做企业系统的朋友应该都有同感：最头疼的从来不是按标准模板走的流程，而是用户手里那些"野生"的Excel文件。我们项目里本来有一套很顺的方案：给用户一个固定模板的Excel，填好上传，后端用Python直接按表头key提取数据，干净利落。但现实是，客户手里早就攒了一堆三方导出的、自己手工整理的表格，字段名五花八门，排版千奇百怪。数据量小还好说，让用户对着模板重新抄一遍也能忍；要是动辄成百上千行，再让人家重新录入一遍，换谁心里都得犯嘀咕。与其逼用户适应系统，不如我们来搞定这些"不规矩"的表格——把任意格式的行业表格，自动解析成后端能用的结构化JSON。今天就把我们在Dify上磨出来的完整方案分享出来，权当抛砖引玉。
一、 方案介绍
核心思路：用SQL能力驱动CSV解析 这套方案的核心逻辑其实很朴素：不跟复杂的Excel格式死磕，而是先把表格转成CSV，再用Dify自带的Database或CSV SQL查询工具去读数据。剩下的工作流，本质上都是在给工具喂数据、给输出做格式封装。
下面一步步拆解每个节点的作用和实现细节。
1.1 Excel转CSV：多Sheet自动拆分
第一步先做格式转换，把上传的Excel文件统一转成CSV。直接用文件转换器组件就行，输入Excel文件，输出CSV文件。
这里有个容易踩的坑：如果原Excel里有多个Sheet，转换器会返回多个文件对象，一个Sheet对应一个CSV。后面所有处理逻辑都要考虑"多文件遍历"的情况，不然后面只会读到第一张表的数据。
1.2 读取全量CSV数据
转好CSV之后，用Database工具执行查询，把CSV里的全量数据读出来，输出为JSON格式。
因为上一步可能产出多个CSV文件（多Sheet），所以这里一定要做循环遍历，把每一份CSV的数据都查出来，不能只处理第一个文件。
1.3 截断数据：只给AI表头，避免上下文爆炸
读到全量数据之后，很多人会纳闷：为什么不直接扔给大模型去分析？原因很现实：如果表格有几百上千行，全量塞进上下文，不仅token消耗大，还很容易让LLM处理异常。我们真正需要AI识别的其实只有表头，数据行根本不用给它看。所以加一个代码节点，只截取JSON前2000个字符（足够覆盖表头区域），再丢给AI。顺便把全量数据也存一份，后面匹配数据还要用。import jsondef main(arg1):recruitmentlist = []if isinstance(arg1, list):for item in arg1:if isinstance(item, dict):recruitmentlist.extend(item.get("result", []))jsonstr = json.dumps(arg1,ensureascii=False,separators=(",", ":"))return {"result": jsonstr[:2000],"recruitmentlist": recruitment_list}
1.4 AI识别表头：把乱字段映射成业务字段
这一步是整个方案的灵魂——让大模型去看懂表头。很多导出的Excel表头根本不规范，比如合并单元格、空表头、Unnamed: 1这种默认字段名。人一眼能看出来"Unnamed: 2那一列其实是公司名称"，但程序认不出来，就得靠LLM来做这个映射。我们的目标很明确：让AI找出我们关心的关键字段（比如公司名称、企业名称）对应表格里的哪个字段名，同时返回全部表头的映射关系。
提示词可以这么写，一定要强制纯JSON输出，不要markdown包裹，不然后面解析容易出问题：分析数据中表格的表头内容，找出单位名称/公司名称/企业名称的表头字段和准确的表头名称。直接按以下格式输出可用的json内容，不使用markdown格式输出，不包含"`json"，不添加任何其它说明内容、提示等。{"title":"表头字段名称(string类型)，例如：'Unnamed: 12': '单位名称'中Unnamed: 12 就是表头字段名称","name":"表头名称内容(string类型)，例如：'Unnamed: 12': '单位名称'中的 单位名称 就是表头名称内容","all_table":"全部表头字段和对应的名称内容（string类型）"}举个例子，AI识别后会告诉你：表格里Unnamed: 1对应的实际含义是"区（市）县"，Unnamed: 2对应的是"公司名称"。拿到这个映射关系，后面就能精准取数了。
1.5 遍历提取全量关键字段
拿到表头映射之后，就可以回到之前存的全量数据里，把我们关心的关键字段（比如所有公司名称）全部提取出来。
和前面一样，因为可能有多个Sheet、多份CSV，这里依然要做遍历处理，确保每张表的数据都被抽到。
这样就提取到了全部对应的数据内容啦
1.6 数据分组整理：按唯一值做聚合
提取到所有关键字之后，再做一次整理：把数据按唯一值归组。比如一张招聘表里，A公司招了100个岗位，散落在100行里。我们先整理出所有不重复的公司名单，后续就可以按公司维度去匹配它名下的所有岗位数据。这一步顺便返回数据条数，方便做校验，看看提取的数量和预期对不对得上。
1.7 按唯一值匹配全量数据
这一步用代码节点实现：遍历上一步整理好的唯一值列表，去全量数据里把匹配的行全部捞出来。实际场景里往往会有脏数据：合并单元格导致的空值、名称前后有空格、同一家公司写法不一样……这些都需要根据自己的业务场景写过滤规则，做模糊匹配或清洗，保证提取的准确率。没有万能规则，这块得自己打磨。
1.8 LLM做最终格式整合
数据都捞出来之后，最后让LLM做一遍格式组装，按照后端需要的JSON结构输出最终结果。这里的提示词自由度很高，根据你们的业务字段来写就行，核心是规定好输出的JSON Schema，让AI严格按结构填充数据。
1.9 格式校验后输出
LLM输出的JSON不一定百分百合规，可能多逗号、少引号。最后加一个JSON校验工具做校正，确保输出的是标准可用的JSON，再返回给业务系统。
二、完整工作流总览
下面是整套流程的工作流示意图，每个节点和上面讲的步骤一一对应，大家搭的时候可以对照着来：
写在最后
这套方案是我们在实际项目里一点点磨出来的，算不上什么高大上的黑科技，就是用现有工具组合出了一个能打的解法。它不一定是最优解，但胜在落地快、不用额外写太多后端代码，大部分逻辑都能在Dify里跑通。适合那些"客户Excel格式不统一，但字段含义都在同一个领域内"的场景。如果你也在被类似的问题困扰，不妨照着这个思路试试。当然肯定还有很多可以优化的地方，比如表头识别的准确率、多Sheet的异常处理、脏数据的清洗规则等等。如果你有更好的想法，欢迎留言交流，咱们一起碰出更优的方案。觉得有用的话，点个关注，后面继续分享更多Dify实战技巧。#Dify#工作流#AI开发#智能体开发#AI#Dify使用技巧
