别等脏数据进来才后悔：一份AI校验规则清单，附历史数据回测法

数据录入校验的关键不是写几条规则，而是先用历史脏数据回测覆盖率。本文给出一套可复制的清单：让AI生成Excel数据验证规则与提示文案，按场景分组取用，并讲清规则写在哪、错了怎么回退、覆盖不到的那部分数据该怎么办。

李敏是家做工业耗材的公司的销售内勤，每个月最后三天她都在干同一件事：把大区报上来的销量表往系统里录，录完再被财务退回来三次。十一月中旬那个周五，财务把表甩回来，附了一句“客户编码有7个查无此人，回款日期有4行是空的，还有3行金额是负数但没写退货”。她对着两千多行数据一行行核对，找到下午四点半，发现有个业务员把客户编码里的字母O全打成了数字0——从录入那天起就错了，一路错到汇总。

她问过我一句话：能不能让AI提前把这些错拦下来，别等录完了再查？

能，但顺序很关键。多数人想的是“我写一堆规则，让AI帮我补全”。正确的做法反过来：先把过去半年的脏数据捞出来，让AI看看到底错在哪几类，再生成规则，最后拿这批脏数据回头测一遍——测不过的规则，等于没写。这篇的增量就在这里：规则不是拍脑袋写的，是被历史数据“考”出来的。看完你能自己跑一遍完整的回测，也能判断哪些错误AI的规则根本拦不住，得换别的办法。

为什么校验规则一定要做成清单，而不能靠当场想

先说清楚一件事。Excel里那个给单元格加限制的功能，官方叫“数据验证”，老版本里叫“数据有效性”，很多人平时用它做个下拉框选部门，其实它的完整能力比下拉框大得多，能限制数字范围、文本长度、日期区间，还能自定义公式。这个功能本身不复杂，复杂的是“该限制哪些字段、限到什么程度”，这靠当场想是想不出来的。

我见过两种典型的失败。一种是财务在月底临时加几条规则，加完发现新录入的员工工号全被拦了，因为规则没考虑到新批次工号的位数变了。另一种更常见：规则全加了，但还是有脏数据进来，因为规则只覆盖了看得见的那几列，漏掉的那几列谁也没觉得会出错。

清单化的意义在于把“想到哪写到哪”变成“有据可查、可回测、可迭代”。校验规则是一种会过期的资产——客户编码规则变了、组织架构调了、业务新增了字段，昨天的规则今天就可能误伤。没有一份清单和一份回测记录，你根本不知道自己半年前加的规则现在还在不在正常工作。

还有一个现实约束：不同量级的数据，做法完全不同。每天录20条的门店报数表，你在Excel里手动设几条数据验证就够；每天录2000条的订单导入表，光靠Excel拦不住，得考虑让AI生成一段校验逻辑，在导入前统一跑一遍。这个分岔，后面会具体讲。

清单主体：四类校验，各配一条能直接用的提示词

把校验规则分四类，是因为它们出错的方式不一样、修复成本也不一样。

类别	管什么	典型错误	拦不住的情况
格式类	编码、电话、身份证、日期写法	客户编码少一位、手机号多打空格	编码位数对但归属错了
范围类	金额、数量、百分比的正负和区间	金额输成负数、折扣填了120%	数值合法但业务上不合理
逻辑类	字段之间的对应关系	日期早于合同签订日、退货单没关联原单	规则本身写错了
完整类	必填项、空白单元格	回款日期空着、客户名漏填	空白是有意义的（如待定）

格式类，我用得最多的一条提示词：

我在Excel里做数据录入校验，字段是【客户编码】，现有样本20条如下：【粘贴20条真实编码，含3-5条错的】。请归纳它的格式规则（位数、字符类型、是否有固定前缀或校验位），写成一句Excel自定义数据验证可用的英文函数，并给一条给录入人员看的报错提示，字数控制在20字内，要说明“错在哪、怎么改”。

为什么要求给20条含错样本？只给一条规则文字，AI会写得通顺但不准；给真实样本，它能自己数出几位、有没有前缀。这一步实测下来差别很大——同样问“客户编码格式”，不给样本时AI给的是“6到10位字母数字”，给了样本后它准确指出“必须是两位字母+8位数字，第3位不能是0”。

