第 5 章/上手
让他算个数，为什么三次三个答案？
月底，你要报部门的工资总额。25 个人的应发工资贴给小满，问他合计多少。他回得飞快：252825。
你多了个心眼，又问了一遍，这次是 248124。第三次，247124。三个数，每个都精确到个位，口气一样笃定。
算数，不是电脑最擅长的事吗？可小满不是在“算”，他是在一个词一个词地接出一串看起来像答案的数字。数越多，越容易接歪。
别让他算，让他写公式
下面就是那张表。先问他三次，再换个问法。
心算，还是写公式
25 个人的应发工资（虚构）
| 张伟 | 8,884 |
| 王芳 | 9,224 |
| 李娜 | 7,463 |
| 刘洋 | 7,289 |
| 陈静 | 12,499 |
| 杨帆 | 11,299 |
| 赵磊 | 6,628 |
| 黄敏 | 9,603 |
| 周婷 | 7,161 |
| 吴强 | 7,479 |
| 徐丽 | 9,235 |
| 孙浩 | 19,209 |
| 马超 | 7,143 |
| 朱琳 | 14,211 |
| 胡军 | 7,130 |
| 郭敏 | 12,846 |
| 何静 | 6,766 |
| 林峰 | 7,110 |
| 高翔 | 18,766 |
| 罗娟 | 8,784 |
| 梁晨 | 7,633 |
| 宋佳 | 7,499 |
| 郑凯 | 8,928 |
| 谢婷 | 18,815 |
| 韩冰 | 7,510 |
你：请直接告诉我合计是多少，平均每人多少。
换个问法，他就从“报一个数”变成了“告诉你怎么算”。公式是确定的：放进 Excel，算一万次都是同一个结果，而且你能检查它算的是哪几格。
数字的事，分工是这样的：他写公式、讲思路；算，交给表格。
在钉钉 AI 表格里
如果你们的数据本来就在钉钉 AI 表格里，有三样东西很好用：
- AI 生成公式：用一句话说你要算什么，它把公式写好放进去。
- AI 字段：新建一列，让 AI 按你的要求给每一行打标签、分类、提取信息。比如把 300 条员工意见分成“薪酬、培训、环境、其他”。
- 自动化流程：设好“什么时候、做什么”，比如“新增一条报名就通知负责人”“到期前三天自动建待办”。
AI 字段打的标签是“语言活”，大体靠谱，但要抽查。公式算出的数，才是能直接用的数。
我的数据在［Excel / 钉钉表格 / WPS 表格］里，在［A1:D200］，第一行是表头：［列出表头］。 我要算：［比如：每个科室的人数、平均工资、高于平均值的人］。 请给我公式，告诉我放在哪个单元格、要不要下拉填充，并用一句话解释每个公式在算什么。不要你自己算结果。
他算数靠的是“猜”
一串数字进来，先被切成 token，可能切成几段，不一定一位一个。模型接着算的是“下一段最像什么”，而不是像计算器那样一位一位进位。数字越长、步骤越多，越容易错。
思维链：给他一张草稿纸
让模型先把步骤写出来再给答案，准确率会明显上升。写出来的每一步都会成为下一步的上下文，相当于打草稿。第 1.5 节的同一道题，快答给了 12，开了思考给了 6（对的）。所谓推理模型、“深度思考”，就是训练成默认先打草稿的模型。
代码执行：交给真正会算的东西
更稳的做法是不让他算，只让他写算式：表格公式，或者一段 Python。由表格或 Python 去执行，结果是精确的。ChatGPT 的“代码解释器”、WorkBuddy 里能跑脚本，都是这个思路。这一节让他写公式，用的是同一个道理。
对应到小满： 心算不靠谱，但很会列算式。让他列，让计算器算。
现在试试· 用 DeepSeek 和你手上的表格，五分钟
- 找一张你常用的表，想一个你每次都手动算的数。
- 用上面的卡片让 DeepSeek 写公式，只告诉它表头，不用发数据。
- 把公式贴进表格，和你以前手算的结果对一对。