阿里千问今天上线表格 Agent，支持通过自然语言对话直接生成和编辑 Excel 文件。系统可在 1-2 分钟内输出带公式、格式的专业表格，无需二次复制粘贴，并支持多模态输入和在线编辑。

千问表格 Agent 上线：对话直接生成 Excel，1 分钟交付成品

阿里千问今天上线"表格 Agent"功能，用户可以通过自然语言对话直接生成和编辑 Excel 文件。这不是简单的文本转表格，而是一套完整的 Agent 执行链路——从任务规划、在线检索、代码生成到文件输出，系统能在 1-2 分钟内交付带真实公式、条件格式和复杂排版的专业 Excel 文件。

这个功能已经全面开放，千问 App、网页版（qianwen.com）和 PC 端都能免费使用。

不只是生成表格，而是交付可用结果

市面上能生成表格的 AI 产品不少，但大多停留在"输出 Markdown 表格"或"生成 CSV 文本"阶段，用户拿到后还得自己复制粘贴到 Excel 里调格式、加公式。千问表格 Agent 的差异在于：它直接输出标准 Excel 文件（.xlsx），并且支持通过自然语言持续编辑。

举个例子，你可以直接说"把最新的增值税优惠政策具体项目整理成一份 Excel 清单"，千问会自动检索相关政策信息，提取关键字段，生成结构化表格。如果你觉得某列数据需要居中对齐，或者想根据销售额对人员排名，直接说一句话就能完成修改，不需要打开 Excel 手动操作。

千问表格 Agent 生成增值税优惠政策清单的界面截图

这种"生成即可用"的体验，对财务、运营、HR 等高频处理表格的岗位来说，效率提升是质变级别的。以前年底处理报销，员工提交的上百张发票要逐张核对抬头、金额、开票日期，手动录入 Excel 还总担心出错。现在只需把所有发票拖进千问，说一句"生成年度报销台账"，几分钟就能拿到结构清晰的标准化表格。

三种核心场景：检索、对话整理、多模态输入

千问表格 Agent 覆盖三类典型场景：

1. 检索信息并生成表格

这是最直接的用法。你可以让千问去查资料，然后把结果整理成表格。比如"将初中英语各句型语法结构及时态变化做成一张方便打印背诵的 Excel"，千问会自动检索语法知识点，按句型、时态、例句等字段生成表格。

这个能力的关键在于：千问不是简单地把搜索结果堆砌成表格,而是会理解你的需求场景（比如"方便打印背诵"），自动调整表格结构和排版。

2. 基于多轮对话整理

这是个很实用的功能。你可以先跟千问聊一个复杂话题——比如规划一次旅行，讨论目的地、交通方式、住宿预算、景点安排等等。聊完之后，直接说"把刚才聊的内容整理成 Excel 行程计划"，千问会自动提炼关键信息，生成包含日期、地点、交通、住宿、预算、备注等完整字段的结构化表格。

这个场景解决的是"信息散落在对话里，需要手动整理"的痛点。以前你可能需要自己回看聊天记录，一条条复制粘贴到表格里。现在千问能深度理解多轮对话的上下文，自动完成信息提取和结构化。

3. 多模态输入：图片、文件都能识别

千问表格 Agent 支持上传 PDF、Word、PPT 等不同格式文件，也支持上传照片——手绘课表、工资单、纸质报表都能精准识别内容，生成结构化表格。

对于已有的 Excel 或 CSV 文件，千问也能根据要求进行分析和编辑。比如"帮我根据销售额对销售人员排名"、"根据成交单数和转化率计算接访人数"，或者"把第三列数据全部居中对齐"。这些操作不需要你懂 Excel 函数或 VBA，直接用自然语言描述需求就行。

