網易首頁 > 網易號 > 正文申請入駐

超越chatgpt和Excel方案！中國團隊Univer的電子表格SOTA達到68.86%

2025-11-20 17:28:17　來源: 互聯網大觀

北京舉報

分享至

在最近一輪的SpreadsheetBench評測中，UniverAgent 取得了68.86% 的 Pass Rate，位列排行榜第一，超越了包括 ChatGPT Agent 和 Excel Copilot 在內的主流方案。

SpreadsheetBench 是當前電子表格自動化領域最具權威性的公開基準之一，微軟與 OpenAI 均曾在官方文章中引用其測試數據，微軟現任 CEO 薩提亞·納德拉（Satya Nadella）也曾在社交媒體上發表其評測結果。

這是該榜單出現的第一支中國團隊。與榜上多數仍依賴 Excel 環境執行任務不同，UniverAgent 基于自研的 Univer SDK，實現了全程脫離 Excel 的表格計算與推理能力，可視為一次從底層重構電子表格智能的技術躍遷。這一成績的取得，并非單純依賴于更強的基座模型，而是源于我們對“電子表格 Agent”這一命題的系統性重構：從“生成腳本操作文件”的輔助工具，轉向“基于在線環境、具備混合執行能力的自主智能體”。

本文將從技術視角拆解 UniverAgent 在 SpreadsheetBench 上的表現，探討它是如何在理解（Understanding）、準確性（Accuracy）和定位（Positioning）三個維度上建立優勢的。

一、SpreadsheetBench：真實業務場景的試金石

許多 AI Demo 看起來很美，但在真實業務中往往“一碰就碎”。SpreadsheetBench 的價值在于它提供了一個基于真實任務的嚴謹參考框架。

它包含912 個來源于真實場景的任務，涵蓋了從數據清洗、復雜計算到格式調整的全流程。與簡單的“玩具數據集”不同，SpreadsheetBench 重點考察三個互相關聯的維度：

1. UNDERSTANDING（理解能力）：能否準確理解自然語言指令中的業務意圖，并正確識別相關的數據區域（而非誤用無關區域）。

2. ACCURACY（結果準確性）：數值計算是否精確，公式邏輯是否正確，數據類型（如日期、貨幣）是否符合規范。

3. POSITIONING（定位準確性）：結果是否寫入了指定的工作表和單元格，且不破壞原有的表格結構。

這三個維度彼此牽制、很難被單一技術路徑同時兼顧：單純的 Python 腳本容易算對數值（Accuracy），但很難處理復雜的格式和位置約束（Positioning）；單純的 Excel 公式能處理位置，但難以應對復雜的邏輯推理（Understanding）。

UniverAgent 的高分，正是因為它通過系統設計，在這三個維度上取得了平衡。

二、核心差異：系統工程勝于模型參數

在 SpreadsheetBench 榜單上，我們可以看到多種技術路線。UniverAgent 的核心差異在于：我們沒有把電子表格簡單視為一個 CSV 文件或一個 API 對象，而是圍繞其結構化、富交互、在線化的特性，設計了一整套 Agent 架構。

這套架構包含三個關鍵支柱：

1. 表格友好的上下文工程：通過 `SpreadsheetOverview` 和 `GetRangeData`，構建高信噪比的“地圖”與“放大鏡”。

2. CodeAct + Planning 執行策略：引入多輪思考循環與自適應緩存，替代脆弱的“一次性腳本”。

3. 在線混合執行架構：Python 負責重數據分析，JavaScript (Univer SDK) 負責精細表格操作，兩者在在線環境中無縫協作。

三、上下文工程：構建高信噪比的“地圖”與“放大鏡”

電子表格任務的一大挑戰是上下文（Context）爆炸。一個幾千行的表格直接轉為文本會瞬間耗盡 Token 預算，且丟失關鍵的結構信息（如合并單元格、公式引用）。

UniverAgent 設計了兩層上下文抽象來解決這個問題。

1. SpreadsheetOverview：全局“地圖”與信息壓縮

`SpreadsheetOverview` 的作用是讓 Agent 在消耗極少 Token 的前提下，看清整個工作簿的結構。它不僅僅是數據的截斷展示，更包含了一系列智能壓縮策略。

以一個簡單的銷售數據表為例，原始電子表格中的內容大致如下（只展示關鍵列）：

以下是一個典型的 Overview 輸出示例，可以看到它如何將一張包含數據的表格“濃縮”為結構化視圖：

關鍵技術點在于：

●結構識別：自動識別 Table 邊界（如 A1:D25），而非盲目讀取整張表；

●層次化視圖： Spreadsheet -> Sheet -> Table / Formula, 層層遞進，既展示了結構，又避免了信息過載；

●公式組聚合：如上例所示，`C33:C35` 的公式邏輯完全一致，系統將其聚合為一條描述 `C33:C35 ← C33: ...`。這種處理方式能將上百行的冗余信息壓縮為一行，Token 占用減少 90% 以上。

在實測中，即便是7000 行的大型工作簿，其 Overview 上下文體積通常也能控制在0.5KB 以內。這為 Agent 提供了清晰的全局視野，顯著提升了UNDERSTANDING指標。

