超越chatgpt和Excel方案！中国团队Univer的电子表格SOTA达到68.86%

在最近一轮的SpreadsheetBench评测中，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 在内的主流方案。

SpreadsheetBench 是当前电子表格自动化领域最具权威性的公开基准之一，微软与 OpenAI 均曾在官方文章中引用其测试数据，微软现任 CEO 萨提亚·纳德拉（Satya Nadella）也曾在社交媒体上发表其评测结果。

这是该榜单出现的第一支中国团队。与榜上多数仍依赖 Excel 环境执行任务不同，UniverAgent 基于自研的 Univer SDK，实现了全程脱离 Excel 的表格计算与推理能力，可视为一次从底层重构电子表格智能的技术跃迁。这一成绩的取得，并非单纯依赖于更强的基座模型，而是源于我们对“电子表格 Agent”这一命题的系统性重构：从“生成脚本操作文件”的辅助工具，转向“基于在线环境、具备混合执行能力的自主智能体”。

本文将从技术视角拆解 UniverAgent 在 SpreadsheetBench 上的表现，探讨它是如何在理解（Understanding）、准确性（Accuracy）和定位（Positioning）三个维度上建立优势的。

一、SpreadsheetBench：真实业务场景的试金石

许多 AI Demo 看起来很美，但在真实业务中往往“一碰就碎”。SpreadsheetBench 的价值在于它提供了一个基于真实任务的严谨参考框架。

它包含912 个来源于真实场景的任务，涵盖了从数据清洗、复杂计算到格式调整的全流程。与简单的“玩具数据集”不同，SpreadsheetBench 重点考察三个互相关联的维度：

1. UNDERSTANDING（理解能力）：能否准确理解自然语言指令中的业务意图，并正确识别相关的数据区域（而非误用无关区域）。

2. ACCURACY（结果准确性）：数值计算是否精确，公式逻辑是否正确，数据类型（如日期、货币）是否符合规范。

3. POSITIONING（定位准确性）：结果是否写入了指定的工作表和单元格，且不破坏原有的表格结构。

这三个维度彼此牵制、很难被单一技术路径同时兼顾：单纯的 Python 脚本容易算对数值（Accuracy），但很难处理复杂的格式和位置约束（Positioning）；单纯的 Excel 公式能处理位置，但难以应对复杂的逻辑推理（Understanding）。

UniverAgent 的高分，正是因为它通过系统设计，在这三个维度上取得了平衡。

二、核心差异：系统工程胜于模型参数

在 SpreadsheetBench 榜单上，我们可以看到多种技术路线。UniverAgent 的核心差异在于：我们没有把电子表格简单视为一个 CSV 文件或一个 API 对象，而是围绕其结构化、富交互、在线化的特性，设计了一整套 Agent 架构。

这套架构包含三个关键支柱：

1. 表格友好的上下文工程：通过 `SpreadsheetOverview` 和 `GetRangeData`，构建高信噪比的“地图”与“放大镜”。

2. CodeAct + Planning 执行策略：引入多轮思考循环与自适应缓存，替代脆弱的“一次性脚本”。

3. 在线混合执行架构：Python 负责重数据分析，JavaScript (Univer SDK) 负责精细表格操作，两者在在线环境中无缝协作。

三、上下文工程：构建高信噪比的“地图”与“放大镜”

电子表格任务的一大挑战是上下文（Context）爆炸。一个几千行的表格直接转为文本会瞬间耗尽 Token 预算，且丢失关键的结构信息（如合并单元格、公式引用）。

UniverAgent 设计了两层上下文抽象来解决这个问题。

1. SpreadsheetOverview：全局“地图”与信息压缩

`SpreadsheetOverview` 的作用是让 Agent 在消耗极少 Token 的前提下，看清整个工作簿的结构。它不仅仅是数据的截断展示，更包含了一系列智能压缩策略。

以一个简单的销售数据表为例，原始电子表格中的内容大致如下（只展示关键列）：

以下是一个典型的 Overview 输出示例，可以看到它如何将一张包含数据的表格“浓缩”为结构化视图：

# Spreadsheet Context
Spreadsheet Overview
- Total Sheets: 1
- Active Sheet: 'Sales'
## Sheet: 'Sales'
- Sheet Used Range: A1:D35 (35 rows × 4 columns)
- Tables Found: 2
- Formulas Found: 2
### Table 1: A1:D25
|A1,Product|B1,Category|C1,Quantity|D1,Price|
|A2,Laptop|B2,Electronics|C2,5|D2,1200.00|
...（中间行被省略）
|A25,Monitor|B25,Electronics|C25,2|D25,350.00|
### Formulas (0 formula group)
- None
### Table 2: B32:D35
|B32,Category|C32,Total Quantity|D32,Total Sales|
|B33,Electronics|C33,40|D33,48000.00|
|B34,Furniture|C34,10|D34,2000.00|
|B35,Office Supplies|C35,5|D35,1000.00|
### Formulas (2 formula groups)
- C33:C35 ← C33: =SUMIF($B$2:$B$25,B33,$C$2:$C$25)
- D33:D35 ← D33: =SUMPRODUCT(($B$2:$B$25=B33)$C$2:$C$25$D$2:$D$25)

关键技术点在于：

●结构识别：自动识别 Table 边界（如 A1:D25），而非盲目读取整张表；

●层次化视图： Spreadsheet -> Sheet -> Table / Formula, 层层递进，既展示了结构，又避免了信息过载；

●公式组聚合：如上例所示，`C33:C35` 的公式逻辑完全一致，系统将其聚合为一条描述 `C33:C35 ← C33: ...`。这种处理方式能将上百行的冗余信息压缩为一行，Token 占用减少 90% 以上。

