AI 格式转换：CSV/JSON 互转 prompt 模板

你做前端，后端给了一份 200 行的 CSV，让你”转成 JSON 喂给 API”。你做运营，技术给了一份 JSON 接口返回，让你”导成 Excel 给老板看”。你做数据，要把 50 个嵌套对象的 JSON 拍平成表格做透视。这三种活儿手写代码能写半小时，让 AI 格式转换 30 秒搞定。

CSV / JSON / Excel 三种格式之间的互转，本质是”结构映射”——AI 最擅长这种活。Anthropic 官方有一个叫 CSV Converter 的 prompt 模板，本文把它改写成中文版，再加 6 个真实场景示例 + 嵌套结构 / 中文乱码两个进阶坑。

为什么不直接用 Excel 自带的”另存为”

Excel 自带 3 个转换功能，3 个都有坑：

1. 「另存为 CSV」：默认 GBK 编码，中文字段在很多 API 里乱码
2. 「数据 - 自 JSON」：导入嵌套 JSON 自动拆，但拆出来不一定是你想要的列
3. 没有「另存为 JSON」：Excel 原生不能直接导出 JSON

AI 帮你做这事的 3 个优势：

• 自定义嵌套规则：你说”客户信息要嵌套成 customer 子对象”，AI 直接给你结构
• 批量字段重命名：A 列在 CSV 叫”姓名”，到 JSON 里要叫 “userName”，AI 一句话改
• 过滤 / 转换：导出时去掉敏感列、把日期格式从 “2026/5/17” 转成 ISO 8601，一步到位

用哪个工具

如果数据量在 1000 行以内，AI 单次能搞定。超过 5000 行让 AI 给一段 Python / JavaScript 脚本 本地跑更靠谱。

万能 prompt：CSV/JSON 互转专家

下面这段套到任何 AI 都能用：

你是一位资深数据转换专家，擅长在 CSV、JSON、Excel、TSV、XML、YAML 之间互转。
我的需求：

源格式：[CSV / JSON / Excel / TSV / …]
目标格式：[CSV / JSON / Excel / TSV / …]
转换规则：[字段映射 / 嵌套结构 / 字段过滤 / 格式转换]
数据规模：[行数 / 字段数]
源数据：
```
[在这里粘贴源数据，CSV 直接贴文本，JSON 贴对象]
```
期望结构：
[描述目标格式的字段名、嵌套层级、数据类型]
特殊要求：

字符编码：[UTF-8 / GBK]
日期格式：[ISO 8601 / yyyy-MM-dd / 时间戳]
数字格式：[保留几位小数 / 是否带千分位]
空值处理：[null / 空字符串 / 删除字段]
字段重命名：[源字段名 → 目标字段名]
请按以下格式输出：
转换后的数据
[直接贴转换后的完整结果]
转换说明
[列出每个字段如何映射、做了哪些处理]
验证样例
[给 1-2 行源数据 + 对应的目标数据，方便我手动核对]
如果数据规模超过 1000 行
[给一段 Python 或 Node.js 脚本，能本地跑相同的转换]

下面 6 个场景示范怎么填。

6 个真实场景示例

场景 1：CSV 转 JSON（最常见）

源数据：

id,name,email,city
1,张三,[email protected],北京
2,李四,[email protected],上海

发给 AI 让它转 JSON，得到：

[
  { "id": 1, "name": "张三", "email": "[email protected]", "city": "北京" },
  { "id": 2, "name": "李四", "email": "[email protected]", "city": "上海" }
]

