spreadsheet-processor 是一个面向 AI 智能体的电子表格处理技能，主要用途是创建、编辑、分析和转换 Excel（.xlsx）文件，并在处理过程中支持公式与格式。
【主要能力】 该技能可读取、分析和写入 Excel 数据，支持多工作表操作、插入或删除行列、添加新工作表以及设置字体、填充、对齐和列宽等格式。对于复杂工作簿，它能够保留既有公式与格式，并在修改后重新计算公式值。
【输出质量要求】 所有 Excel 文件必须实现零公式错误，包括 #REF!、#DIV/0!、#VALUE!、#N/A、#NAME? 等。在更新模板时，需研究并严格匹配既有格式、风格与约定，不得对已有固定模式的文件强加标准化格式，既有模板约定始终优先于通用指南。
【财务模型规范】 除非用户或既有模板另有说明，财务模型需遵循行业标准颜色约定：蓝色文本（RGB 0,0,255）表示硬编码输入及用户可调整的场景数字；黑色文本（RGB 0,0,0）表示所有公式与计算；绿色文本（RGB 0,128,0）表示同一工作簿内跨工作表引用；红色文本（RGB 255,0,0）表示指向其他文件的外部链接；黄色背景（RGB 255,255,0）表示需要关注的关键假设或待更新单元格。
【数字格式规范】 年份格式化为文本字符串（如 "2024" 而非 "2,024"）；货币使用 $#,##0 格式，并始终在表头标明单位（如 "Revenue ($mm)"）；零值通过数字格式显示为 "-"，百分比同样适用（如 "$#,##0;($#,##0);-"）；百分比默认使用 0.0%（一位小数）；估值倍数（EV/EBITDA、P/E）格式化为 0.0x；负值使用括号（123）而非负号 -123。
【公式构建规则】 所有假设值（增长率、利润率、倍数等）应放置在独立的假设单元格中，公式中应使用单元格引用而非硬编码数值，例如使用 =B5*(1+$B$6) 而非 =B5*1.05。需验证所有单元格引用正确，检查范围是否存在差一错误，确保各预测期公式一致，并用零值、负数和极大值等边界情况测试，同时确认没有意外的循环引用。硬编码数据需在单元格中或表格末尾注释说明来源，格式为 "Source: [系统/文档], [日期], [具体引用], [URL 如适用]"，例如 "Source: Company 10-K, FY2024, Page 45, Revenue Note, [SEC EDGAR URL]"。
【使用方式】 数据分析与可视化使用 pandas：可通过 pd.read_excel('file.xlsx') 读取文件，sheet_name=None 读取所有工作表，使用 df.head()、df.info()、df.describe() 进行分析。复杂格式与公式使用 openpyxl：通过 Workbook() 新建工作簿，load_workbook() 加载既有文件，设置 Font、PatternFill、Alignment 等样式，并保存文件。
关键要求：应始终使用 Excel 公式而非在 Python 中计算后硬编码数值，以确保电子表格保持动态可更新。例如总和使用 =SUM(B2:B9)、增长率使用 =(C4-C2)/C2、平均值使用 =AVERAGE(D2:D19)。此原则适用于所有计算。
公式重算需使用 recalc.py 脚本（假设已安装 LibreOffice，脚本首次运行会自动配置）：python recalc.py output.xlsx [timeout_seconds]。脚本会重新计算所有工作表中的公式，扫描所有单元格中的 Excel 错误，并返回包含错误位置与数量的 JSON。若返回 status 为 errors_found，需查看 error_summary 中的具体错误类型和位置，修复后重新计算。
【公式验证清单】 在构建完整模型前测试 2-3 个样本引用，确认列映射正确（如第 64 列是 BL 而非 BK），注意 Excel 行从 1 开始索引（DataFrame 第 5 行对应 Excel 第 6 行）。常见陷阱包括：使用 pd.notna() 检查空值、注意最右侧列（财年数据常在 50 列以后）、搜索所有匹配项而非仅第一个、在使用除法前检查分母是否为零、验证所有引用指向预期单元格、跨表引用使用正确格式（Sheet1!A1）。
【库选择与最佳实践】 pandas 适合数据分析、批量操作和简单数据导出；openpyxl 适合复杂格式、公式和 Excel 特有功能。openpyxl 单元格索引从 1 开始，可使用 data_only=True 读取计算值，但需注意以此模式打开并保存会用数值永久替换公式。大文件可使用 read_only=True 或 write_only=True。使用 pandas 时可指定 dtype 避免类型推断问题，大文件可只读取特定列（usecols），日期列使用 parse_dates 正确解析。
【代码风格】 生成 Excel 操作的 Python 代码时应保持简洁，避免多余注释、冗长变量名、冗余操作和不必要的 print 语句。对于 Excel 文件本身，应在复杂公式或重要假设所在单元格添加注释，记录硬编码值的数据来源，并为关键计算和模型部分添加说明。
【限制】 关于该技能的收费、价格、具体支持平台范围、性能效果等信息，资料中暂未提供。