把DeepSeek接入Excel并不需要复杂开发：理解API调用、选对连接、设计好提示词与数据边界，就能把AI能力嵌入备课、批改与学情分析。
不少教师把“接入AI”想象成需要搭建服务器、训练模型的大工程，实际在Excel场景里，DeepSeek承担的是远程推理服务，Excel负责数据录入、表格组织和结果呈现。真正需要打通的是身份验证、请求格式、返回解析和教学数据的边界管理，而不是从零开发一套系统。理解这条主线后，接入工作可以落在几个常见工具上，普通教师也能在可控范围内完成验证与使用。
1. 接入逻辑：Excel是前端，模型是服务
DeepSeek接入Excel的本质是一次HTTP请求与响应。Excel中的宏、查询或脚本把单元格里的题目、学生作答、评分标准组织成JSON，通过POST发送到DeepSeek的聊天补全接口，再把返回文本写回指定单元格。请求中通常包含模型名称、消息数组、温度参数和最大输出长度，身份验证依靠请求头里的Bearer API Key。接口地址、模型标识和字段名必须以官方文档为准，不能把网络文章里的示例直接当成长期配置，因为服务端参数会调整。教师需要建立一个基本认知：Excel不直接“运行”DeepSeek，它只是把结构化数据送到远端，再把结果落回表格。
这条链路里有三个容易出问题的环节。其一是密钥管理，把API Key硬编码在共享工作簿的VBA模块中，工作簿一旦转发就会泄露凭据，较稳妥的做法是放在个人凭据文件、系统环境变量或单位统一的中间层代理中。其二是返回解析，DeepSeek返回的是JSON，VBA没有原生JSON解析器，需要引入可信的解析库或改用Power Query展开字段，否则容易把整段JSON误写进单元格。其三是异常处理，网络超时、401未授权、429限流和余额不足都会让宏中断，教学批量处理时应记录错误码并支持重试，而不是让整张成绩表停在半途。把这些环节设计清楚，Excel作为前端界面反而更简单。
2. 三条路径：宏、查询与脚本
最常见的路径是VBA宏。教师在开发工具中启用宏，用MSXML2.XMLHTTP或WinHttp.WinHttpRequest发送请求，设置Content-Type和Authorization请求头，再把返回内容写入相邻列。它适合“点按钮处理当前行”或“批量处理选中区域”的轻量场景，例如把作文评语初稿生成到反馈列。VBA的优点是部署门槛低、与表格交互直接，缺点是JSON解析和并发控制要额外处理，批量调用时还要主动设置超时和分批节奏。对AI指导老师而言，宏更适合做小规模验证和固定模板任务，不宜一开始就承担整年级实时调用。
第二条路径是Power Query。通过Web.Contents提交请求体，用Json.FromValue组织消息，再展开返回JSON中的内容字段，适合“刷新一次处理一批数据”的场景，例如把作业记录表批量送入模型生成分层练习建议。Power Query的刷新过程可重复、可留痕，配置好后不需要每次改代码，但对逐单元格即时响应不友好，且密钥同样要避免写进共享查询。第三条路径是Python或插件中间层，适合需要批量清洗、缓存结果、记录日志和做质量抽样的团队；Office Scripts受平台和网络能力限制，通常要配合Power Automate或单位网关。选择路径时看任务频率、数据量和维护人，而不是看哪种写法更“高级”。
3. 提示词与数据边界
接入能否产生可用结果，很大程度取决于提示词结构而不是接口本身。教学表格里应把任务说明、输入材料、输出格式和评价标准分开组织，例如系统角色限定为“依据评分标准给出可执行的修改建议”，用户消息中再放入题目、学生作答和评分细则，并要求输出固定字段，便于回写到不同列。温度参数在批改和学情分析中宜偏低，减少同一份作业多次生成结论不一致的情况；输出长度要受控，否则批量处理会放大等待时间和费用。提示词还应包含拒答边界，遇到信息不足时要求说明缺少什么，而不是编造学生表现。
数据边界同样需要前置设计。学生姓名、学号、家庭情况和原始成绩属于敏感信息，批量请求前应做脱敏或最小化处理，只发送完成任务所必需的文本；共享工作簿中不应保留完整密钥，调用日志也不应长期保存明文个人数据。成本控制方面，要估算每次请求的输入输出token，按班级规模分批测试，先抽20至50行验证效果，再扩大到全班，避免一次刷新产生大量无效调用。对返回结果应设置人工复核环节，尤其是评语、分层建议和学情结论，不能把模型输出直接作为正式评价。把提示词版本、模型参数和抽样复核记录留在表格之外的工作说明中，后续调整才有依据。
4. 教学场景：从备课到学情反馈
在备课环节，教师可以把单元目标、课时安排、学生前测数据和课堂时间约束放进Excel，由DeepSeek生成教学活动草案，再把结果拆回“导入、探究、练习、评价”四列，方便教研组逐项修改。这里的关键不是让模型替教师做决定，而是把重复性的素材组织工作压缩，让教师把时间放在学情判断和活动取舍上。例如一个班45人、前测正确率呈现三个层次时，表格可以按层次生成不同的例题和追问，教师再根据课堂实际删改。接入脚本只负责把每行数据送入模型并写回建议，不负责判断建议是否适合本班，这个边界要明确。
在作业反馈和学情分析中，DeepSeek更适合承担初稿生成和模式归纳。教师把评分标准、典型错题标签和若干学生作答放入表格，宏按行调用并返回“主要问题、修改建议、下一步练习”三类文本，随后由教师抽查修正。一个可操作的节奏是先抽10%的样本核对语气和准确性，再批量处理剩余行，最后把高频错误汇总回教学调整表。这样既利用了Excel的批量组织能力，也保留了教师对评价结论的责任。对于跨班比较和长期追踪，应把每次调用的提示词版本、处理时间和复核人记录在独立管理表中，避免把一次模型输出误当成稳定结论；这类复核记录本身也成为教研组优化提示词和数据规范的依据。
