同一张表，换个格式它就读不懂了？

一个流传很广的喂数据焦虑

把数据喂给 AI 时，很多人有格式焦虑：表格要不要转成 Markdown？CSV 它读得顺吗？写成一段话它会不会就找不到数了？网上的经验帖各执一词，还有人专门总结「黄金格式」。

这类争论有个共同问题：很少有人拿同一份数据、同一个问题，正经八百地比过。我们比了，而且比了两轮。

第一轮：四种格式，全对

我们编了一家小公司的销售表：3 个产品、4 个季度、12 个销售额。同一份数据做成四种样子——标准的 Markdown 表格、逗号分隔的 CSV、逐行列出的文本清单、以及一段完全散文化的叙述（「云朵杯第一季度卖了 128 万元，第二季度 156 万元……」）。

每种格式交给 3 个独立会话，回答同一组 8 道题：查某个格子、全年求和、两季度作差、找合计最高的季度。结果：四种格式全部 24/24。合计 96 次查询，零错误。

第二轮：加脏，表格对散文，还是全对

第一轮的表太小太干净。我们加压：扩到 5 个产品、6 个月、30 个格子，再塞进两个现实里最常见的麻烦——一个缺失值（星月灯 3 月未上市，表格里是「—」），一行合计（合计行是经典陷阱：不小心会把总计当成一个产品再加一遍）。只比最悬殊的两种：Markdown 表格对纯散文。

8 道题包括：跨六个月求和、全店总销售额（3671 万元）、数缺失的月份、找单产品最高。结果：两种格式又都是 24/24，六份答卷逐项一字不差。散文里我们甚至写了一句带倾向的话——「星月灯是卖得最好的」——需要计算的题目照样没被这句叙述带偏。

怎么理解

在这个量级上，可以成立的结论是：它读的是数据关系，不是版式。行和列对它来说只是定位线索的一种，散文里只要数字和归属说清楚，它重建出同一张内在的表。而且缺失值它处理得对（知道「—」是没数据、不是零，也不是要跳过的行），合计行也没有骗它重复计算。

这与最近几期的实测互相印证：V2-12 里无关数字骗不了它做应用题，这里版式变化骗不了它读表——它对「信息是什么」远比对「信息长什么样」敏感。

边界与落点

没测的部分要讲明：真实工作里的表常常有几百行、合并单元格、同一个指标前后两种口径、单位在表格中间悄悄切换。这些「脏」法本期都没上，结论只覆盖「小规模、结构干净」的数据。在这个前提下，给读者的落点很简单：

• 别在格式上耗时间。Markdown、CSV、清单、散文，它都读得一样好；把你手边现成的那份直接给它。
• 把时间花在把数字说清楚上：单位是什么、时间口径是什么、缺失值代表没数据还是零。这三件事写明，比任何「黄金格式」都管用。
• 重要的表，让它回答时顺带报出用到的原数（「星月灯 Q3 是 226」），你一核对就知道它有没有读串行——这一招比换格式实在得多。

边界（汇总）

数据规模上限为 30 个格子；数值均为整数、无单位混杂与合并单元格；单个模型（Muse Spark）；两轮共 144 次查询。

来源 实测：本栏目实测，两轮共 144 次查询（执行模型 Muse Spark，2026-11-04），数据、题面与判分脚本见本期实验档案。关于「格式效应主要出现在大而脏的表格上」为编辑综合判断，非单一论文结论。