📔 笔记整理 · 🌿 生长中 · 由 Jarvis 根据制课过程起草 · 图例见 本站的诚实规则
我在给进阶课《Excel 篇》做数据集。课程要教的是：怎么指挥 AI 把一份脏 Excel 变成能直接交差的分析报告。
问题是，去哪找一份“恰到好处地脏”的数据？
真数据，假伤口
我手里有一份真数据：鄱阳湖星子水文站的逐日水位，1953 到 2025，整整 73 年、26663 行，一天不缺。
它太干净了，干净得没法教清洗。但它的戏份无可替代：2020 年 7 月 12 日，水位冲到 22.59 米，全年 57 天超警戒；2022 年 12 月 22 日，跌到 6.07 米，鄱阳湖湖底变成大草原。学员画出来的每张图上，都是上过新闻的真事。
所以我的做法是：切出 2018 到 2025 这八年（两场极端水情都在里面），然后亲手把它弄脏。给真数据造假伤口，每道伤口对应课程里的一个任务。
六个坑的设计逻辑
每个坑都来自真实世界的一种数据病：
- 合并单元格标题：表头不在第一行，教“表不是从第一行开始的”；
- 文本日期格式一：2021 全年写成
2021/1/1； - 文本日期格式二：2022 全年写成
2022年1月1日。两种混排，教“你眼里的日期，Excel 眼里可能只是字符”； - 单位事故：2020 年 8 月 1 日到 10 日，十行数据把米记成了厘米，水位变成两千多。这是各行各业天天都在发生的真实事故类型；
- 缺失与缺测：12 处空白加 3 处文本“缺测”，教插值和“补出来的数要留痕”；
- 重复行：一段五天的数据被贴了两遍，教去重前先问口径。
其中第 4 个坑是全课的钩子。第一课学员什么都还不会，就让他们问 AI：这八年最高水位是多少？AI 会一本正经地回答：2115 米。
鄱阳湖水位两千一百米，差不多四分之一个珠穆朗玛峰。学员盯着这个数字的瞬间，整门课想教的东西就教完了一半：AI 计算从不出错，但它算的是你给它的数据。数据带病，答案就带病。
当然还有另一种走向：AI 可能自己先发现异常，提醒学员数据有问题。课稿里两种情况都写了处理方式，抓到 AI 翻车是一课，看到 AI 主动质检也是一课。
答案卷哲学
埋坑的同时，我给每个坑写了答案卷：清洗完成的客观标准是行数 2922、日期连续、全列数值、最高 22.59、最低 6.07。这些数字和我原始分析逐位一致。
这么做的原因：小白课的验收不能靠老师判卷，必须客观到学员自己能打勾。数字对上了就是过，对不上就是没过，没有“差不多”。
这门课还在制作中。相关：协议解析代码必须默认高风险，同样是“把正确的严格程度放在正确的位置”这个思路。