更新紀錄第 3 版 · 資料查核 2026.11.21
- 改寫成文章版,附 1 分鐘介紹片,發布到官網部落格最新
- 改版:指令可以填空再複製,手機版重排
- 初版:上班族的 Colab 手冊
你知道什麼是 Google Colab 嗎?為什麼它在 AI 時代特別好用?
Colab 是打開瀏覽器就能用的免費 Python 筆記本,什麼都不用安裝。以前大家卡住的地方是不會寫程式,現在程式交給 AI 寫就好:把一段 Prompt 交給 AI,把它寫好的程式碼貼回 Colab,按下執行就完成了。
這篇文章跟大家分享我們教上班族用 Colab 的方法,讓你讀完就知道:什麼工作適合交給它、第一次怎麼開始、Prompt 怎麼寫才可靠、第一次用最常卡住的地方,還有 33 個職場情境怎麼挑。我們一起看下去吧!
- Colab 不用安裝、不用會寫程式,就能用 Python 處理 Excel 做不動的工作。
- 開始只要三個動作:開筆記本、把 Prompt 交給 AI、貼上程式碼按執行。
- 好的 Prompt 會要 AI 先印出資料、每步印筆數,出錯才抓得到。
- 程式跑得出來不代表算得對,第一次一定要用 Excel 對一次總數。
- 個資先換成編號再上傳,重要檔案存在雲端硬碟。
什麼工作適合交給 Colab?
先說清楚,不是每件事都需要 Colab。一次性的小表格,Excel 拉一拉就好。值得換工具的,通常是下面兩種情況:
1. 每週、每月都在重複的事
合併分店報表、拉業績週報的樞紐,這些工作的步驟每次都一樣,只有檔案不同。用 Colab 跑過一次之後,同一個儲存格下個月再按一次就好。
2. Excel 本身處理不了的量
系統匯出的交易明細有幾百萬列,Excel 開到一半就當掉,或只顯示前一百多萬列(上限約 104 萬列)。Colab 可以分批讀取,篩選和彙總完,再輸出成 Excel 開得起來的小檔。
另外,還有一些事 Excel 做起來很彆扭,例如從幾十份 PDF 報價單抄出廠商和金額、把一小時的會議錄音轉成逐字稿、用一份名單產生兩百張結訓證書。這些在 Colab 裡都有現成的套件,AI 知道該用哪一個,你只要把需求講清楚就好囉!
實作教學:用 Colab 合併分店報表,第一次大約十分鐘
我們拿一件很多人都遇過的事來試:每個月初,信箱收到十幾家分店寄來的 Excel,要一份份打開、複製、貼到總表,貼著貼著錯了一列,最後總數對不起來,又得從頭找是哪一份出了問題。
這件事交給 Colab,只要三個動作,我們一步一步來:
Step 1:開一本筆記本
到 colab.research.google.com 用 Google 帳號登入,新增筆記本。左側的資料夾圖示可以上傳 Excel、CSV 或 PDF。
Step 2:把 Prompt 交給 AI
把下面這段 Prompt 的【】換成你的資料夾和欄位,貼給 Colab 內建的 AI 助手,用你平常慣用的 AI 聊天工具也可以:
你是熟悉 pandas 的資料助理,我會在 Google Colab 執行程式。 我的 Google 雲端硬碟資料夾「【資料夾路徑】」裡有多個 Excel 檔,格式相同,欄位為:【日期、品項、數量、金額】。 請幫我寫程式: 1. 掛載 Google 雲端硬碟,讀取資料夾內所有 .xlsx 檔 2. 合併成一張表,新增「來源檔案」欄位(取檔名) 3. 印出每個檔案的筆數,以及合併後的總筆數,讓我核對 4. 匯出成「合併總表.xlsx」,存回同一個資料夾 請在程式碼加上中文註解。遇到欄位名稱不一致的檔案,先列出來給我看,不要直接略過。
Step 3:貼上,按執行
把 AI 給的程式碼貼進儲存格,按左側的播放鍵或 Ctrl + Enter。如果出現紅字錯誤,就整段貼回給 AI 修正。