范围类：

我有一张费用报销表，字段包括【报销金额】【费用类型】【发生日期】。请为我生成一组Excel数据验证设置建议，用表格列出：字段、验证条件类型（整数/小数/日期/序列）、具体参数、输入时的提示文字、出错时的警告文字。约束：【报销金额】必须大于0且不超过50000，超过50000的走专项审批；【发生日期】不能晚于今天。警告文字要告诉填表人去哪里改，不要说“输入无效”。

逻辑类最容易翻车，因为跨字段的校验，Excel自带的普通数据验证只能做一部分，真正管用的是“自定义”里写公式。给AI的提示词要点明这一点：

在Excel数据验证里用“自定义”公式校验两个字段的关系：【退货日期】必须大于等于【原订单日期】，且【退货金额】不能超过【原订单金额】。假设原订单日期在C列、退货日期在D列、原订单金额在E列、退货金额在F列，从第2行开始。请写出可以填进自定义验证框的公式，说明我该选中哪个区域再设置，并告诉我：如果这两列在不同工作表里，公式要怎么改。

完整类看着简单，坑在“空白到底算不算错”。采购的询价单里“到货日期”空着往往是正常的（还没确定），但“供应商名称”空着就不正常。所以完整类规则必须先让AI帮你分类：

这是我采购询价表的所有字段：【列出字段名】。请判断哪些字段属于“录入时就必须有值”，哪些属于“可以留空但后续要补”，并说明判断依据。对必须有的字段，给出一句录入提示；对可以留空的，给一个Excel条件格式方案，让它在【某个时间点】之后把仍为空的单元格标黄。

这段提示词的价值在于逼AI做业务判断，而不是无脑把所有空都标红。无脑标红的后果，用过的都懂——满屏黄色，人就不看了。

每条规则怎么用：从设置到回退的完整操作

以Excel桌面版（Microsoft 365，2023年以后）为准。WPS的表格功能位置相近，但个别入口不同，下面会注明。

设置一条格式类规则，以客户编码为例。 选中要校验的那一列的数据区域（从第2行到你的数据末尾，别整列选，整列选会把标题也管进去）。在功能区找“数据”选项卡，点“数据验证”（WPS在“数据”下叫“数据有效性”），弹出的窗口里“允许”选“自定义”，“公式”框填入AI给的公式。比如编码是“两位字母+8位数字”，公式类似 =AND(LEN(A2)=10,ISNUMBER(--MID(A2,3,8)))，具体以你表格的实际列号为准，别照抄。切到“出错警告”页签，样式选“停止”，标题写“编码格式不对”，错误信息贴AI给的提示文案。

这里有个实际不work的地方得说清楚：自定义公式里的单元格引用，是相对于你选中区域的左上角第一个单元格写的。如果你选中的区域起点不是A2，公式里的A2就得换成你真正的起点。很多人照着网上教程抄公式，结果整列飘红或整列放行，八成是引用错位。

回退怎么办。 数据验证设置错了，选中区域重新打开窗口改就行，它不改变已有数据。但要注意：数据验证只拦“新输入”，已经录进去的错误数据它不会自动清掉。所以改完规则，得用“数据”里的“筛选”把可疑值筛出来单独处理，别以为设了规则就万事大吉。

1000条以上怎么办。 Excel的数据验证在几千行以内没问题，但如果你面对的是每天几万行的系统导入表，靠单元格级验证不现实。这时候的做法是：让AI生成一段校验逻辑（可以是Python，也可以是一段能贴进表格的公式列），在导入前跑一遍，把不通过的行单独导出来给录入人改。我一般让AI输出成“新增一列校验结果列，值是好/坏+原因”，方便筛选。这时候提示词要补一句“假设数据有3万行，请优先给向量化的写法，不要逐行循环”。

两个工具的分工。 Excel数据验证适合“拦住正在打字的人”，实时性强，但它管不了跨表核对，也做不了复杂的业务规则。Python（配合pandas）适合“批量清洗已经进来的数据”，但它需要装环境，很多岗位拿不到。中间地带是Excel的Power Query，能拼接多表做逻辑校验，学习成本比Python低，在“数据”选项卡的“获取数据”里进。我建议：录入岗位用数据验证，数据管理岗位学Power Query，IT支持到位再上Python。

