AI会怎样“夺走”我们的工作 —— 一个基于ChatGPT和Python的小试验

众所周知，ChatGPT 目前还只是一个 “聊天机器人” —— 我们把问题写成文字交给它，然后它把答案用文字形式返回给我们：

但是，如果老板想让ChatGPT完全替代我们这些一线白领 —— 比如让它直接分析处理公司的Excel文件，它就会很有底线地回应 “对不起，本人只动嘴、不动手” ：

由此看来，ChatGPT更像一个经验丰富、热心答疑的老师傅，而不是亲自动手、样样全能的小卷王，这也让各位担心被 AI 抢走饭碗的打工人多少能够心安。

然而，我们真的可以掉以轻心么？如果ChatGPT这样的AI已经能够提出解题思路，它们真的不能直接到我们电脑上把思路变成实际操作么？

于是杨老师突发奇想：能不能做个试验，给 ChatGPT这个“大脑” 配上“一只手”，帮助ChatGPT到我们电脑上自动读取文件，然后自动执行 ChatGPT 思考出的方案，从而代替我们完成全部操作呢？

这种试验，当然离不开号称 “超级胶水语言” 、“万金油战士”的Python！于是杨老师写了一个Python 小程序，只要选择待处理的Excel文件、输入你的任务需求，它就会请ChatGPT生成一段完成该任务的Python代码，然后自动执行这段代码，替我们把Excel处理完毕。比如下面这个简单的任务 —— 计算平均值并显示在指定单元格：

或者再难一点：在中国大学列表中找出所有北京地区的高校，然后将它们的单元格设置为高亮黄色 ：

视频里只是一个粗糙的试验，但或许已经让一些同学惊出些冷汗。不过大家不用担心：目前ChatGPT的“编程能力”还远远达不到“无需检查、直接可用”的水平，视频里的演示效果，也是杨老师反复运行多次后，筛选出的少数“成功案例”。更多的时候，ChatGPT返回的代码或者不能运行、或者运行效果完全不符合需求。

即使如此，我相信肯定还是有很多同学对这段程序很感兴趣，毕竟它也预示了“智能办公”未来的可能走向之一。或许再过十年，类似的AI平台真的能够训练出足够可信的编程能力，那时只要在自己电脑上编写视频中这种“桥接”程序，再把视频中输入任务需求的文本框升级为语音输入，完全意义上的“办公自动化”恐怕真会到来。

所以，尽管目前ChatGPT还没有对大陆用户提供服务、以致很多朋友暂时无法运行这段程序，杨老师还是以此为案例，概要介绍一下“使用Python+ChatGPT实现办公自动化”的关键思路和技巧。

1. 整体思路和挑战

把大象放到冰箱里一共分三步，把任务交给ChatGPT也是分三步：

（1）将待处理Excel文件的工作表结构告诉ChatGPT

（2）对ChatGPT提问，让它返回一段Python代码

（3）自动运行这段Python代码

不过在步骤（1）中，有一个问题需要特别注意：ChatGPT只接收文本内容，不存在“上传Excel文件”这样的选项。所以要想让它了解待处理Excel文件，就必须用文本格式描述清楚Excel工作表的结构，比如采用下面的样式：

因此，本程序的整体思路如下图所示：

2. 关键技巧简介

若想实现上面的思路，有几个关键技术问题必须解决，即 “怎样将Excel工作表的格式自动描述为文本形式？”、“怎样向ChatGPT发起提问并得到代码？”、“怎样自动执行ChatGPT返回的代码？”。好在对于 Python 来说，这些问题都有现成的第三方模块或语法糖来解决，具体如下：

（1）把Excel结构转为文本格式

Python社区中有一个名为 “tabulate” 的第三方模块，可以自动分析二维列表、pandas.DataFrame等二维数据结构，然后输出对应的纯文本形式内容。所以，如果我们先使用 xlwings 读入 Excel 工作表、并把它的 UsedRange 读取为二维列表，就可以使用 tabulate模块中的 tabulate( ) 函数，得到这张工作表的文本描述。

