我用 Opencode 一句话生成审计底稿
先说结论：用 Opencode / Claude Code 生成审计底稿，完全可行。
我用自己的 AI 课程做了完整测试：把科目余额表和序时账丢进去，说一句「帮我生成货币资金底稿」，它真的跑出了索引表、审定表、明细表、分析表、测试表。
但有两个前提：AI 得先能操作 Excel；你得给它上约束，否则审计结论可能是编的。
AI 操作 Excel，工具先选对
AI 不会直接操作 Excel，它只会调用工具。常用的有三类：
| 方案 | 原理 | 格式安全 | 适合场景 |
|---|---|---|---|
| Pandas / OpenPyXL | 直接读写 Excel 文件内部结构 | ⚠️ 可能改坏格式 | 读数据、合并、生成普通底稿 |
| Xlwings | 调用 Excel 软件原生接口 | ✅ 格式安全 | 格式复杂的底稿、报表 |
| Win32com | 调用 Windows 系统 COM 接口 | ✅ 格式安全 | Windows 重度批量自动化 |
Pandas / OpenPyXL 最常用，生成常规底稿没问题。缺点是处理复杂格式（合并单元格、条件格式、公式）时可能把原有格式改乱。
Xlwings 和 Win32com 的优势在于让 Excel 自己改自己，字体、颜色、合并单元格、公式都不会乱。Mac 用户只能用 Xlwings（前提是本地装了 Excel for Mac——Xlwings 是调用 Excel 软件本身，不是独立解析引擎）。
两个 Skill，装上就能用
最稳的方式是安装现成 Skill，推荐两个：
- Anthropic 官方 XLSX Skill：底层 Pandas + OpenPyXL，适合常规数据读写，社区活跃（截至 2026 年 7 月下载量 13 万+）。
- Excel Automation Skill：底层 Xlwings，适合要保留格式的复杂场景，Mac / Windows 通用。
安装指令直接复制粘贴：
用 find-skills 帮我查找 Anthropic 官方的 xlsx Skill，然后安装它。
用 find-skills 搜索 Excel Automation Skill，就是用 Xlwings 操作 Excel 的那个，找到后帮我安装。
装完重启 Opencode，AI 会根据需求自动选择，也可以指定。
一句话生成审计底稿
示例中我准备了这两个文件：
审计项目/
├── 科目余额表.xlsx
└── 序时账.xlsx
科目余额表：
序时账：
（ 注：示例未给其它更多资料，仅演示最基础的表，实际上 AI 应该用于更多其它的分析性程序和实质性程序 ）
在 Opencode 里指向文件夹，复制这句话：
根据这个文件夹里的财务数据（科目余额表和序时账），按照中注协的审计底稿要求，帮我生成一份货币资金的 Excel 底稿。
注：这是最小化示例，「按中注协底稿要求」过于宽泛，AI 会自由发挥（后文「三个坑」有实证）。实际使用建议加约束或做成 Skill。
如果底稿格式复杂，可以补充：
操作 Excel 时优先用 Excel Automation Skill，保留原有格式。
Opencode 会执行：扫描文件 → 读取分析 → 规划任务 → 生成 Excel → 验证勾稽。
最终生成的底稿通常包含这些 Sheet：
| Sheet | 内容 |
|---|---|
| 索引表 | 审计程序目录 |
| 审定表 | 未审、调整、审定数据对比 |
| 明细表 | 按明细科目逐笔列示 |
| 分析表 | 月度收支波动分析 |
| 收支测试表 | 抽样凭证检查 |
| 截止测试表 | 期末跨期检查 |
⚠️ 上面这份 Sheet 清单本身就是 AI 自由发挥的典型：「月度收支波动分析」更像损益类科目的说法。货币资金是资产类科目，分析性程序通常是期末期初余额变动分析、银行明细与对账单核对。没有约束时，AI 会按自己理解的「合理」去填——这种偏差不报错，只会悄悄跑偏。
一句话生成底稿的完整流程：
三个坑，不能直接归档
结构出来了，但这份底稿不能直接放进档案。
AI 会「编」结论
收支测试表、截止测试表里的结论，AI 可能写得像真检查过一样。但你没给它凭证扫描件，它从哪检查的？审计底稿是签字担责的法律文件，脑补出来的结论必须删掉重做。
抽样不符合事务所准则
AI 默认抽样可能是「借方 top15 + 贷方 top15 + 随机 10 笔」。这大概率不符合你事务所的抽样规则。抽样、凭证检查、函证、截止测试应该做成独立 Skill，而不是让 AI 自由发挥。
准则编号可能是编的
AI 喜欢在底稿里引用「《中国注册会计师审计准则》第 X 号」。这些编号和名称可能是它自己编的。必须逐条验证，要么让 AI 联网搜索，要么挂一个准则知识库。
让 AI 不乱来的方法
加强约束，做成 Skill
把底稿要求写死，固化成 Skill：
- 每个 Sheet 的结构、列名、表头；
- 抽样规则、检查内容、结论怎么写；
- 所有结论必须基于真实资料，没看过的不许写。
同时做原子化拆分。别做「货币资金底稿 Skill」这种大而全的东西，而是拆成：
- 抽样 Skill（各科目通用）
- 凭证检查 Skill（各科目通用）
- 函证 Skill（银行、应收应付通用）
- 截止测试 Skill（各科目通用）
- 科目 Skill（只写流程，调用上面的原子 Skill）
货币资金 Skill 只做调度：
第一步：读取标准化数据库
第二步：大额收支抽样 → 调用【抽样 Skill】
第三步：核对抽中凭证 → 调用【凭证检查 Skill】
第四步：银行函证 → 调用【函证 Skill】
第五步：截止测试 → 调用【截止测试 Skill】
第六步：汇总分析，得出审计结论
事实性检查
AI 生成底稿时，经常会引用审计准则、法规条文来支撑结论。问题是：它写的准则编号和名称，不一定真的存在。
所以必须做事实性检查：
- 让 AI 联网搜索，核实准则编号和名称是否真实；
- 挂一个知识库，让它从知识库里查证，而不是自己编。
底稿里一条编造的准则引用，就够毁掉整份报告的可信度。这一步不能偷懒。
写在最后
用 Opencode 生成审计底稿，对风险低、规模小的 C 类项目（审计分级中风险最低的一档）来说完全可行，但别太乐观。
一句话总结：机械的、格式固定的部分，写死规则更稳；需要灵活判断的部分，用 AI + Skill，但必须有强约束；涉及准则引用和检查结论的地方，必须引入 AI 复核机制，最终由人工把关负责。
以下是 个人广告 ：
课程网址（点击“阅读原文”）：
https://m.tenclass.cn/channel2/1880290
目前是优惠价 899 元，7 月底课程更新完毕后是 1299 元。
购买后，加助理， 备注：已购买 ，发送购买截图，加入答疑群：