2. GetRangeData：結構化的“放大鏡”

當 Agent 需要深入處理特定區域時，`GetRangeData` 提供了結構化的局部視圖。它返回的不僅僅是二維數組，而是一個包含豐富元數據的對象：

============================================================
Range Data: A1:F32
============================================================
Metadata:
? Shape: 32 rows × 6 columns
? Formula groups: 3 (74 total cells)
? Styled cells: 15
Data Preview: (showing first 10 rows)
A B C D E F
1 SN DATE ... TOTAL ... ...
2 001 1/1 ... 1200 ... ...
...
Formula Groups: (top 15 of 3)
? D2:D74 ← D2: =IFERROR(INDEX(...))
? E2:E74 ← E2: =VLOOKUP(...)
Style Definitions: (top 5 of 5)
? 01gvvu6: fs:11|bl:1|bg:#FFFF00(3 cells)
============================================================

這個 `RangeData` 對象包含三個維度的信息：

●Values：直接映射為 `pandas.DataFrame`，便于 Python 進行向量化計算。

●Formula Groups：延續聚合策略，準確描述區域內的計算邏輯。

●Styles：將樣式定義（如 `bg:#FFFF00`）與引用解耦，使 Agent 能感知顏色、字體等視覺線索（這在處理“標紅異常值”類任務時至關重要）。

這種分層設計，確保了 Agent 既能“看全”也能“看細”，為后續的精準操作打下基礎。

四、執行策略：從“一次性腳本”到 CodeAct 循環

面對 SpreadsheetBench 中的復雜任務，試圖生成一段完美的“一次性腳本”往往是徒勞的。UniverAgent 采用了CodeAct (Code as Action)架構，將執行過程拆解為多輪交互循環：

Thought（思考）→ Code（編碼/工具調用）→ Observation（觀察結果）

1. 動態規劃與自我糾錯

在每一輪循環中，Agent 都會根據 `Observation` 修正自己的認知。

● 如果發現數據格式與預期不符，它會調整清洗邏輯；

● 如果寫入結果后發現位置偏移，它會讀取結果區域并重新調整坐標。

這種“小步快跑、實時反饋”的機制，極大地提升了任務的ACCURACY和POSITIONING表現。

2. 自適應消息緩存（Adaptive Message Cache）

多輪交互雖然穩健，但會帶來上下文過長的問題。UniverAgent 引入了自適應消息緩存機制，充分利用 LLM 的 Prompt Caching 功能。系統會根據對話輪數自動插入緩存斷點，使得歷史上下文（包括龐大的表格結構信息）無需重復計算。這不僅降低了推理成本，更顯著提升了長鏈路任務的響應速度。

五、架構優勢：在線環境與混合執行

UniverAgent 的另一大護城河，在于其運行環境。與基于 `openpyxl / VBA` 等依賴 Excel App 操作本地文件的離線方案不同，UniverAgent 直接運行在Univer 在線表格引擎之上。

1. Python + JavaScript 混合雙打

在處理復雜任務時，單一語言往往力不從心。UniverAgent 創造性地采用了混合執行模式：

●Python (pandas/numpy)：負責“重”邏輯。例如多表合并、透視分析、復雜統計。Python 在數據處理上的生態優勢在這里得到了最大化釋放。

●JavaScript (Univer SDK)：負責“細”操作。例如設置條件格式、調整列寬、插入圖表、精確寫入單元格。這些是 DOM 無關的 Headless 環境，保證了渲染的一致性。

示例場景：

下面我們用一個簡單例子展示混合執行模式的優勢：

任務：從某個銷售明細區域中，按類別匯總銷售額，并把結果寫回到當前表格的指定區域。

importpandasaspd
# 1. 通過工具獲取數據
range_data=get_range_data("A1:C100")# 假設列為: Category, Item, Amount
df=range_data.to_dataframe()
# 2. Python 側進行數據分析
totals=df.groupby("Category")["Amount"].sum()
categories=list(totals.index)
values=list(totals.values)
# 3. JavaScript 側寫入結果
js_code=f"""
() => {{
const workbook = univerAPI.getActiveWorkbook();
const sheet = workbook.getActiveSheet();
const categories = {categories!r};
const values = {values!r};
// 從第 0 行第 5 列開始寫入結果（也就是 F1 開始）
for (let i = 0; i < categories.length; i++) {{
const row = i; // 0-based 行號
const colCategory = 5;
const colAmount = 6;
sheet.getRange(row, colCategory).setValue(String(categories[i]));
sheet.getRange(row, colAmount).setValue(Number(values[i]));
// 金額列設置為貨幣格式
sheet.getRange(row, colAmount).setNumberFormat("$#,##0.00");
}}
return {{
success: true,
writtenRows: categories.length
}};
}}
"""
result=eval_js(js_code)
print(result)# => {'success': True, 'writtenRows': N}

這種分工使得 UniverAgent 既擁有數據分析的深度，又具備原生表格操作的精度。

2. 在線協作的天然優勢

基于在線架構，UniverAgent 的每一次操作都是對“活”的表格進行的。這意味著：

●狀態自然保持：無需反復讀寫文件，中間狀態實時駐留在內存中。

●所見即所得：Agent 的操作可以實時同步給人類用戶，便于人機協作與監督。

●版本控制：利用在線表格的版本回滾能力，Agent 的誤操作可以被輕松撤銷，大大降低了實驗成本。

六、結語：邁向自主電子表格工程

SpreadsheetBench 的 68.86% 只是一個數字，它背后反映的是電子表格自動化從“玩具”走向“工具”的技術跨越。

UniverAgent 的實踐證明，通過極致的上下文工程、穩健的 CodeAct 循環以及原生在線的混合架構，AI 完全有能力勝任復雜的電子表格工作。我們不再是在生成一段輔助腳本，而是在構建一個能夠理解業務、精準執行、自我糾錯的電子表格工程師。

未來，隨著模型能力的提升和工具鏈的完善，我們期待看到更多企業級場景下的自動化落地，讓數據處理真正回歸價值本身。

特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.