作者EvalDock数据日期2026 年 9 月 24 日检查 Agent 生成的表格和报告时最容易先看见的是数字金额有没有算错公式有没有给出结果。但列名、未填区域、比例尺度和主体名称也可能决定文件是否符合任务要求。2026 年 9 月EvalDock 对千问办公、WPS 灵犀、WorkBuddy、豆包工作执行五套评测每套每款 15 题共 75 道不同任务、300 项产品任务结果。下面保留四个真实案例中的具体差异并说明拿到类似文件时可以如何检查。检查步骤为根据案例整理的操作建议。先交代成绩背景办公文件交付中千问和 WorkBuddy 各通过 14/15 题灵犀和豆包各通过 15/15 题电子表格中千问和豆包各通过 15/15 题灵犀和 WorkBuddy 各通过 14/15 题。个例用于说明验收细节不代表产品在全部办公场景中的表现。检查一收入提取表先看表头再看数值任务与结果。千问的一项收入提取任务正确填写了年份和金额但把要求的year表头写成了d未通过完整检查。拿到类似表格时可以把原任务要求和表头行并排查看。这里要核对的是字符串是否满足约定不能因为列里的数值“看上去都是年份”就忽略列名差异。接着再检查年份与金额是否对应避免把结构问题和数据问题混为一谈。检查对象本例要求或预期本例交付应记录的结论年份列表头yeard指定表头不符年份及金额内容正确提取内容正确保留正确提取的判断如果自己的业务要把文件交给脚本读取列名约定尤其需要写清如果允许中文列名或其他别名则应先建立明确的映射。不要在每次读入时根据列内容临时猜测其含义。这类反馈可以写得很短“年份和金额正确将年份列表头由d修正为year再检查文件是否满足字段约定。”它准确指出了差异没有把整份数据描述成算错。检查二滚动求和表从目标区域第一格开始看任务与结果。灵犀在一道滚动求和题中正确补出了后八行的公式但前三个应计算位置仍为n/a预期值分别为 4、6、12。对这类文件先根据任务标出完整目标区域再从起始位置逐格检查。不能只选择“当前含公式的单元格”因为缺少公式的位置可能因此被排除在检查范围之外。本例的关键对照如下。这里用相对位置描述不假定实际工作簿的单元格地址。相对位置本例交付预期结果第一个应计算位置n/a4第二个应计算位置n/a6第三个应计算位置n/a12后八行正确应单独记录。前三格的缺口则需要补齐。这样的检查能把“已填结果是否正确”和“该填的位置是否都填了”分开。在其他任务里n/a也可能是合理标记因此应先确认缺失规则。本例已有明确预期值不能把前三格解释成允许缺失也不应为了消除占位符直接填零。检查三夜班比例表同时核对值和百分比格式任务与结果。WorkBuddy 按月份天数计算夜班比例闰年和月份天数处理正确但将小数比例放大了 100 倍。10/31 应约为 0.322580645交付值为 32.258064516十二个月份里十一个非零结果存在尺度问题。检查这种文件时不要仅看单元格显示出的数字。还要确认其底层数值、所用公式及显示格式与任务约定是否一致。以下为根据本例数值编写的表达对照示例数值与表达含义小数比例约 0.322580645与 10/31 对应同一比例显示为约 32.2580645%百分比表达可与上一行等价裸数 32.258064516 作为小数比例比预期比例放大了 100 倍一个具体检查动作是独立计算 10÷31再对照该单元格的值与格式。如果任务要求小数比例不能仅通过去掉或添加%符号来判断修复完成需要确认真正存储和参与后续计算的值符合约定。随后检查同列其他月份是否也用了同一尺度。不要只选零值样例零放大 100 倍仍是零无法帮助识别这个问题。对本例的结论应同时保留“日历规则正确”和“比例尺度不符”。检查四发票汇总报告金额与主体各走一遍任务与结果。WorkBuddy 汇总两张发票时金额正确且交付了报告但将“Earthenware for everyone”识别为供应商名称漏掉票面收款方“Pottery Co.”。检查报告时可以先核对每张票据的金额与汇总关系再另开一项核对主体。后一步应回到源票面找到名称和周边角色信息再与报告中的供应商字段对照。不能因为金额核对通过就跳过这一步。核对项本例观察验收含义金额汇总金额正确计算结果应保留为正确报告主体宣传语被当成供应商名称与主体角色需修正源票面依据收款方为 Pottery Co.结合任务要求核对输出字段这里尤其要避免只在全文中搜索一个公司名是否出现。即使某个名称在报告里出现过也要看它是否被放在正确字段、对应正确交易角色。自己的票据材料如果区分供应商、开票方和收款方应按材料与任务核对不能默认三者是同一角色。交付检查记录怎样写才有用检查结束后记录“文件有问题”不足以支持返工。更有用的格式是对象、预期、实际、结论。表头问题写出两个字段名未填问题写出目标位置尺度问题同时写出数值和单位主体问题指出源票面依据。对尚不能确认的内容标为待核对对已有明确差异的内容标为待修正。修正后重新打开实际文件检查受影响的部分。如果改动的是整列比例就检查同列结果如果改动的是主体就查看报告摘要和明细中的相关名称。对话中的完成说明不能代替文件中的实际内容。数据来源与测试条件本批评测记录最终交付质量执行允许人工辅助、任务续接和重试。样本按类别、难度等信息选取结果适用于本批任务与配置不用于推断所有办公场景或重复运行的稳定性。WorkBuddy 配置依据评测方确认记为hy4-preview。本文引用的办公文件成绩采用 OfficeBench 文件交付适配检查电子表格成绩采用 SpreadsheetBench Verified 子集的目标区域比较。成绩按本次任务和检查口径解读。数据与案例来源EvalDock《四款办公 Agent75 道任务实测》2026-09-24。把验收要求落实到字段、目标区域、数值尺度与主体角色便于在自己的文件中逐项核对。