1
立项原因：玩具外贸平台每天会收到大量工厂发来的 Excel 报价表。格式几乎没有统一的：多级合并表头、一行写两款货、毛重和净重写在同一格（12/24、毛12.5净9.8）、整表嵌着几十张产品图、新旧 .xls/.xlsx 混在一起，有的单个文件就超过 100MB。这些表以前只能靠运营逐条录进系统，又慢又容易出错。传统的模板解析每遇到一个厂家就要写一套规则，根本维护不过来。
业务背景：项目服务于汕头澄海玩具产业带的 B2B 采购平台。目标是把任意格式的厂家报价表批量转成统一的产品记录，包括货号、品名、价格、包装、装箱量、外箱尺寸、毛重和净重、产品图片等，直接用于平台上架和报价。项目同时作为内部服务接入外贸 AI 助手，业务员上传一张表，就能把里面的产品拿去做选品和报价。
1. 多格式读取：支持 .xlsx/.xlsm/.xls，能处理合并单元格、多级表头、卡片式排版，并按位置自动抽出嵌入的产品图片，和对应的产品关联起来。
2. 智能适配：AI Agent 先读表格结构，再生成一份「提取配方」，写明每列对应哪个字段、用什么正则拆分组合字段。
3. 固定执行器取数：所有数据都由执行器按配方逐行取出，模型不直接产出数据，所以不会出现幻觉数据。
4. 质量体检：检查字段填充率、数值合理性、重复行等，不合格就打回 Agent 重新适配。
5. 配方库复用：同一厂家的表再来一次时直接复用已有配方，不再调用模型，秒级出结果、零成本；复用前会逐列比对表头，防止列错位后把数据静默写进错误字段。
6. 演示站：拖入表格，勾选工作表，实时看提取过程，按货品、表格、配方、体检、对话轨迹、填充率多个视图查看结果，并展示 token 花费，结果可以导出为 JSON。
7. 内网 API：提供令牌鉴权、按租户隔离的任务接口和 Swagger 文档，供 AI 助手调用。
8. 命令行批量处理：一个命令提取整个目录，并输出质量报告。
我独立完成了整个项目，包括架构设计、Excel 解析层、Agent 设计、执行器、Web 演示站、对外 API 和 Docker 部署。
技术栈：Python 3.13 + LangGraph + FastAPI + openpyxl/xlrd，大模型用 DeepSeek（OpenAI 兼容协议）。
架构：读取层把各种格式统一成一个 Grid 中间表示；LangGraph 主图按工作表并发扇出，每张表由一个「Agent ↔ 只读工具」循环子图生成配方，最后由固定执行器统一产出数据。
亮点与难点：
1. 「配方是数据，不是代码」：模型只输出 JSON 配方，唯一带执行语义的正则也会在校验阶段被限制在线性时间子集内，防止正则拒绝服务（ReDoS）攻击，所以不需要沙箱；这条约束有红线测试守着。
2. 不信任 Agent 自称「已提交」：finalize 从消息历史里找出最后一次体检通过的配方，重新校验并全量重跑。
3. 大文件：不用 openpyxl 的高层对象，直接解析 OPC zip 里的 XML 拿合并单元格和图片锚点，110MB、92 张图的表也能流式读取。
4. 配方复用：分层试跑候选配方，再做表头比对；表头对不齐时，用一次单轮、不带工具的小模型调用来判断语义，挡住「体检全绿但每列都错位」的静默错误。
评论