# 由来 ## 第一章：职场新人的困境 小李刚刚大学毕业，进入了一家中型公司的市场部。兴奋之余，他很快就面临了第一个挑战：老板要求他整理一份复杂的销售数据报表。 看着眼前密密麻麻的 Excel 表格，小李顿时感到头大。大学里，他只学过最基础的 Office 操作，面对这样复杂的数据处理任务，他完全不知所措。 ## 第二章：自学的艰辛 "别担心，新人都会遇到这种情况。"同事小王安慰道，"我当初也是这样，后来自学了一些 Excel 技巧才慢慢上手的。" 在接下来的几个月里，小李开始自学 Excel。他学会了一些基本公式，掌握了数据透视表的使用。渐渐地，他能够处理一些简单的数据统计工作了。 ## 第三章：技能的瓶颈 但是，随着工作的深入，小李发现仅仅掌握这些还远远不够。有时候，他需要处理成千上万行的数据，Excel 就会变得异常缓慢。更复杂的数据分析任务，他还是无法胜任。 小李听说有些同事在学习 VBA 编程，可以实现 Excel 的自动化操作。他也尝试学习，但发现 VBA 的学习曲线太陡峭了。正当他感到沮丧时，他又听说了 Python 的 pandas 库可以更高效地处理数据。 ## 第四章：新工具的发现 "太好了！"小李兴奋地想。但很快，他就遇到了新的问题：公司的电脑上没有安装 Python 环境，IT 部门也不允许员工随意安装软件。 就在小李为难之际，他偶然听说了一个叫 Excel Cursor 的新工具。这个工具结合了 AI 的强大功能，可以通过简单的对话来完成复杂的数据处理任务，而且不需要安装任何额外的软件。 ## 第五章：工作效率的飞跃 抱着试一试的心态，小李开始使用 Excel Cursor。令他惊喜的是，他只需要用日常语言描述自己的需求，AI 就能自动生成相应的代码并执行。复杂的数据分析变得如此简单，小李感觉自己仿佛获得了超能力！ 从此以后，小李的工作效率大大提高。他不仅能轻松完成各种复杂的数据处理任务，还在过程中学到了很多数据分析的知识和技巧。 ## 结语：AI 时代的数据分析 Excel Cursor 不仅改变了小李的工作方式，也让许多像他一样的职场新人找到了处理复杂数据的捷径。它让数据分析不再是少数人的专利，而是人人都能掌握的技能。 正如 Excel Cursor 的口号所说："让数据处理变得如呼吸般自然。"在 AI 的帮助下，复杂的 Excel 工作终于变得简单而有趣。 --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.coffbox.com/zh/origin.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.