负责记账、报销审核、对账和报表的财务人员，日常工作里月底对账、报表整理、费用分析和解释财务制度很费时间，表格操作多且容易出错。很多重复性的整理工作，用一个几十行的脚本就能一键完成，而 AI 让不会编程的人也能写出这样的脚本。这篇文章用一个完整的例子演示财务如何借助 AI 写 Python 自动化脚本：描述输入文件、处理规则和期望输出，让 AI 写带注释的脚本和运行说明，先在副本上测试。

典型场景

财务每周都要做一件重复的事：把多个“费用报销”表格合并，按费用类别汇总，再另存为一份新表格。手工复制粘贴半小时，还容易漏行。现实中，财务还得兼顾“审核报销单约 120 张”等日常事务，所以更需要一套拿来就能用的方法。

推荐工具

可以用 ChatGPT、Claude、DeepSeek、Kimi 等对话助手写脚本；如果安装了 VS Code，可以配合 GitHub Copilot、通义灵码等编程助手边写边改。

一个虚构的例子

先看一个虚构但很典型的例子。晓雯是一位负责记账、报销审核、对账和报表的财务人员，这周手头的事情包括“审核报销单约 120 张”和“配合年度预算编制”，偏偏这时又需要写 Python 自动化脚本。晓雯没有从空白页开始，而是先花几分钟把相关材料整理好，按下面的提示词交给 AI，拿到初稿后对照原始资料逐条核对，再补上自己的判断。整个过程中，晓雯特别留意不把银行账户、工资明细、发票信息和公司财务数据放进对话里。

具体怎么做

  1. 说明输入：文件格式、位置、列名
  2. 说明处理规则：合并、筛选、汇总、改名等
  3. 让 AI 写带中文注释的脚本和运行步骤
  4. 先复制一份数据做测试，确认结果正确再正式使用

提示词示例

提示词的关键是把背景、要求和输出格式写清楚：

【背景】当前的难点是：一笔大额应收账款逾期，需要销售部门协助催收。
我是财务，不太懂编程，请帮我写一个 Python 脚本。

输入：文件夹 data/ 中有多个 Excel 文件（.xlsx），每个文件结构相同，列为：费用类别、报销日期、报销金额、所属部门
处理：
1. 合并所有文件
2. 删除完全重复的行
3. 按“费用类别”汇总“报销金额”的合计和记录数
输出：生成“汇总结果.xlsx”，包含两个工作表：明细、汇总

要求：
- 每一步写中文注释
- 告诉我需要安装什么，怎么运行
- 如果某个文件缺少某列，打印提示并跳过该文件

效果示例（虚构演示）

示例输出如下（虚构内容，仅演示 AI 大致会给出什么样的结果）：

import glob
import pandas as pd

cols = ["费用类别", "报销日期", "报销金额", "所属部门"]
frames = []
for path in glob.glob("data/*.xlsx"):
    df = pd.read_excel(path)
    if not set(cols).issubset(df.columns):
        print(f"跳过 {path}：缺少必要的列")
        continue
    frames.append(df[cols])

detail = pd.concat(frames).drop_duplicates()        # 合并并去重
summary = detail.groupby("费用类别")["报销金额"].agg(["sum", "count"])

with pd.ExcelWriter("汇总结果.xlsx") as w:
    detail.to_excel(w, sheet_name="明细", index=False)
    summary.to_excel(w, sheet_name="汇总")
print("完成！")

运行步骤：安装 Python 后执行 pip install pandas openpyxl，在脚本所在文件夹运行 python merge.py。

如果结果不理想，不要急着换工具，先在提示词里补充财务经理的具体要求或给出一个参考样例，再生成一次。

实用技巧与常见坑

  • 第一次运行一定用数据副本，防止脚本覆盖或删除原文件。
  • 处理含银行账户、工资明细、发票信息和公司财务数据的数据时，优先在本地运行脚本，而不是上传到在线工具。
  • 脚本跑通后保存好，并写一段使用说明，方便同事复用。

给财务的特别提醒

每个公式先用几行测试数据验证结果，再应用到整表。同时要记住：税务和会计处理以现行法规和公司制度为准，AI 的解读可能过时或不准确。

一个容易被忽略的习惯：让 AI 写公式和处理步骤，而不是把含真实金额的表格整份上传。

举一反三

  • 批量生成文档：根据表格内容批量生成通知或证明（注意核对）。
  • 网页数据整理：在遵守网站规则的前提下整理公开数据。

相关阅读