技术实现：Agent 执行链路 + 沙箱环境 Coding

千问表格 Agent 的技术架构值得关注。它不是简单的模板填充，而是将表格生成拆解为一条完整的 Agent 执行链路：

任务规划：系统先判断需不需要写代码、需不需要查资料、需要哪些字段
信息检索：如果判断信息不足，会自动触发在线检索补充数据
代码生成：在独立的沙箱环境中进行 coding，生成带真实公式、条件格式、复杂排版与数据逻辑的专业 Excel 文件
执行与输出：分步精准执行复杂操作，最终输出可下载的 .xlsx 文件

这套流程的核心是千问大模型的 Coding 能力。千问能实时构建工具、理解复杂的表格逻辑，并在沙箱环境中安全执行代码。这也是为什么千问能生成带公式、条件格式的专业 Excel，而不只是简单的数据填充。

从产品定位来看，千问希望 AI 从"提供答案"延伸至"直接交付可用结果"。这个思路在千问的其他功能上也有体现——比如去年 12 月上线的 Office 能力，支持生成排版后的 Word 文档和 PPT，覆盖近千所高校官方格式、120+ 公文模板、71 类近万份合同模板。今年 1 月，千问 App 又接入淘宝、支付宝、飞猪、高德等阿里生态业务,上线了点外卖、买东西、订机票等 400 多项办事功能。

对开发者的意义：API 调用与自动化场景

对开发者来说，千问表格 Agent 的价值不只是产品层面的便利，更重要的是它展示了一种新的交互范式：通过自然语言完成复杂的结构化数据操作。

虽然千问官方还没有公开表格 Agent 的独立 API，但从技术实现来看，这套能力是基于千问大模型的 Function Calling 和 Code Interpreter 能力构建的。开发者可以通过千问的 API 实现类似功能。

以 OpenAI Hub 为例，它支持调用千问等主流模型，并且兼容 OpenAI 格式。如果你想实现一个简单的"自然语言生成表格"功能，可以这样调用：

import openai
import pandas as pd
from io import StringIO

# 配置 OpenAI Hub
openai.api_base = \"https://openai-hub.com/v1\"
openai.api_key = \"your-openai-hub-key\"

def generate_excel_from_prompt(prompt):
    response = openai.ChatCompletion.create(
        model=\"qwen-max\",  # 使用千问模型
        messages=[
            {\"role\": \"system\", \"content\": \"你是一个数据分析助手,擅长根据用户需求生成结构化表格。请以 CSV 格式输出表格内容。\"},
            {\"role\": \"user\", \"content\": prompt}
        ],
        temperature=0.7
    )
    
    # 提取生成的 CSV 内容
    csv_content = response.choices[0].message.content
    
    # 转换为 DataFrame 并保存为 Excel
    df = pd.read_csv(StringIO(csv_content))
    df.to_excel(\"output.xlsx\", index=False)
    
    return \"output.xlsx\"

# 示例调用
file_path = generate_excel_from_prompt(
    \"生成一份包含 2024 年各季度销售数据的表格，包含季度、销售额、增长率三列\"
)
print(f\"表格已生成：{file_path}\")

这只是一个简化示例。千问表格 Agent 的实际实现要复杂得多——它需要处理多轮对话、多模态输入、在线检索、复杂的 Excel 格式（公式、条件格式、排版）等等。但核心思路是一致的：通过大模型理解用户意图，生成结构化数据，最终输出可用的文件。

对于需要批量处理表格的自动化场景——比如定期生成财务报表、汇总多个数据源、根据模板填充数据——这种"自然语言 → 结构化输出"的能力可以大幅简化开发流程。你不需要写复杂的数据处理逻辑，只需要描述清楚需求，让模型去完成具体操作。

与竞品对比：生态整合是关键优势

表格生成不是新功能，ChatGPT、Claude、文心一言等产品都支持生成表格。但大多数产品的实现方式是：生成 Markdown 表格或 CSV 文本，用户需要自己复制到 Excel 里调整格式。