回测：这一步不做，前面全白干

规则写完了，看起来挺全，不代表能用。必须拿历史脏数据回头测一遍，看覆盖率。

具体做法：从系统里导出去年一整年的原始录入数据，或者至少最近三个月。让AI帮你先归个类：

这是一份过去三个月被财务退回修改的录入数据，共【N】条，字段有【列出】。请按错误类型归类，每一类给出：错误描述、涉及字段、条数、一个真实例子（脱敏）。最后按条数从多到少排序。

拿这张错误类型表，对着你的规则清单挨个勾：哪几类规则能拦住，哪几类拦不住，哪几类会误伤正常数据。判断覆盖率的分母，就是这张表的总条数，分子是被规则成功拦截的条数。 我自己跑过一个销售内勤的案例：三个月退回记录47条，归成6类错误，规则拦住了其中4类共38条，剩下9条是“编码位数对但录成了另一个真实客户”——这类规则根本拦不住，得靠后续和CRM核对。

回测结果一般会长这样，用表格记下来：

历史错误类型	条数	现有规则能否拦截	处理方式
客户编码格式错	19	能	已设格式校验
金额为负未写退货	11	能	已设范围校验
回款日期空	6	能	已设必填提示
日期早于合同日	2	部分	补逻辑校验
录成错误客户	7	不能	后续CRM核对
其他	2	视情况	人工判断

覆盖率算出来是38/47，大约八成。剩下两成不能硬拦，得承认规则有边界。

反面案例得讲一个。 有家公司为了让“金额”绝对不出错，把范围规则设成“任何负数都拦截”。结果退货单、冲红单全被挡住，业务员只好把退货金额输成正数再在备注里写“这是退货”，数据反而更乱了。这就是范围规则没区分业务场景的典型翻车——同一张表里，正数负数的含义取决于“单据类型”这个字段，规则必须带上条件，不能一刀切。

组合使用的顺序：先拦哪条，后拦哪条

规则不是一股脑全上，顺序错了会互相打架。

我的建议顺序是：先上完整类，再上格式类，然后范围类，最后逻辑类。理由是前两类设置最简单、误伤最少，先上能把最明显的错挡在外面；逻辑类最容易误伤，要等前面的规则稳定运行一两周、业务方对提示文案有反馈之后再上。

时间成本也报一下：给一张20个字段的表配齐四类规则，用AI生成加人工调整，我实测下来两到三个小时；回测再加一个下午。值不值得？看这张表一个月退回几次。一个月退回三次以上、每次核对超过一小时，配规则两天就回本了。一个月难得退回一次的，手动核着就行，别为了规范而规范。

还要给一个“什么时候不该做”的判断。如果你这张表的字段还在频繁调整、业务规则没定下来，这时候写校验规则就是给自己找麻烦——规则天天改，比不设还烦。等字段稳定一个月再上。同理，一次性导入的历史数据、别人给你的外部分享表，也不用设验证，直接跑批量校验更省事。

清单怎么维护：规则会过期，得有人管

校验规则是一次性的活吗？不是。客户编码从10位升到12位、新增了“项目编号”字段、组织调整后部门名改了，任何一条都能让昨天的规则今天误伤全表。

维护清单要记三样东西：每条规则对应哪个字段、什么时候加的、谁负责。加一列“最近回测日期”，季度末拿过去一个季度被退回的数据再跑一遍上面的回测提示词，看覆盖率掉了没有。掉得厉害（比如原来八成现在只有五成），说明业务变了，规则该改。

WPS和Excel在这块有个差异值得注意：Excel的数据验证支持引用其他工作表的命名区域做下拉源，改一处全表生效，维护起来省心；WPS表格的部分版本在跨表引用下拉源时，需要先把目标区域定义为名称才稳定，直接选区域有时会失效，具体以你的版本为准，拿不准就先用本表区域试。这个细节文档里不常写，但真做过跨表下拉的人都会碰上。

最后，清单本身建议就放在表格旁边的一个工作表里，别存成单独的文档。设规则的人、改规则的人、回测的人，看到的得是同一份。文档一分散，三个月后就没人记得当初为什么加那条规则了。