这周没有继续在 ERPNext 里往后推，原因是手头攒了一批客户资料要整理。以前遇到这种活，我的第一反应就是打开 Excel 一列一列看，看到哪天晚上眼睛花了，再开始手工补。这次我试了试让 AI 先做第一轮清洗，说实话，结果比我想象中靠谱，但也没有网上说的那么“丢进去就全好了”。
原始表格比我想象的还要乱
拿到的是一张从旧系统里导出的客户表，看起来有几千行，其实问题主要集中在三处：同一家客户有时候叫全名，有时候叫简称；手机号有的带区号，有的中间漏了一位；地址里混着旧店名和已经停用的门店。最麻烦的是备注列里还藏着不少备注式的电话，如果不处理，后面导入 ERP 时肯定要对不上人。
我没有让 AI 一次处理整张表，而是先抽了二十行做样本。这一步很重要，因为我自己都不知道这张表到底有哪些写法，直接让 AI 按我的想法去“清洗”，很容易把规则定错。
真正有用的做法是给 AI 写检查清单
试了几轮以后，我发现最有效的不是“帮我整理一下”，而是把我要的规则拆成几条很具体的指令。比如：客户名称保留简称还是全名、哪种格式算完整手机号、找不到对应门店时是留空还是标出来。我把这些写成一个简单的检查清单，让 AI 对每一行说明它改了什么、为什么改。
这样做的好处是，看起来多花了一点时间，但后面核对快很多。以前整理表格最怕的是软件替我把格式统一了，数据却悄悄变了；现在每一条改动都有原因，我只需要抽查，不用把整张表重新看一遍。
AI 会偷懒，也会把话说得很肯定
过程中也踩了几个坑。第一，AI 对“看起来像手机号”的内容很容易顺手补零，但这种补法不一定对，号码少一位时最稳妥的做法是标出来，而不是猜。第二，它会把备注里很像地址的文字也整理进地址列，导致一列里出现两段内容。第三，样本只有二十行时它表现很好，换到全量数据后就出现了一些新格式，所以清洗完必须再做一次异常检查。
我现在的流程是：先抽样本定规则，再让 AI 做全量清洗，最后按手机号位数、必填列是否有空、名称是否重复这三个维度抽查。这样既能借 AI 省掉大部分重复劳动，又不会把决定权完全交给它。
今天的小结
这次最大的收获是，AI 办公工具真正能省时间的地方，不是替我做决定，而是帮我把“重复检查”和“按规则改写”这两件事做掉。数据能不能用，最后还是取决于我有没有把规则讲清楚，以及敢不敢在导入前多抽查一次。
明天准备拿这份清洗后的客户表去建 ERP 导入模板，正好看看 Odoo 和 ERPNext 对导入格式的要求差多少。