千问的差异在于两点：

直接输出 Excel 文件：不需要二次处理，生成的文件就是带格式、带公式的专业 Excel
生态整合：千问可以调用阿里生态的数据和服务能力。比如生成电商相关表格时，可以直接调用淘宝的商品数据；生成旅行规划表格时，可以调用飞猪和高德的数据

这种生态整合能力是其他大模型产品短期内难以复制的。OpenAI、Anthropic 等公司虽然模型能力强,但缺少像阿里这样的生态资源。国内其他大模型厂商（百度、字节、腾讯等）虽然也有自己的生态，但在电商、本地生活、出行等领域的数据丰富度和服务能力上，阿里仍然有明显优势。

从产品策略来看，千问正在从"对话式 AI"向"任务式 AI"转型。1 月份上线的 400 多项办事功能（点外卖、买东西、订机票）、去年 12 月上线的 Office 能力（生成 Word、PPT）、现在的表格 Agent，都是在强化"AI 不只是聊天工具，而是能帮你完成实际任务"的定位。

这个方向是对的。用户需要的不是"能聊天的 AI"，而是"能干活的 AI"。千问表格 Agent 的价值不在于它能生成多漂亮的表格，而在于它能把"生成表格"这个任务从头到尾完成——从理解需求、检索信息、生成文件到支持编辑，形成完整闭环。

局限与改进空间

当然，千问表格 Agent 也不是完美的。从目前的产品体验来看，有几个值得关注的问题：

生成速度：官方说 1-2 分钟，实际体验中，复杂表格可能需要更长时间。这对于需要快速迭代的场景（比如会议中临时生成表格）可能不够友好
格式控制精度：虽然支持自然语言编辑，但对于一些细节格式（比如特定的单元格边框样式、复杂的条件格式规则），可能还需要手动调整
数据准确性：涉及在线检索的场景，生成的数据准确性依赖于检索质量。如果检索到的信息有误，生成的表格也会有问题
文件大小限制：目前不清楚千问表格 Agent 对生成文件的大小和复杂度有没有限制。如果需要生成包含数万行数据的大型表格，可能会遇到性能瓶颈

这些问题不是致命的，但会影响用户体验。希望千问团队能在后续版本中持续优化。

写在最后

千问表格 Agent 的上线，标志着 AI 办公工具从"辅助生成"向"端到端交付"演进。用户不再需要在多个工具之间切换（AI 生成内容 → 复制到 Excel → 调整格式 → 添加公式），而是可以在一个对话界面里完成整个流程。

这种体验上的改变，背后是技术能力的提升：大模型的 Coding 能力、多模态理解能力、超长上下文处理能力都在快速进步。千问能做到这一点，其他大模型厂商也会跟进。可以预见，未来几个月内，我们会看到更多类似的"AI 办公工具"上线。

对开发者来说，这是个值得关注的趋势。"自然语言 → 结构化输出"的能力，不只是用来生成表格，还可以应用到更多场景：生成配置文件、生成测试数据、生成 API 文档、生成数据库 Schema 等等。如果你的产品需要处理结构化数据，不妨考虑接入大模型能力，用自然语言交互替代传统的表单填写或代码编写。

OpenAI Hub 这类 API 聚合平台的价值也会越来越明显。当你需要调用多个大模型（千问、GPT、Claude、DeepSeek）来对比效果或实现不同功能时，统一的 API 格式和国内直连的网络环境能省去很多麻烦。

最后说一句：AI 工具的竞争，最终比的不是谁的模型参数更大、谁的 Benchmark 分数更高，而是谁能真正帮用户解决问题。千问表格 Agent 在这个方向上迈出了一步，但这只是开始。

参考来源

阿里千问上线表格 Agent，支持在对话中直接生成、编辑 Excel 文件 - IT之家
IT之家对千问表格 Agent 功能的详细报道，包含官方介绍和使用场景说明
千问上线表格Agent：对话直接生成、编辑Excel文件 - 品玩
品玩对千问表格 Agent 的快讯报道