跑完如果發現有幾家分店的欄位叫「銷售額」而不是「金額」,就接著請 AI 在合併前統一欄位名稱,並列出被改名的檔案。
回到那十幾家分店的報表:程式會印出每個檔案的筆數和合併後的總筆數,哪一份少了、哪一份多了,一眼就看得出來。下個月新的報表寄來,換掉資料夾裡的檔案,再按一次執行就好。不過程式跑得出來,不代表算得對,第一次還是要用 Excel 對一次總數,後面會說怎麼對。
好的 Prompt,都留了一道檢查的門
仔細看上面那段 Prompt,還有互動版情境庫裡的 Prompt,你會發現很多句子跟分析本身無關,而是要 AI 停下來給你看。這些句子都是故意放的:
- 清理名單時,重複資料「新增是否重複欄位標記,不要刪除」。刪掉的資料你看不到,標記的你可以自己判斷。
- 批次改名時,「第一個儲存格只做預覽」,印出舊檔名和新檔名的對照,確認後才用第二個儲存格真的改,對照表也存成 CSV,改錯可以還原。
- 產生證書時,「請先只產生前 3 份讓我檢查版面」,確認後才跑兩百份。
- 報帳異常檢查時,請 AI 提醒「被標記只代表需要複核,不代表一定有問題」。
這些句子的共同點是:AI 寫的程式會照字面執行,不會猶豫。你在 Prompt 裡留一道門,錯誤就會在你眼前出現,不會悄悄跑進最後的報表裡。
互動版的組裝器把 Prompt 拆成五個部分:角色、資料、任務、輸出,最後再加幾條讓結果更可靠的好習慣。資料那一段的檔名和欄位寫得越具體越好,任務一行寫一個步驟。情境庫沒有你的工作時,就照這個格式自己組:
你是【角色,例如:資料分析助理】,我會在 Google Colab 執行程式。 我上傳了「【檔名】」,欄位有:【欄位名稱】。 請幫我: 1. 【第一個步驟】 2. 【第二個步驟】 3. 【第三個步驟】 最後請【你要的輸出,例如:把結果匯出成 Excel,並用三句話摘要重點】。 另外請注意: - 先印出前 5 筆資料和每個欄位的空值數量,讓我確認資料狀況 - 每一步都印出處理前後的筆數,方便我核對 - 圖表要能正確顯示繁體中文 - 程式碼加上中文註解 - 把日期、檔名、門檻等會變動的值設成程式開頭的變數 - 遇到不確定的地方先問我,不要自行假設
第一次用最常卡住的地方
多數卡關都出在同一批地方,先讀過一遍會順很多:
1. 上傳的檔案會消失
Colab 的執行階段中斷或重置後,直接上傳到左側資料夾的檔案就不見了。隔天打開如果發現程式找不到檔案,先想到這一條。重要檔案請掛載 Google 雲端硬碟讀寫,結果也存回雲端硬碟。
2. 資料先看過再分析
請 AI 先印出前幾筆和每個欄位的空值數量。很多錯誤其實是欄位名稱多了一個空格,或日期被讀成文字,先看一眼就能省掉好幾輪來回。
3. 用 Excel 對一次總數
程式跑得出來,不代表算得對。挑一兩個你熟悉的數字,例如總筆數、總金額,跟原本的 Excel 結果核對。第一次對過了,之後才敢每個月直接用。
4. 圖表的中文變成方塊
這是 Colab 預設沒有中文字型造成的。在 Prompt 裡加一句「圖表要能正確顯示繁體中文」,AI 就會幫你下載並設定字型。
5. 跑通之後存成範本
請 AI 把日期、檔名、門檻數字改成程式開頭的變數。下個月只要改這幾行,按 Ctrl + F9 全部重跑。
6. 出現紅字,整段貼回給 AI
你不用看懂錯誤訊息在說什麼。把最後一段紅字連同資料長相一起貼回去,通常一兩輪就能修好。只貼錯誤、不給資料的話,AI 只能猜,修好的機率就低很多。在對話框輸入以下 Prompt:
我在 Google Colab 執行你給的程式後,出現以下錯誤: 【貼上最後一段紅字錯誤訊息】 我的資料前 5 筆長這樣: 【貼上 df.head() 的結果】 請說明錯誤原因,並給我修正後的完整程式碼。
哪些事還是要你來判斷?
