前言
Hello，long time no see，my friends!
最近又潜水了一段时间，最近在忙比较多项目，所以就潜水了两个月时间，最近的工作重点集中在财税合规/ 知识框架梳理/ AI落地应用探索。
前两天DeepSeek更新至v3.1，因为后续会逐步支持国产芯片，甚至拉动芯片板块上涨，大A直接干到了3850（解套有望了555），详细看了更新的公众号推文和API文档介绍。
最近也同步在做新品市场调研，做客户review分析的时候，难以避免投入大量的时间精力进行 理解/ 标注/ 分类，这部分工作甚至会占到整项任务70%以上的时间。
当管理的哥们表示这都不是事，直接丢给实习生不就完事了吗？文末有分享表格工具模板（实习生暗卷，2h做完一天工作，剩下时间摸鱼hhh）。
当然市面上已经有成熟的VOC软件，例如Shulex可以快速完成客户分析生成看板，对于快速把控客户侧洞察有较大帮助，但是想要再细致的分析就比较难支持了（可能企业定制版可以实现）
但是本着严谨、负责的态度（555还是因为试错资金有限），我还是得亲力亲为，要深入了解客户，就必须看一手的VOC，但是其中一些高度重复、低价值的工作确实可以想办法抽离出来，特别是现在AI模型的能力越来越强，已经能实际落地许多生产场景。
好的，那接下来以客户review分析为例，深入探讨如何利用DeepSeek API快速进行review分析。
其他衍生场景大家就自行发散了，欢迎评论区讨论~
1 DeepSeek API
1.1 API概念解释
首先，跟大家简要解释API这个概念，其实非常容易理解，可以粗暴理解为“黑盒子”，你只需要知道是“做什么的”，而不需要关注“是如何完成的”。
这样就可以避免大量的重复造轮子的情况，可以快速提升协作效率，人们只需要专注在自己最擅长的方面。
如果还是觉得不够通俗，可以理解为有一个“加钱哥”，能够完成特定的任务，但是只需要你加钱，就能驱使“加钱哥”做事。
“加钱哥”对外提供的服务：解决麻烦（拯救师爷苏）
高度封装：你不需要知道他是不是叫了帮手，用什么刀，从哪条路杀进去；同样你也不需要学习深度神经网络算法
得加钱的场景：任务难度上升，处理特定任务消耗的Tokens数较高就需要继续充钱。
某些方面，AI和“加钱哥”确实有很多相同点，你向AI提问就会被计算Token的（输入/ 输出 都会被计算），无论你的问题是否被实际解决。
1.2 生成自己的API
可以直接在DeepSekk API官网创建 API Key，非常简单和快速
https://platform.deepseek.com/api_keys
DeepSeek更新模型为v3.1之后价格上调了，但是在这么多模型里面我认为还是性价比最高的。
建议第一次开只要充 20软妹币就好了，我做完一个完整的review分析也只花了0.5，够玩很久了。
1.3 了解更多
如果少侠觉得以上内容过于简单，对于你来说如同砍瓜切菜，建议可以继续深入学习API文档
https://api-docs.deepseek.com/zh-cn/
我在看API文档的时候能体会到一种严密的逻辑思维美感，回到高中被数学函数压轴题支配的恐惧。
2 Excel VBA
2.1 VBA基本介绍
VBA可能95后在小学上信息与技术课程的时候有接触过，小学只会用来画海龟，简而言之就是集成在excel表格里面的编程语言，利用编程就可以完成丰富的自定义功能。
但是VBA使用环境有一定的要求：
微软Office：正版/ 绿色版通常都支持，只需要在加载项里面打开即可
WPS（会员）：充钱使我变强，但是也有邪修（某个大佬写了植入插件），也放在附件里面了。
文件类型：因为使用VBA要启动宏，所以通常都是使用xlsm后缀进行文件保存。
具备以上条件之后，就可以愉快使用VBA进行DeepSeek API的调用了。
2.2 其他方案
现在，办公软件的AI化进程也非常快，牛马三件套（飞书、钉钉、WPS）也都推出了多维表格，可以添加AI字段，完成 信息提取、归纳、总结、分类、生成 等任务，实际使用体验也挺丝滑的（但是也慢慢能理解老年人不会用智能手机了，其实也是短短两三年而已，工具迭代速度非常快）
既然多维表格的AI字段已经这么成熟了，是否还有必要再搞传统表格？传统表格的最大价值是每个人的电脑几乎都会有excel软件，使用场景更加广泛，也更容易传播。简单但强大！（Excel甚至还有电竞比赛）
3 使用场景
a. 产品信息提取：引用单元格为一个产品标题，请帮我进行所有产品参数提取，可以使用键值对格式：属性 - 属性值
b. 关键词分类：引用单元格为一个产品搜索关键词，请帮我进行关键词分类，可以选择下述类型：品类词、属性词、功能词、参数词、场景词、品牌词、西语词、其他，以及你认为可以添加的类型。
c. Review归纳总结：引用单元格为一条产品review，请帮我整理为以下格式：1. review中文；2. 客户情绪分析；3. 好评点分析：a/b/c（最多5点）；4. 差评点分析：a/b/c（最多5点）
d. Listing生成：引用单元格为产品的中文卖点，请帮我输出对应的美式英文产品卖点。
e.更多场景：应该要强化这种思维：只要涉及大量重复的工作流，都要想办法通过编程+AI进行提效。
4 表格模板
4.1 问题分析
如果利用API来完成review文本分析，应该从哪些方面入手？
review中文：一般有6级英语水平的都能看懂，但是优势review里面还会有大量口语化表达、甚至是特定地区俚语，甚至翻译软件也很难胜任，AI翻译的信息损失度我感觉是最低的。
用户情绪：分析客户review的情绪，满意/ 不满/ 甚至是愤怒
好评点：好评点分类，好评点频次，好评点百分比统计
差评点：差评点分类，差评点频次，差评点百分比统计
API调用思路：
具体单元格 + 希望模型处理的方式，根据这个思路构建deepseek公式：
=DeepSeek( 单元格，提示词 )
参数1：引用具体的单元格，模型会对引用的单元格内容进行处理
参数2：针对特定的单元格内容进行处理的提示词Prompt，以下为亚马逊电商业务流的常见用法
4.2 使用教程
[配置说明]表格补充API Key
即可使用deepseek（单元格，prompt）函数，详细使用说明已经在表格中阐述，如果还有问题欢迎评论区交流，或者看我主页信息与我link。
5 优化空间
当前版本其实还是比较糙的，从想法诞生到最小化产品落地，其实只花了1个小时的时间，写了一个基础的xlsm文件，技术大佬轻喷（求指教）
这里面肯定也有很多优化思路，我整理了一些，欢迎大家在评论区反馈交流，下一个版本会针对大家的反馈进行优化。
感谢阅读，希望您能有所收获~
相关附件：