字段名、数据类型 AI 自动判断（id 是数字、name 是字符串）。

场景 2：CSV 转嵌套 JSON

需求：把扁平 CSV 转成有嵌套结构的 JSON。

源 CSV：

user_id,user_name,addr_city,addr_street,addr_zip
1,张三,北京,长安街 1 号,100001

期望 JSON（addr 字段嵌套）：

[
  {
    "userId": 1,
    "userName": "张三",
    "address": {
      "city": "北京",
      "street": "长安街 1 号",
      "zip": "100001"
    }
  }
]

prompt 里写「按 addr_ 前缀的字段嵌套成 address 子对象，并把 snake_case 转 camelCase」，AI 一次给完。

场景 3：JSON 拍平成 CSV/Excel

源 JSON：

[
  {
    "userId": 1,
    "userName": "张三",
    "orders": [
      { "orderId": "A001", "amount": 100 },
      { "orderId": "A002", "amount": 200 }
    ]
  }
]

拍平规则：每个订单一行，重复用户信息。

userId,userName,orderId,amount
1,张三,A001,100
1,张三,A002,200

prompt 里说”按 orders 数组展开，每个订单一行，外层字段重复”，AI 直接给。

场景 4：CSV 转 SQL INSERT

需求：CSV 数据要导入数据库，转成 SQL INSERT 语句。

INSERT INTO users (id, name, email, city) VALUES
(1, '张三', '[email protected]', '北京'),
(2, '李四', '[email protected]', '上海');

prompt 里说”转成 MySQL INSERT 语句，表名 users，字符串字段用单引号包”，AI 给完整 SQL。1000 行 INSERT 一次性出。

场景 5：JSON 转 YAML（配置文件）

源 JSON：

{
  "server": { "host": "localhost", "port": 8080 },
  "db": { "user": "admin", "password": "***" }
}

转 YAML：

server:
  host: localhost
  port: 8080
db:
  user: admin
  password: '***'

适合给 K8s / GitHub Actions 配置文件做迁移。

场景 6：CSV 转 Markdown 表格（写文档用）

把 CSV 直接转成 Markdown 表格，做技术文档 / 周报 / README 必备：

| id | name | email | city |
|---|---|---|---|
| 1 | 张三 | [email protected] | 北京 |
| 2 | 李四 | [email protected] | 上海 |

写周报时，把 Excel 数据贴给 AI，秒转 Markdown 表格粘进飞书。

手把手 4 步走

第 1 步：把源数据准备好

3 种粘法：

1. CSV 文本：直接复制 Excel 一片区域粘到 prompt 里（Excel 复制后是 Tab 分隔的 TSV，AI 也认）
2. JSON 对象：从 Postman / 浏览器 DevTools 复制 JSON
3. 截图：截屏粘给 Claude / GPT 也能识别，准确率 90%

第 2 步：描述目标格式

越具体越好：

• 目标格式（JSON / Excel / YAML）
• 字段重命名规则（user_id → userId）
• 嵌套规则（addr_ 前缀嵌套到 address）
• 特殊处理（空值转 null、日期转 ISO、敏感字段删除）

第 3 步：拿到结果先小数据验证

3-5 行小数据先转，眼睛核对前后字段是不是对得上。对了再扩到全量。

第 4 步：超过 1000 行让 AI 给脚本

AI 单次输出有上下文上限（通常 500-1000 行的 JSON 就到顶）。超过 1000 行直接让 AI 写一段 Python / Node.js 脚本：

import csv, json

with open('input.csv', encoding='utf-8') as f:
    rows = list(csv.DictReader(f))

result = [
    {
        'userId': int(r['user_id']),
        'userName': r['user_name'],
        'address': {
            'city': r['addr_city'],
            'street': r['addr_street'],
        }
    }
    for r in rows
]

with open('output.json', 'w', encoding='utf-8') as f:
    json.dump(result, f, ensure_ascii=False, indent=2)

本地跑 5 秒搞定 10 万行。

5 个让 AI 转换更稳的技巧

技巧 1：贴 2-3 行最有代表性的样本

不要贴 100 行——浪费 token 还容易让 AI 漏字段。贴 2-3 行最典型的（含正常 + 异常 + 边界）就够。

技巧 2：明确”目标字段名”

不要让 AI “自由发挥”字段名。在 prompt 里写：「目标 JSON 字段必须是 userId / userName / email / cityName」，AI 不会乱命名。

技巧 3：单独说明”嵌套规则”

