善用WorkBuddy实现海量文档高效转换 ——IMA知识库Excel批量转CSV实战笔记

一、缘起：一项"不可能完成"的任务

作为县域高中管理者，我的IMA知识库中积累了上千份珍贵的教育教学资料。2026年5月，我决定对这些资料做一次全面梳理——将知识库中分散在7个文件夹里的Excel文件批量转换为CSV格式，便于后续数据分析和统计查询。

乍一看，这是一项极其繁琐的工作：需要逐个文件夹扫描、识别Excel文件、下载、转换格式……如果纯手工操作，一个文件夹就可能要耗费大半天。幸运的是，WorkBuddy的AI助手帮了我一个大忙——整个转换工作，从调试到完成，前后不到两小时。

二、挑战：三个没想到

（一）第一个没想到：知识库文件夹ID查不到

动手之前，我以为调用API查文件夹列表是件简单的事——输入知识库ID，调接口，返回结果。结果一跑就撞了墙：传了folder_id = knowledge_base_id，API返回了"文件夹不存在"的错误。反复尝试多次，错误依旧。

后来仔细比对之前成功运行的脚本，才发现正确的调用方式：不传folder_id参数，直接调用根目录列表接口，API会正确返回所有文件夹的ID和名称。就这样，一个看似基础的问题，反而成了第一道门槛。

（二）第二个没想到：下载链接藏在"看不见"的字段里

拿到文件夹ID后，扫描、识别Excel文件、逐个获取下载链接——这部分进展顺利。然而当脚本尝试下载文件时，三个文件全部报错：获取下载链接失败。检查代码逻辑，接口调用正确，权限也正常，为什么拿不到URL？

用调试脚本把API返回的原始JSON打印出来一看，恍然大悟：接口返回的结构根本不是文档里常见的data.download_url，而是一个嵌套结构data.url_info.url！而且下载这个URL还需要带上url_info.headers里那串签名头信息，否则服务器直接拒绝访问。

（三）第三个没想到：同一个函数，换个版本就不work了

好不容易把下载问题解决了，转换又出了状况。脚本在读取Excel时报错："Worksheet does not exist"（工作表不存在）。对比上次同类型的转换脚本，明明用的是同一套函数，为什么这次报错？

仔细检查才发现，问题出在openpyxl的版本差异上。上次使用的读取模式在当前版本中已不再适用，正确方式是wb.worksheets[sheet_index]。一个看似微小的API差异，足以导致整段代码失效。

三、方法：AI助手是这样帮我完成任务的

（一）精准定位文件夹ID

AI助手通过对比多份历史脚本的调用差异，发现了get_knowledge_list接口的根目录查询方式，最终定位到"本人文件"文件夹的真实ID，并同步梳理出其余6个文件夹的完整ID清单，为后续所有批处理任务奠定了基础。

（二）调试驱动，逐层排错

整个过程中，AI助手采用"写脚本—运行—打印日志—分析结果"的调试循环，每次只改一个变量：

● 先单独测试文件夹列表接口，确认返回结构

● 再单独测试下载接口，打印完整JSON响应

● 找到URL和headers字段后，更新下载函数

● 最后跑完整流程，用日志追踪每一步是否正常

这种小步快跑的方式，让问题无处遁形，最终三个文件全部一次性转换成功。

（三）自动翻页，批量处理

该文件夹共有33个条目，AI助手在脚本中实现了自动翻页机制：每页读取50条，若is_end=false则继续读取下一页，直到遍历完全部条目。扫描完成后自动过滤出Excel文件，逐个处理。

四、成果：5份CSV，全自动生成

所有文件均保存至桌面"本人文件_Excel转CSV"文件夹，CSV采用UTF-8编码（含BOM），用Excel或WPS均可直接打开，无乱码问题。

五、启示：用好AI，这三件事很关键

（一）好问题比好答案更重要

在调试API接口时，AI助手并没有"一拍脑袋"给出正确代码，而是先通过打印完整响应来观察真实数据结构。这启示我们：向AI描述问题时，提供足够的背景信息（哪里报错、哪一步卡住、期望什么结果），比单纯说"帮我解决"更有效。

（二）小步验证，避免大返工

整个过程中，AI助手从未一次性写完整个脚本就交差，而是每解决一个问题就运行一次，及时发现下一个问题。这种"写一点、调一点"的节奏，是高效使用AI的关键习惯。

（三）记录是AI的"外脑"

每次调试成功的经验，都被AI助手记录到长期记忆文件中，包括API字段路径、文件夹ID、编码规范等细节。下次再做类似任务时，无需重新摸索，直接调用既有经验即可。

技术是工具，思维才是核心

回过头看，这项任务的技术实现并不复杂——扫描文件夹、调API、下载文件、格式转换，都是标准操作。但正因为有了AI助手的参与，整个过程从"反复试错"变成了"精准调试"，效率提升了数倍不止。

AI不是万能的，但它可以成为你最可靠的"外脑"——帮你记住细节、帮你分析问题、帮你自动执行。与其担心AI会取代什么，不如想想：有了AI之后，哪些重复劳动可以彻底放手？

2026年5月14日