在实测中，即便是7000 行的大型工作簿，其 Overview 上下文体积通常也能控制在0.5KB 以内。这为 Agent 提供了清晰的全局视野，显著提升了UNDERSTANDING指标。

2. GetRangeData：结构化的“放大镜”

当 Agent 需要深入处理特定区域时，`GetRangeData` 提供了结构化的局部视图。它返回的不仅仅是二维数组，而是一个包含丰富元数据的对象：

============================================================
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)
============================================================

这个 `RangeData` 对象包含三个维度的信息：

●Values：直接映射为 `pandas.DataFrame`，便于 Python 进行向量化计算。

●Formula Groups：延续聚合策略，准确描述区域内的计算逻辑。

●Styles：将样式定义（如 `bg:#FFFF00`）与引用解耦，使 Agent 能感知颜色、字体等视觉线索（这在处理“标红异常值”类任务时至关重要）。

这种分层设计，确保了 Agent 既能“看全”也能“看细”，为后续的精准操作打下基础。

四、执行策略：从“一次性脚本”到 CodeAct 循环

面对 SpreadsheetBench 中的复杂任务，试图生成一段完美的“一次性脚本”往往是徒劳的。UniverAgent 采用了CodeAct (Code as Action)架构，将执行过程拆解为多轮交互循环：

Thought（思考）→ Code（编码/工具调用）→ Observation（观察结果）

1. 动态规划与自我纠错

在每一轮循环中，Agent 都会根据 `Observation` 修正自己的认知。

● 如果发现数据格式与预期不符，它会调整清洗逻辑；

● 如果写入结果后发现位置偏移，它会读取结果区域并重新调整坐标。

这种“小步快跑、实时反馈”的机制，极大地提升了任务的ACCURACY和POSITIONING表现。

2. 自适应消息缓存（Adaptive Message Cache）

多轮交互虽然稳健，但会带来上下文过长的问题。UniverAgent 引入了自适应消息缓存机制，充分利用 LLM 的 Prompt Caching 功能。系统会根据对话轮数自动插入缓存断点，使得历史上下文（包括庞大的表格结构信息）无需重复计算。这不仅降低了推理成本，更显著提升了长链路任务的响应速度。

五、架构优势：在线环境与混合执行

UniverAgent 的另一大护城河，在于其运行环境。与基于 `openpyxl / VBA` 等依赖 Excel App 操作本地文件的离线方案不同，UniverAgent 直接运行在Univer 在线表格引擎之上。

1. Python + JavaScript 混合双打

在处理复杂任务时，单一语言往往力不从心。UniverAgent 创造性地采用了混合执行模式：

●Python (pandas/numpy)：负责“重”逻辑。例如多表合并、透视分析、复杂统计。Python 在数据处理上的生态优势在这里得到了最大化释放。

●JavaScript (Univer SDK)：负责“细”操作。例如设置条件格式、调整列宽、插入图表、精确写入单元格。这些是 DOM 无关的 Headless 环境，保证了渲染的一致性。

示例场景：

下面我们用一个简单例子展示混合执行模式的优势：

任务：从某个销售明细区域中，按类别汇总销售额，并把结果写回到当前表格的指定区域。

importpandasaspd
# 1. 通过工具获取数据
range_data=get_range_data("A1:C100")# 假设列为: Category, Item, Amount
df=range_data.to_dataframe()
# 2. Python 侧进行数据分析
totals=df.groupby("Category")["Amount"].sum()
categories=list(totals.index)
values=list(totals.values)
# 3. JavaScript 侧写入结果
js_code=f"""
() => {{
const workbook = univerAPI.getActiveWorkbook();
const sheet = workbook.getActiveSheet();
const categories = {categories!r};
const values = {values!r};
// 从第 0 行第 5 列开始写入结果（也就是 F1 开始）
for (let i = 0; i < categories.length; i++) {{
const row = i; // 0-based 行号
const colCategory = 5;
const colAmount = 6;
sheet.getRange(row, colCategory).setValue(String(categories[i]));
sheet.getRange(row, colAmount).setValue(Number(values[i]));
// 金额列设置为货币格式
sheet.getRange(row, colAmount).setNumberFormat("$#,##0.00");
}}
return {{
success: true,
writtenRows: categories.length
}};
}}
"""
result=eval_js(js_code)
print(result)# => {'success': True, 'writtenRows': N}

这种分工使得 UniverAgent 既拥有数据分析的深度，又具备原生表格操作的精度。

2. 在线协作的天然优势

基于在线架构，UniverAgent 的每一次操作都是对“活”的表格进行的。这意味着：

●状态自然保持：无需反复读写文件，中间状态实时驻留在内存中。

●所见即所得：Agent 的操作可以实时同步给人类用户，便于人机协作与监督。

●版本控制：利用在线表格的版本回滚能力，Agent 的误操作可以被轻松撤销，大大降低了实验成本。

六、结语：迈向自主电子表格工程

SpreadsheetBench 的 68.86% 只是一个数字，它背后反映的是电子表格自动化从“玩具”走向“工具”的技术跨越。

UniverAgent 的实践证明，通过极致的上下文工程、稳健的 CodeAct 循环以及原生在线的混合架构，AI 完全有能力胜任复杂的电子表格工作。我们不再是在生成一段辅助脚本，而是在构建一个能够理解业务、精准执行、自我纠错的电子表格工程师。

未来，随着模型能力的提升和工具链的完善，我们期待看到更多企业级场景下的自动化落地，让数据处理真正回归价值本身。