在日常办公中，数据处理与分析是工作中的重要环节。然而，面对 PDF 表格提取、Excel 公式编写、图表自动生成等复杂任务时，传统方法往往耗时费力。如今，借助 AI 技术，我们可以轻松实现办公自动化，大幅提升工作效率。

本文将演示如何通过 DeepSeek 完成 PDF 数据抓取、Excel 公式生成、VBA 图表制作以及 HTML 交互页面设计，让数据处理变得更智能、更高效。

1.PDF信息抓取转表格

如下是2021年年度票房TOP20影片数据，包含排名、上映日期、影片名称、总票房（亿），使用常规的方法无法直接提取PDF表格数据。

好在有了AI，可以很方便地帮我们提取和整理数据，打开DeepSeek，输入下面的提示词。

提取附件中的数据，数据字段包含排名、上映日期、影片名称、总票房（亿），提取后的数据保存为Excel格式。

新建一个Excel工作簿，将提取后的Excel数据复制粘贴到Excel表格中，如下所示。

2.excel公式生成

Excel公式处理数据是每一个数据分析人员必备的技能，有了AI的助力，可以很方便的生成Excel公式，以数据分类为例，对于票房数据进行打标，输入下面的提示词。

Tips：在提示词生成时，将Excel的具体数据范围告诉AI，这样AI生成的公式我们可以直接通过下拉填充运行，不必再修改Excel公式里的数据范围。

我的Excel数据范围是A1:D21，请你从E2单元格开始写Excel公式，实现下面的数据分类规则，当D2的票房数据大于D列票房数据的平均值时，赋值为“中高票房”，当D2的票房数据小于D列票房数据的平均值时，赋值为“中低票房”，请写出Excel公式，让我能够从第二行开始用鼠标拖动单元格，对所有的票房数据进行分类。

将生成的Excel公式直接复制粘贴到Excel表格中，下拉填充。

3.excel生成图表

Excel自动化生成图表，这里可以使用VBA自动生成，首先打开开发者工具，在文件、选项、自定义功能区中开发工具前的对勾，点击确定。

在菜单栏中可以看到开发工具选项，在开发工具打开Visual Basic，这个就是VBA编辑器。

在Sheet1 右键点击，选插入，然后插入模块。

打开deepseek，输入下面的提示词，根据票房分类字段做一个饼图。

请根据票房分类字段E列画一个饼图，给我展示各个分类字段所占的比例，并且把百分比展示在扇形上，新建一个sheet表用于保存生成的图表，请输出VBA代码。

点击复制按钮，将生成的VBA代码复制粘贴到模块中，点击运行按钮。

如表格所示，新建了一个sheet表，并生成了带数据标签的饼图。

4.excel生成html图表

HTML语言也是承载数据的一种方式，比如，我们可以将这里的电影票房数据保存为为HTML的格式，用于数据保存和分享，输入下面的提示词。

请将上面的电影票房数据转换为一个美观的HTML页面，要求具有电影院的视觉风格（如深色背景、霓虹灯效果、胶片元素等），并包含以下内容：

\1. 标题：使用电影海报风格的字体。

\2. 数据表格：以影院售票厅的样式呈现，使用深色背景 + 高对比度文字，表头用金色或霓虹色突出显示。

\3. 视觉元素：添加电影胶片（Film Strip）边框或分隔线，使用放映机或爆米花等图标作为装饰，背景用渐变黑色或电影幕布纹理。

\4. 交互效果：鼠标悬停时，表格行高亮显示（如霓虹蓝光）。

\5. 响应式设计：适配手机和电脑屏幕。

最终生成一个完整的HTML文件，可以直接在浏览器中打开，并带有电影院的沉浸感。

生成HTML代码后，新建一个记事本，将代码复制粘贴进来。

然后另存为文件后缀为.html的文件，点击保存。

双击HTML文件，打开后的的效果图如下所示，将数据展示成了一个富有电影质感的数据表，不仅方便数据展示，还便于数据分享。

通过 DeepSeek，我们不仅能够快速提取 PDF 中的表格数据并转化为结构化的 Excel 文件，还能自动化生成分类公式、动态图表和交互式 HTML 页面。这一系列操作不仅节省了人工处理的时间，还降低了技术门槛，让非专业人士也能轻松驾驭数据分析任务。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】