格式（如 G5:G5），而非裸引用（如 G5）
4. 飞书多维表格（Feishu Sheets）要求范围格式为 sheetId!G5:G5

第四阶段：汇总（Summarization）

当用户请求聚合分析时：

1. 重新读取所有已完成增强的表格，以纳入任何人工修正内容
2. 按用户指定维度分组（例如：按负责人 → 贡献者 → 求和）
3. 各组内按合计值降序排列，提升可读性
4. 输出至新表格/电子表格，包含表头、分组小计及总计行

关键经验（提取环节）

网页中数据的常见位置

不同来源的数据位置各异，务必检查多个区域：

切勿仅检查网页顶部就断定“无数据”。务必同时检查文末。

何时选用浏览器 vs web_fetch

可复用映射关系

当同一来源在多行或多张表格中始终映射为相同值时：

1. 在确认至少 2 个实例后，构建映射表
2. 后续行可直接应用该映射，无需重复抓取
3. 必须注明映射来源，以便审计追溯

常见“无归属信息”模式

以下类型内容通常不包含个体署名信息：

• 快讯 / 通讯社短讯（例如：“财联社电”、“每经AI快讯”）
• 新闻稿 / 企业公告
• 未标注原始出处的社交媒体转发
• 整合类综述文章

请明确标识此类情况（留空，或按用户偏好使用占位符如 “/”）。

行对齐安全性

至关重要：写入电子表格时，“错位一行”（off-by-one）是最常见的失败原因。

每次写入前，请执行：

1. 读取目标行，验证相邻单元格内容是否符合预期
2. 若处理多行，应周期性重新读取以及时发现偏移
3. 切勿假设你数据中的第 N 行一定对应表格中的第 N 行——必须每次都验证

飞书多维表格（Feishu Sheets）注意事项

• 范围格式为：sheetId!A1:B2（非工作表名称）
• 单单元格写入格式为：sheetId!G5:G5（非 sheetId!G5）
• 通过 feishu_sheet 动作的 info 命令获取 sheet ID
• 写入操作返回 revision（修订号）——可用于变更追踪
• API 不支持在现有电子表格中新建工作表标签（tab）；汇总结果请新建独立电子表格

输出格式规范

汇总表格应包含以下要素：

• 表头：分组维度、明细维度、数量、合计值
• 分组小计：每个分组单独计算
• 总计：最终汇总行
• 排序规则：组内按合计值降序排列；各组按小计值降序排列