嵌套结构是最容易出错的。建议单独列一段「嵌套规则」明确：

• 哪些字段要嵌套成子对象
• 哪些字段要拆成数组
• 哪些字段要保持扁平

技巧 4：把”日期 / 数字 / 布尔”格式写清楚

CSV 里全是字符串，转 JSON 时要不要变成数字 / 日期 / 布尔？写清楚：

• “true” / “false” 转布尔
• “2026-05-17” 转日期对象（或保持字符串）
• “100” 转数字（或保持字符串）

技巧 5：要求”输出格式校验”

让 AI 在转换后跑一遍 JSON.parse / CSV 解析验证，确保输出能被机器解析。不然贴到 API 报 SyntaxError 又要回去调。

一个常见失败案例 + 怎么救

失败场景：CSV 里有”姓名”列含逗号（如”张三, 张三丰”），直接转 JSON 时 AI 把它拆成 2 个字段。

救援步骤：

1. 告诉 AI 数据特征：「字段值里可能含逗号」
2. 要求”严格按表头分列”：明确”用第一行表头数列数，遇到逗号但不是分列符的要识别”
3. 改用 TSV 中间格式：Excel 复制是 Tab 分隔，让 AI 按 Tab 解析更稳
4. 要求 AI 用代码处理：让 AI 写 Python csv 模块（quoting=csv.QUOTE_ALL），原生支持引号包裹字段

记住：CSV 是个看起来简单但坑超多的格式。复杂数据建议跳过 CSV，直接 JSON ↔ Excel 互转。

进阶玩法 + 类似场景

进阶玩法 1：JSON 转 Excel 多 Sheet

源 JSON 有多个数组，想拆成多个 sheet：

{
  "customers": [...],
  "orders": [...],
  "products": [...]
}

让 AI 写 Python 脚本（pandas + openpyxl），3 个数组分别落到 3 个 sheet。

进阶玩法 2：CSV 转 GraphQL Mutation

要做数据迁移：CSV → GraphQL mutation。

mutation {
  insert_users(objects: [
    { id: 1, name: "张三", city: "北京" }
    { id: 2, name: "李四", city: "上海" }
  ]) { affected_rows }
}

让 AI 按你的 GraphQL Schema 字段名生成，500 行直接出。

进阶玩法 3：定时同步用 Apps Script

如果数据每天要从 Google Sheets 同步到 API，写一段 Google Apps Script 定时跑 CSV→JSON→POST 整个流程。

类似场景

• AI 写 Excel 公式完整教程
• Excel 合并表 AI 教程
• Google Sheets Apps Script AI
• Excel 数据清洗教程
• AI 生成 Excel 测试数据
• Claude prompt 库中文版

常见问题

Q：转换后中文乱码怎么办？ A：99% 是编码问题。CSV 用 UTF-8 编码（不是 GBK），JSON 永远是 UTF-8。Excel 另存为时选「CSV UTF-8」而不是「CSV (逗号分隔)」。

Q：能处理 10 万行的 CSV 吗？ A：单次对话不行（上下文不够）。让 AI 写一段 Python / Node.js 脚本，本地跑 5 秒搞定。或者用 Google Apps Script 在 Sheets 里跑。

Q：JSON 嵌套 5 层以上怎么拍平？ A：让 AI 用「点号路径」拍平：user.address.city 成一列、user.orders[0].amount 成一列。Python 的 pandas.json_normalize 函数就是干这个的，AI 给你代码。

Q：能保留 JSON 的字段顺序吗？ A：JSON 标准上字段无序，但实际所有解析器（包括 JavaScript Object）会保持插入顺序。让 AI 在转换时按 CSV 表头顺序生成 JSON 字段，自然有序。

Q：转换敏感数据安全吗？ A：不要把真实手机号、身份证、密码粘给云端 AI。3 种保护方案：1）脱敏后再转；2）只贴样本，让 AI 给脚本本地跑；3）用本地 LLM（Ollama）跑。