关于UsedRange等概念，不熟悉的同学可以参见我们《全民一起玩Python实战篇 办公自动化》课程的讲解，这里不再赘述，我们直接看例子：

（2）调用ChatGPT问答功能

得到了表格结构的文字描述，接下来就需要把这段文字以及用户输入的任务需求，一起提交给ChatGPT服务器。这个环节说简单其实很简单，因为ChatGPT已经提供了一个python模块 openai，只要我们使用 pip 安装这个模块，并调用ChatCompletion.create方法，就能把指定字符串（比如下面例子中的 prompt ）作为问题提交给ChatGPT服务器，由后者返回答案字符串。需要注意的是，ChatGPT返回的结果是一个 json 对象，里面包含了很多信息，而我们最需要的答案文本，保存在这个json对象中的 choices[0].message.conent 中，具体见下面的示例：

这个调用看起来很简单，但麻烦的地方在于：我们不仅要通过技术手段，把电脑“伪装”成海外地区IP，而且必须到 openai 官方网站上申请一个“api key”，并且把它填写在python代码中（也就是上面代码中涂成黑色的部分，以及下面官网截图中红色方框内容）：

除此之外，杨老师在试验过程中还发现，想让ChatGPT正确理解问题、正确返回结果并不是一件容易的事情。目前我采取的策略是“一次任务、多次提问”：

首先，请ChatGPT将用户输入的任务要求（中文）翻译为英文，因为众所周知，ChatGPT对英文问题的回答质量明显高于中文问题（并非openai存在歧视，而是因为中文网站只占全球网站的1.3%，无法为ChatGPT提供足够多的高质量训练数据）；

接下来，将tabulate生成的Excel工作表描述文字发给ChatGPT，要求它分析表格结构并返回摘要。通过这个步骤，我们可以让ChatGPT“事先熟悉”表格结构，以免后面处理出错；

最后，我们把翻译成英文的用户任务要求发给ChatGPT，要求它生成python代码，并且明确告诉它：只返回python程序、不要有任何“解释”、“谦虚”等多余的废话。

下面就是这些提问的代码，可以看到所有提问都使用了英文。这里有一个小秘密：为了避免杨老师标准规范的Chinglish影响对方理解，这些英文都是我让ChatGPT润色改写得到的 。

（3）自动执行ChatGPT生成的Python代码

我们编写的Python程序把提问发给ChatGPT后，后者会生成一段Python代码并返回给这个Python程序。那么怎样让我们的Python程序能够自动运行ChatGPT返回的Python代码呢？这个需求在Python中非常简单 —— 使用系统函数 exec( ) 就可以！

比如下面这个例子，字符串 s 里面是几条Python语句，然后我们运行 exec( s ) ，就可以把 s 字符串解析成一段python脚本，并自动执行：

考虑到代码的组织性，我们甚至可以在字符串中定义一个函数，然后通过 exec( ) 创建这个函数，并且再增加一个运行该函数的字符串，实现自动运行：

在本文的演示案例中，杨老师就是采用了这个策略：要求ChatGPT把生成代码放在一个名为 AIJob( ) 的自定义函数中，然后在我们的Python程序里通过 exec( ) 创建并执行 AIJob( ) 。

3. 示例代码

搞定了前面这些问题，我们就可以开始编写这个试验程序。具体代码包括几个部分：

（1）用于向ChatGPT提问并接收回答的函数 call_ChatGPT，每个任务我们会调用它三次，也就是前面讲到的“三次提问”：

（2）执行自动化任务的主函数 auto_excel，覆盖前面所述的全部关键环节：

（3）主程序，请用户输入Excel文件路径以及任务要求。这里杨老师使用的是我们在《全民一起玩Python 基础篇》中讲解的 Tkinter 窗体界面，代码非常基础，考虑篇幅就不粘贴在这里，大家直接看效果就可以：

如果大家觉得这个界面有点丑，那也赖不到杨老师 —— 因为我懒得写Tkinter代码，所以这个主程序是我让 ChatGPT 自动生成的 

 

怎么突然觉得有点不对劲呢？“ChatGPT替我写代码”？难不成我们程序员也要被 …… ？！！