中国团队Univer：68.86% SOTA革新电子表格Agent

>>>实盘10倍股票加杠杆平台

在最新公布的 SpreadsheetBench 基准测试结果中，UniverAgent 以 68.86% 的通过率荣登榜首，成为首个在该榜单中登顶的中国团队。这一成绩不仅超越了 ChatGPT Agent 与 Excel Copilot 等主流方案，更标志着电子表格自动化技术路径的一次重要转向。

SpreadsheetBench 作为当前电子表格智能领域最具公信力的公开评测基准，其任务设计源于真实业务场景，涵盖数据清洗、复杂运算与格式调整等全流程需求。微软与 OpenAI 均曾引用其数据作为技术能力的佐证，体现出该基准在行业内的权威地位。

与多数仍依赖 Excel 原生环境的方案不同，UniverAgent 基于自研的 Univer SDK 实现了完全脱离 Excel 的表格计算与推理能力。这一突破并非依赖于更强的基座模型，而是通过重构电子表格智能体的核心架构——从传统的“脚本生成工具”演进为“具备混合执行能力的在线自主智能体”。

本文将从技术实现角度，解析 UniverAgent 在理解能力、结果准确性与定位精度三个维度的创新设计。

一、基准测试的真实性挑战

SpreadsheetBench 包含 912 个真实场景任务，其评测体系聚焦三个相互制约的维度：

1. 理解能力：准确解析自然语言指令的业务意图，正确识别关联数据区域；

2. 结果准确性：保证数值计算精确、公式逻辑严谨、数据类型规范；

3. 定位精度：确保输出结果精准写入目标单元格，且不破坏原有表格结构。

这三个维度共同构成了电子表格自动化的核心挑战。传统技术路径往往难以兼顾——Python 脚本擅长数值计算却弱于格式处理，Excel 公式精于定位却受限逻辑推理。UniverAgent 通过系统级设计实现了三者的平衡。

二、技术架构的系统性突破

UniverAgent 的核心创新在于将电子表格视为结构化、可交互的在线对象，而非静态文件。其架构建立在三大支柱之上：

1. 智能上下文管理：通过分层抽象构建高信噪比的表格感知体系；

2. 多轮执行策略：采用 CodeAct 框架实现动态规划与自我修正；

3. 在线混合执行：融合 Python 与 JavaScript 的双引擎协作机制。

三、上下文工程的智能压缩

面对电子表格中可能出现的数千行数据，UniverAgent 通过两级抽象解决上下文爆炸问题：

SpreadsheetOverview 作为全局“地图”，采用结构识别、层次化视图与公式组聚合技术。例如对包含多个数据表的文档，系统会自动识别表格边界，将功能相同的公式合并描述，使得 7000 行工作簿的上下文体积压缩至 0.5KB 以内。

GetRangeData 则充当“放大镜”，返回包含数值、公式组与样式定义的结构化数据对象。这种设计既保障了数据分析所需的信息密度，又保留了格式操作所需的视觉线索。

四、执行策略的适应性演进

UniverAgent 摒弃了脆弱的“一次性脚本”模式，采用“思考-编码-观察”的循环执行框架：

在每轮循环中，智能体会根据执行结果动态调整策略——当检测到数据格式异常时自动启动清洗流程，发现定位偏差时立即修正坐标参考。这种小步快跑的机制显著提升了任务鲁棒性。

针对多轮交互导致的上下文膨胀，系统引入自适应消息缓存技术，通过智能断点复用历史信息，在保证执行连贯性的同时控制计算开销。

五、混合架构的协同效应

基于 Univer 在线表格引擎，UniverAgent 实现了 Python 与 JavaScript 的深度协同：

Python 负责数据密集型任务，依托 pandas 等生态完成多表关联、统计建模等复杂计算；JavaScript 则通过 Univer SDK 处理精细的表格操作，包括条件格式设置、图表插入等原生交互功能。

这种分工使系统既能应对大数据量的分析需求，又能保证表格操作的像素级精度。在线环境还带来状态持久化、实时协作与版本控制等衍生优势，为企业级应用奠定基础。

六、技术演进的前景展望

68.86% 的通过率不仅代表性能指标的突破，更揭示了电子表格自动化从演示场景走向实用场景的技术路径。通过上下文压缩、多轮执行与混合架构的系统性创新，UniverAgent 证明了 AI 智能体在处理复杂表格任务时的工程可行性。

随着模型能力与工具链的持续进化，这种融合理解、计算与操作的全栈能力，将推动电子表格自动化向更广泛的业务场景渗透，最终实现数据智能处理的普惠化发展。

>>> 免费的在线股票AI分析系统