一堆格式乱七八糟的数据要清洗标准化，我让 Agent 干了大半

接手过一批历史数据，那叫一个惨：地址有的带省有的不带、电话格式五花八门、日期"2026/6/1""26年6月""6.1"什么都有、公司名各种简称全称混着。要入库前标准化，纯写规则能写吐——情况太多，正则根本枚举不完。

这种"规则多到写不完、但人一看就懂"的清洗，Agent 比硬规则灵活。说说做法。

思路：规则能搞定的归规则，搞不定的交 Agent

别指望 Agent 干所有事。明确格式的（比如电话去空格）用规则又快又准；真正乱、需要"理解"的（地址补全、公司名归一、模糊日期解析）才交给 Agent。

我用讯飞星辰搭了个"标准化助手"，设定里写清楚目标格式和规则，把脏字段丢给它，输出标准化后的结果。规则+Agent 配合，比纯规则覆盖广，比纯 Agent 省钱。

关键

• 输出要结构化：让它返回固定字段的 JSON，下游直接入库（输出不稳的问题前面文章聊过，得约束）。

• 拿不准别瞎填：识别不了的字段，让它标"存疑"而不是硬编一个，留人工复核。

• 抽检：清洗结果一定要抽样核对，别清完直接全量入库，错了就是脏上加脏。

坑

• 它会"自信地标准化错"，比如把不同的公司归成一个。关键字段宁可保守。

• 量大算成本，海量数据先用规则过一遍，剩下规则搞不定的再喂 Agent。

• 不可逆操作留原始：清洗后另存，别覆盖原始数据。

规则 + Agent 配合清洗，又快又能 handle 脏 case。怎么划分"规则管哪些、Agent 管哪些"，我放评论区了。你们清洗脏数据都咋扛的？