一个Excel插件的诞生：我用一句话搞定了全部门考勤邮件

当行政每天花几个小时复制粘贴发邮件时AI直接生成一个exe工具双击运行几百封邮件11分钟发完。那个被考勤邮件支配的下午每个月25号行政小雅都想请假。因为这天要发全公司的考勤确认邮件。公司不大不小200来号人每个月考勤数据汇总在一张Excel表里每个人有几行数据姓名、工号、出勤天数、迟到次数、请假天数、加班时长……然后要求每个人都要收到一封个性化的考勤确认邮件。听起来不难对吧但实际操作起来是这样的打开Excel → 复制张三的数据 → 新建邮件 → 粘贴收件人 → 粘贴正文 → 发送。然后李四、王五、赵六……200个人复制粘贴200次。每次发完手指僵硬、眼睛发花最可怕的是——万一贴错了收件人把李四的数据发给了王五那就是事故。上个月她翻车了。把A的数据发给了BB在群里她“这不是我的考勤数据啊”社死瞬间。领导说“下次核对仔细一点。”可200封邮件每封都要核对姓名、工号、邮箱、数据……再仔细的人也扛不住这种纯体力活。这根本不是“仔细”能解决的问题这是流程本身的问题——让一个人手工复制粘贴200次出错是必然的不出错才是奇迹。后来她在一个技术群里看到有人讨论AiPy说能“一句话生成工具”。她半信半疑地试了一下。一句话下去exe自己“长”出来了她打开AiPy的对话框输入了这么一段话“帮我做一个基于Excel数据的员工考勤邮件自动发送程序。Windows上能双击运行在界面上上传考勤文件和邮箱信息文件后能读取员工考勤数据和邮箱地址自动发送个性化的考勤邮件给每位员工把发送情况在界面上显示。”输入完她去做别的事了。等了几分钟等她回来的时候桌面上多了一个文件夹——里面躺着一个“员工考勤邮件发送系统.exe”。名字就是她说的“员工考勤邮件自动发送程序”AiPy自动识别了核心功能并命了名。双击打开界面是这样的左上区域三个上传按钮——上传邮箱配置文件、上传考勤数据表、上传员工花名册中间区域一个“开始发送”按钮下方区域进度条和日志区实时显示发送状态功能分区简单直观不需要看说明书就能上手。她把三个文件上传好点了“开始发送”。进度条一步步往前走日志区实时更新“正在发送第1封邮件……成功”“正在发送第2封邮件……成功”“正在发送第3封邮件……失败原因收件人邮箱格式错误已跳过”“正在发送第4封邮件……成功”……“正在发送第200封邮件……成功”11分钟200封邮件全部处理完毕。有失败的也记录得清清楚楚她只需要单独处理那几个失败的就行不需要从头再来。每封邮件的内容都是根据那个员工自己的考勤数据生成的收件人对得上数据对得上正文也没错。她坐在那儿愣了好一会儿——她花一个下午加一个晚上才能干完的活它不到11分钟干完了而且零差错除了那几个邮箱格式有问题的但那也不是程序的问题。领导路过问了一句“考勤邮件发了吗”她说“发了全部发完了。”领导有点意外“这么快”她说“嗯自动化了。”技术拆解从自然语言到exe的完整链路这件事看起来“神奇”但背后的技术链路其实很清晰。AiPy走完了“需求解析→代码生成→执行→打包exe→交付”的完整闭环。1. 需求解析与任务拆解用户输入是一段大白话“帮我做一个基于Excel数据的员工考勤邮件自动发送程序……”。AiPy通过Prompt工程体系让LLM将这段话解析为结构化任务UI层Tkinter桌面界面三个文件上传入口进度条日志区数据处理层读取Excel考勤数据通过“工号”字段关联员工邮箱邮件发送层SMTP协议发送个性化邮件内容包含该员工对应的考勤数据行打包层pyinstaller打包成exe无需安装Python环境每个任务都被分解成可执行的代码模块。这和传统软件开发的“需求分析→概要设计→详细设计”流程在逻辑上是一致的只不过执行速度从“几天”变成了“几分钟”。