بازسازی فایل ۷۸ هزار فرمولی اکسل با پایتون و عامل هوش مصنوعی

یک کاربر با کمک مدل Claude Opus 5.5 در طرح Claude Team، یکی از پیچیده‌ترین کتاب‌های کار (Workbook) اکسل خود را به پایتون منتقل کرده است. این فایل ۷۸,۷۶۶ فرمول (Formula)، ۱۸۹ نام محدوده (Named Range) و ۲۰ برگه (Sheet) دارد و شامل ۲۱ ماه داده تحلیلی ساختگی برای یک کانال یوتیوب فناوری خیالی به نام Signal Path Tech است. به گفته او، بازسازی با پایتون نه‌تنها محاسبات را تطبیق داده، بلکه دو باگ را هم آشکار کرده که اکسل مدت‌ها آن‌ها را نادیده گرفته بود.

از ۷۸,۷۶۶ فرمول تا ۴۶۹ قطعه منطق

نخستین اقدام عامل هوش مصنوعی (AI Agent) این بود که به‌جای انتقال مستقیم فرمول‌ها، یک اسکریپت کوچک بنویسد تا همه فرمول‌ها را نسبت به سلول خودشان بازنویسی کند. نتیجه این کار، ۷۸,۷۶۶ فرمول را به ۴۶۹ قطعه منطق متمایز کاهش داد. برگه Video_Daily به‌تنهایی ۳۹,۸۷۶ فرمول داشت، اما فقط چهار فرمول متفاوت در آن وجود داشت. تابع INDEX در ۴۳,۴۰۰ فرمول ظاهر شده بود که بیشتر برای جست‌وجویی استفاده می‌شد که کتابخانه pandas آن را در یک خط انجام می‌دهد.

پس از آن، داده‌های خام یک‌بار به ۱۲ فایل CSV و همه فرض‌ها به یک فایل پیکربندی (Config) خوانا منتقل شدند. هر ورودی بر اساس نام محدوده یا سرستون (Header) پیدا می‌شد، نه آدرس سلول. هر برگه محاسباتی به یک ماژول کوچک تبدیل شد و حلقه پیش‌بینی (Forecast) و سود و زیان (P&L) به دو فراخوانی تابع با ترتیب درست رسید. کاربر توصیه می‌کند برای مهاجرت مشابه، ابتدا فرمول‌های یکتا شمرده شوند، داده خام یک‌بار استخراج شود و فایل قدیمی به‌عنوان کلید پاسخ (Answer Key) نگه داشته شود.

تست سلول‌به‌سلول در برابر اکسل

مجموعه تست پایتون فایل اصلی اکسل را باز می‌کند، هر مقدار محاسبه‌شده توسط خود اکسل را می‌خواند و آن را سلول‌به‌سلول با پاسخ پایتون تا دقت یک بخش در یک میلیارد مقایسه می‌کند. در اجرای نخست، تست شکست خورد؛ دو فاکتور اسپانسر تاریخ سررسید یک روز زودتر داشتند، یکی هم‌زمان با Veterans Day و دیگری با Martin Luther King Jr. Day. مرحله استخراج Claude محل شروع فهرست تعطیلات را اشتباه خوانده بود و پایتون فقط یک تعطیلات فدرال را در کل سال می‌شناخت. تست ردیف‌های دقیق را نشان داد، Claude یک خط را تغییر داد و اجرای بعدی تطبیق ۶۳,۳۰۹ سلول محاسباتی در ۱۵ برگه را تأیید کرد.

در مجموع ۲۷ تست، شامل تست‌های کوچک‌تر برای تثبیت باگ‌ها و محاسبات مالیات، اجرا شد. کل بازسازی از لحظه صدور دستور تا بسته تست‌شده ۱۴ دقیقه طول کشید؛ زمانی کمتر از آنچه کاربر زمانی صرف یافتن یک خطای #REF! کرده بود. مقایسه کلی نشان می‌دهد اکسل برای بازمحاسبه (Recalculation) ۳.۴ ثانیه و پایتون ۰.۶ ثانیه زمان می‌گیرد؛ اکسل یک برگه Audit با ۱۵ بررسی دارد، در حالی که پایتون ۲۷ تست و ۶۳,۳۰۹ سلول را پوشش می‌دهد و هنگام بارگذاری دو باگ را علامت زده است.

دو باگ که اکسل نادیده گرفت

یکی از هزینه‌ها، فاکتور ۱,۸۰۰ دلاری حسابدار کانال، به‌صورت متن «1,800.00» وارد شده بود. همه توابع SUMIFS آن را نادیده می‌گرفتند و هزینه‌های ژوئن ۲۰۲۶ دقیقاً ۱,۸۰۰ دلار کمتر نشان داده می‌شد؛ این خطا به سود، پیش‌بینی و برآورد مالیات هم سرایت کرده بود. پایتون آن را هنگام بارگذاری تجزیه کرد و خط FIXED را چاپ کرد. مورد دیگر، معامله‌ای با اسپانسر بود که به ویدیوی SPT-O122 اشاره می‌کرد، با حرف O بزرگ به‌جای صفر؛ همین موضوع پاداش بازدید آن را بی‌صدا صفر کرده بود. پایتون حدس نزد و پرسید: آیا منظور SPT-0122 بوده است؟

برگه Audit هر دو مشکل را می‌دید، اما هیچ‌چیز جلوی جریان اعداد را نمی‌گرفت. به گفته کاربر، اکسل هنوز برای تحلیل سریع و آزمون فرض‌های آنی مفید است و سلول‌های Python in Excel با =PY() برای تحلیل‌های موردی کاربرد دارند؛ با این حال، این سلول‌ها منطق را روی یک شبکه پخش می‌کنند و مجموعه تستی برای نظارت بر آن وجود ندارد.

اکسل خروجی می‌شود، پایتون موتور

دکمه کشویی زردی که پیش‌تر داشبورد را کنترل می‌کرد، اکنون جای خود را به فرمان python3 -m signalpath run --month «Dec 2025» داده است. همین یک فرمان، گزارش، نمودارها و یک فایل اکسل ساده از نتایج را در ۲.۶ ثانیه می‌سازد. کاربر نتیجه می‌گیرد کسی همیشه به صفحه‌گسترده نیاز دارد و این اشکالی ندارد: اکنون اکسل خروجی است و پایتون موتور. او می‌گوید اگر کتاب کار شما برگه Audit دارد که یاد گرفته‌اید نادیده‌اش بگیرید، همین روش را برای بازسازی به کار ببرید؛ چون دیگر به عقب برنمی‌گردد.