清洗表格先别动原件：建立一份可回退的变更账本

“把这张表清理干净”可能包含完全不同的动作：统一日期格式、拆分字段、删除重复项，甚至修正金额。若不先界定范围，AI 很容易把看起来异常的数据改成看起来合理的值。先复制原表，再建立处理规则与变更记录，才能判断结果是否可信。

把字段类型写成约定

姓名、编号、金额和日期不能采用同一套转换方式。编号中的前导零可能有意义，金额中的空白不一定代表零，日期可能存在地区格式歧义。先给每列写出允许的类型与空值含义，再决定清洗动作。遇到不能解释的值，先标记异常，而不是直接填入最常见的格式。

两行所有可见字段相同，也未必代表同一笔业务；相反，同一个对象也可能因空格或别名出现多次。先确定唯一标识或匹配规则，并说明哪些字段必须同时一致。缺少可靠标识时，可以输出疑似重复组让人确认，不能把删除权交给模糊的相似判断。

挑选正常行、空值行、边界日期和含特殊字符的行作为样本。假设要去除空格，先确认空格是否用于分隔姓名或代码；假设要统一大小写，先确认字段是否区分大小写。样本通过之后再批量应用，避免一个看似简单的替换影响整张表的含义。

可以在工作表中保留原始行号、原值、新值和处理规则。这样发现问题时能够回退，也方便解释某条记录为什么被改变。删除记录应有单独清单，而不是无痕消失。对于模型提出但不能确认的修正，保持原值，另设建议列，不混入正式数据。

核对处理前后的行数、唯一标识数量、关键金额合计和空值数量。若规则本来不应改变总额，却出现差异，就暂停交付并追查。合计一致也不能证明所有细节正确，还需检查字段错位与数据类型。公式和显示格式要分别看，避免表面数字相同、底层内容却已经变化。

说明应用了哪些规则、留下哪些待确认项，以及原始数据存放位置。清洗只能改善已知范围内的结构和一致性，不能自动证明业务事实正确。涉及隐私或商业数据时，应优先在获准的环境中处理，提供给外部工具的样本也要控制字段范围。