情境庫裡有幾個地方,Prompt 本身就把判斷留給了人。人資的離職率和滿意度問卷,都要求人數少於 5 人的組別合併呈現,避免從統計結果推回是誰。打卡紀錄的 Prompt 開頭就註明,上傳前已經把姓名換成員工編號。
財務情境也一樣。多幣別換算可以用公開的歷史匯率先算,但 Prompt 裡會請 AI 提醒「正式帳務應以公司規定的匯率來源為準」。報帳異常的規則(同一人同日同金額、超過類別上限、假日申報、金額剛好是千元整數)只是篩出值得看的項目,最後是不是問題,要人去問。
進階情境更要小心。營收預測的 Prompt 要求 AI 給預測區間、用過去 6 個月回測誤差,並用主管聽得懂的話說明限制;流失模型則要它提醒如何避免資料洩漏。少了這些要求,AI 一樣會交出一個數字,只是你不知道該信幾分。
所以我們常說:把重複留給程式,把判斷留給自己。
33 個情境,從你每週在做的事挑一個
互動版的情境庫依職務分成七組,每個情境都寫了你現在怎麼做、Colab 幫你做什麼、最後拿到什麼,再附一段跑完可以接著問的追問。難度分三級:入門 10 個、基礎 18 個,進階的 5 個建議最後再碰。下表每組舉一個例子:
| 職務 | 情境舉例 | 你會拿到 |
|---|---|---|
| 行政庶務 | 兩份名單比對誰報名了卻沒來 | 三類名單分在三個工作表,附各類人數 |
| 業務 | 久沒聯絡的客戶自動跳出來 | 每位業務員一個工作表的待聯繫名單 |
| 行銷 | 各平台廣告成效放在同一張表比 | 跨平台成效總表、前五名與後五名活動 |
| 財務會計 | 帳簿和銀行明細自動對帳 | 已配對、帳有銀行無、銀行有帳無三份清單 |
| 人資 | 打卡紀錄算出加班時數 | 個人加班彙整、超時名單、缺卡清單 |
| 營運客服 | 客服工單哪類問題正在變多 | 每週工單堆疊圖、異常增加的類別 |
| 主管 | 每月一頁式 KPI 報告 | 可以直接轉成 PDF 的一頁式 HTML 月報 |
我的建議是,第一次用就從入門情境挑一個你這個月一定會做的。合併報表和名單比對都很適合,因為結果你一眼就能檢查:合併後的總筆數等不等於各檔相加、重複的人有沒有被標出來。
預測下一季營收、客戶流失模型、A/B 測試檢定這類進階情境,等你跑過幾次入門的再碰。它們會產出看起來很專業的數字,而你需要有能力判斷這些數字可不可信。
結語
回到開頭的問題:Colab 為什麼在 AI 時代特別好用?因為以前卡住大家的是寫程式,現在這一段交給 AI 就好。它最適合的,是那些每個月都在手動做、規則很固定的事。你不用會寫程式,只要會把需求講清楚、在 Prompt 裡留好檢查的門,再用 Excel 對一次總數就好。完整的 33 個情境和 Prompt 組裝器我整理在互動版裡,可以直接挑、直接複製。
建議你這個月就挑一件來試,例如合併報表或清理報名名單,照三個動作跑一次,跑完用 Excel 對一下總筆數。對得上,就請 AI 把檔名和日期改成程式開頭的變數,存在雲端硬碟。下個月同一天,你只需要換檔案、按 Ctrl + F9,是不是很簡單呢?
這篇會跟著產品與案例的變化回頭修改,每次改了什麼都記在文章開頭的更新紀錄。最後更新:。