2. 代码生成从语义到可执行Python任务拆解完成后AiPy调用大模型生成Python代码。整个程序的核心逻辑大致如下邮件内容生成部分AiPy生成的逻辑是读取“考勤数据.xlsx”中每个员工对应的行数据把Excel表头作为字段名把该员工的考勤记录作为内容组合成邮件正文。这样每一封邮件都是个性化的不是群发一样的模板。比如张三收到的邮件正文里会显示“张三本月出勤22天迟到1次加班8小时”而李四收到的是李四自己的数据。SMTP配置部分AiPy自动从上传的“email.txt”中读取发件人邮箱、SMTP服务器地址、端口号和授权码。用户不需要在代码里写死任何配置每次运行从文件读取就行。这意味着同一个exe文件可以给不同部门、不同发件人使用只要替换配置文件就行。错误处理部分代码里包含了完整的异常捕获和日志记录如果某个字段缺失日志会显示具体原因如果发送失败会记录失败原因并继续处理下一封不会因为一封卡死整个流程。这就是为什么日志区能清晰显示“第3封失败已跳过”而不是整个程序崩溃。3. AST自愈代码报错也能自己修LLM生成的代码第一次运行未必完美。如果代码报错——比如某个库没装、文件格式不匹配、编码解析失败——AiPy的AST自愈机制会自动介入。具体流程是执行代码捕获错误信息错误类型、行号、堆栈将错误信息连同当前代码一起重新提交给LLMLLM分析错误原因生成修复后的代码再次执行直到任务完成官方数据显示这种自愈机制能把复杂任务的迭代轮次从平均8-10轮压缩到3-5轮。用户感知到的可能只是一条“正在修复错误…”的提示然后任务继续推进。小雅在使用过程中完全没有感知到任何报错和修复过程因为AiPy在后台已经把这些问题处理完了。4. 打包与交付双击就能用的exe代码生成并调试完成后AiPy自动调用pyinstaller把所有代码和依赖打包成一个独立的exe文件。用户不需要装Python、不需要装任何库双击就能用。最关键的——所有数据都在本地处理不上传任何服务器。员工的姓名、邮箱、考勤数据这些敏感信息全程不出内网。对于很多企业来说这一点是“能不能用”的前提。如果数据要上传到云端光是合规审批这一关就过不去。更深一层为什么“代码即代理”比预设工具更灵活传统AI Agent的工作方式是开发者预先写好一批工具比如“读取Excel工具”“发送邮件工具”然后让大模型按说明书调用。这种方式的局限在于碰到没预设过的场景或者需要组合多个工具完成复杂任务时就卡住了。AiPy的“Python-Use”范式走的是另一条路让大模型直接生成Python代码用代码本身作为“工具”。用官方的话说叫“No AgentsCode is Agent”——不需要预先注册工具不需要编排工作流代码本身就是代理。在这个考勤邮件的场景里区别很明显预设工具模式需要提前写好“Excel读取工具”“邮件发送工具”“界面绘制工具”三个独立功能并告诉大模型什么时候调用哪个。如果用户说“再加个附件功能”就得重新写工具。代码生成模式大模型自己写一段Python代码把读取Excel、发邮件、画界面串成一个完整的流程一次执行完。用户说“加个附件”它直接修改代码加上附件逻辑就行。区别在于预设工具模式依赖开发者提前预判所有可能的场景而代码生成模式遇到新场景可以现场“造”一个新工具。写在最后从一句话到exe文件这件事技术上并不复杂。但AiPy的价值在于它把这个过程从“需要懂Python的人来写脚本”变成了“说句话就能搞定”。小雅后来跟我说了一句话“以前发考勤邮件我到月底就焦虑。现在反而是最轻松的时候——上传文件点一下按钮等个十几分钟全发完了。”如果你也经常被“复制粘贴发邮件”这类重复劳动折磨不妨试试AiPy——从一句话到双击就能用的工具比你想象的要快。