InfiniSynapse实操指南：基于MCP与Agent技术，用自然语言完成Excel数据分析与图表生成

据说某个Excel学习社区的用户超过了500万，看来大家为了掌握Excel的各种函数和操作，投入的精力可真不少。但换个角度想，未来我们真的还需要去死记硬背这些“技能”吗？至少手动操作这部分，完全可以交给更智能的方式。

为此，我们基于MCP（Model Context Protocol）/Skills之后的新一代Agent技术，开发了一个名为 agent_excel 的命令工具。通过它，AI可以直接理解你的自然语言指令，并自由操作Excel文件，完成从数据处理到图表生成的全套工作。

下面，我们通过一个完整的案例，来看看具体怎么实现。

第一步：准备数据与登录平台

首先，访问 app.infinisynapse.cn 并登录。为了进行这个演示，我随意准备了一份销售数据表格 sales_data.xlsx，内容大致如下：

这个表格包含日期、产品类型、利润、区域、销售额和销售数量等字段。

第二步：上传数据至平台

在平台的“智能问答”主界面，点击“上传文件”按钮，将准备好的Excel文件上传。

上传成功后，所有用户上传的数据都会统一归集到名为 manual_datas 的数据集中，方便后续调用。

第三步：安装Excel操作工具

光有数据还不够，我们还需要能让AI操作Excel的“手”。进入“工具市场”，找到并安装名为 agent_excel 的工具。

这个工具的简介写着：“With this tool, the infinisynapse can edit excel according user's requirement”。安装后，AI就具备了编辑Excel的能力。

第四步：提出分析需求，让AI自动执行

工具就绪后，回到主界面，我们可以直接用自然语言描述分析任务。例如，输入：“对Laptop和Phone的销售额、利润、销量进行比对，然后把结果保存成一个新的excel文件”。

提交后，InfiniSynapse（平台的核心AIGC智能体）会开始自主思考和工作流程：

1. 理解任务：识别出需要对比“Laptop”和“Phone”两类产品。
2. 查找数据：自动在 manual_datas 数据源中搜索包含相关字段的表格。
3. 执行分析：编写并执行SQL查询，完成数据聚合与计算。
4. 输出结果：将对比结果保存为一个新的Excel文件。

任务完成后，我们可以在文件列表中看到新生成的 laptop_phone_comparison_report.xlsx，打开即可查看详细的对比数据。

报告里已经按“总体对比”、“核心地区对比”、“核心日期对比”等维度，清晰列出了销售额、利润、销量、平均单价和利润率。

第五步：进阶需求：添加图表与美化

有了数据对比表，我们通常还需要更直观的图表。这时，只需继续用自然语言提出新要求即可。例如，输入：“现在按地区做比对，然后利用外部工具在刚才新生成的文件里，添加一个sheet，用图表展示地区比对”。

这里特意提到了“外部工具”或“agent_excel”，是为了提示InfiniSynapse使用我们已安装的那个工具。从它接下来的思考流程中可以看到，它完全理解了这个意图：

AI会先执行SQL查询，得到按地区汇总的数据，然后自动调用 agent_excel 工具对文件进行编辑。

任务执行完毕后，再次点击那个Excel文件，会发现它多了一个名为“地区比对图表”的Sheet。

切换到该Sheet，由于当前在线预览功能暂不支持渲染Excel内嵌图表，我们看到的是原始数据。但这没关系，将文件下载到本地，用WPS或MS Excel打开，就能看到自动生成的柱状图了。

图表清晰地展示了不同地区、不同产品的销售额和利润对比。

第六步：进一步细节优化

如果你对图表样式有更进一步的要求，同样可以持续用语言指令来调整。例如，输入：“在sheet地区比对图表中，第一行添加一个醒目的标题”。

任务完成后，在线预览就能看到标题已经添加成功。

下载文件后用办公软件打开，一个带有清晰标题、数据表和对比图表的完整分析报告就呈现在眼前了。

总结

通过以上完整的流程演示，我们可以看到，基于 InfiniSynapse 和 agent_excel 这类工具，传统上需要复杂手动操作的Excel数据分析与报表生成工作，已经能够被彻底革新。

你不再需要记忆繁琐的公式、录制宏或手动调整图表格式。整个过程变得非常直观：

1. 用自然语言说出你的分析目标。
2. AI智能体自动完成数据查询、计算和文件操作。
3. 持续用语言指令对结果进行迭代和美化。

无论是改变字体颜色、合并单元格，还是进行更复杂的数据透视与图表设计，都可以通过对话来完成。这不仅仅是简单的自动化，而是将数据分析变成了一个与智能助手协同创作的过程。对于希望提升数据工作效率的开发者或分析师来说，这无疑代表了一个值得尝试的新方向。如果你想了解更多关于AIGC智能体和数据分析的实践，欢迎到 云栈社区 的相关板块交流探讨。