案例01｜費用追蹤模板：從零建立 5 欄、10 空白列與總額公式
案例02｜書籍模板練習：ISBN 格式與 Total Books 計數
案例03｜自動執行模板指令：STEP 流程與 Excel Table 格式失敗
案例04｜手寫費用表轉 Excel：43 美元＋12 美元＝55 美元
案例05｜超市傳單轉 Excel：從影像抽取 4 欄商品資料
案例06｜自動填滿：2024-01-01～2024-01-08 的序號、日期與星期
案例07｜Books × Info：用 VLOOKUP 擴充 4 本書的 Author 與 Year
案例08｜城市資料擴充練習：Pisa、New York、Sydney、Paris
| 核心主題 | 主要觀點／方法 | 實務用途 | 重要條件／限制／延伸 |
|---|---|---|---|
| Excel 模板 | 預先建立工作表、表格、格式、公式與樣式 | 報表、費用、庫存、書籍等重複工作 | 先驗證結構，再驗證格式與公式；不要只看外觀 |
| 分段式模板建立 | 依序指定工作簿結構、欄位、格式、公式、樣式 | 降低一次性大型提問的錯誤定位成本 | 模型可能遺漏某一步，需要重新提問或手動修正 |
| 自動化 STEP 指令 | 把多個要求寫入文字檔，以 [STEP] 順序執行 |
批次建立複雜模板 | 「有表格樣式」不等於真正 Excel Table；需結構驗證 |
| 影像轉表格 | 從手寫表格或傳單抽取列欄並產生 Excel | 減少人工轉錄 | 文字、金額、規格與漏項都需要人工核對 |
| Autofill | 依序列、日期、星期或既有模式自動延伸 | 大量填入規則性資料 | 少量資料時人工 Autofill 通常更快；人工智慧仍需驗證格式 |
| 資料擴充 | 以共同識別欄位合併內部表格，或向外部來源補資料 | 加入作者、年份、出版社、國家、座標等欄位 | 共同鍵需唯一；外部資料可能缺漏或幻覺，必須查核 |
| VLOOKUP | 以查找值、資料表、回傳欄序與精確／近似匹配取得欄位 | 把 Info 的 Author／Year 加到 Books |
精確匹配用 FALSE；重複鍵會造成不確定結果 |
| 人工智慧產檔驗收 | 檢查 Excel Table、公式、主題樣式、下載檔與資料完整性 | 避免「看起來完成」但底層不符要求 | 原書觀察到可能需要重試，且下載檔可能因逾時或暫存失效 |
本章把 ChatGPT 比喻成數位世界中的家務助手：真正適合交給它的，是耗時、重複、規則相對清楚的工作。作者聚焦三類任務：建立模板、Autofill、資料擴充。這些任務都可以手動完成，但當規模增加時，人工智慧能降低大量重複操作。
從零建立模板時，作者不是一次把所有要求塞進單一長提問，而是依序建立：工作簿／工作表結構 → 表格欄位 → 格式 → 測試資料 → 公式 → 樣式。這樣一旦結果不正確，較容易定位是哪一步沒有被執行。
原書也提供將多個指令放進文字檔、以 [STEP] 分隔的自動化方式。這能減少人工來回，但作者反覆觀察到，模型常把儲存格做成「看起來像表格」，卻沒有建立真正 Excel Table，因此仍須在 Excel 中檢查表格名稱、篩選器與 Table 功能是否存在。
手寫費用表案例證明，人工智慧可以把照片中的 5 欄資料直接轉成 Excel，並正確重建 $43 + $12 = $55 的總額邏輯；超市傳單練習則展示從較雜亂的視覺版面抽取商品欄位。但影像辨識不是精確資料庫查詢，因此辨識出的商品、規格、價格與漏項都應逐筆核對。
原書的日期案例只有 8 列，手動 Excel Autofill 已非常快速。作者因此明確指出：若只需填幾個值，使用 ChatGPT 的優勢有限；若要處理大量序列，才比較能體現自動化價值。選工具時應比較整體時間，包括上傳、生成、下載與驗證，而不是只看「能不能用人工智慧做」。