知识卡片：SheetCompass：用层次化关系图增强智能体电子表格推理

一句话结论

SheetCompass 提出用层次化关系图显式建模工作簿内和工作簿间的结构关系，并用记忆驱动智能体进行电子表格推理与自动化，避免传统方法把多维表格结构“压扁”成字符串而丢失关键语义。

事件概述或研究问题

电子表格广泛用于组织、分析和操作半结构化数据，但大语言模型（LLM）在自动化地理解真实工作簿时仍面临困难。真实工作簿通常包含：

• 隐式的跨表关联；
• 细粒度的列依赖关系；
• 复杂的空间布局。

现有方法往往将这些多维结构“扁平化”为顺序字符串，导致丢失表格内部边界与表格间语义。论文认为，LLM 因此无法利用人类专家在查看电子表格时自然依赖的全局空间上下文。

方法/产品要点

SheetCompass 是一个“图引导 + 记忆驱动”的智能体框架，核心要点包括：

• 显式建模工作簿内部及跨工作表的结构关系；
• 在记忆中维护与任务相关的信息；
• 让智能体在复杂工作簿上更有效地进行推理与自动化操作；
• 论文标题进一步表明其采用“层次化关系图”来承载这些结构信息。

主要结果或产业意义

• 论文尚未在摘要中提供量化实验数据，因此具体性能、评测基准、与基线方法的对比等结果目前“待核实”。
• 潜在产业意义在于：为办公自动化、电子表格智能体、企业数据分析助手等领域提供了一种“把表格当图来理解”的产品思路。
• 对于真实复杂工作簿，图结构建模可能比单纯扩展上下文长度更重要，但该判断需要后续实验验证。

为什么重要

现有 LLM 表格处理多依赖序列化或拼接式输入，而 SheetCompass 强调结构关系与记忆，直接针对“工作簿”这一真实办公单位进行智能体设计。其增量价值在于：不是只读单个工作表，而是建模多个工作表之间的隐式关系。

与既有脉络的关系：

• 相对于 Argus 的“通用智能体运行时”，SheetCompass 聚焦电子表格领域，突出领域内结构图建模；
• 相对于 HDR 的分层去噪视觉推理框架，SheetCompass 面向半结构化表格而非视觉场景，但同样关注“层次化结构”的利用。

局限与不确定性

• 摘要中未给出实验设置、数据集、基线、评估指标或消融研究，因此效果和通用性目前“待核实”。
• 未说明图结构如何从原始电子表格中自动构建，也未说明构建成本。
• 未说明是否支持公式、宏、跨文件引用、多表联合查询等具体办公场景。
• 是否开源、是否集成到具体产品中，均“待核实”。

可用于图书/PPT/简报的角度

• “表格不只是字符串，而是一张关系图”：可用来解释为何纯文本化处理对复杂表格不够。
• “智能体推理的关键是结构感知与记忆”：可结合办公自动化案例，说明 LLM agent 在表格场景中的设计选择。
• “从单表理解到跨表理解”：可作为数据分析工具演进的一个叙事角度。

原始材料

• 英文标题：SheetCompass: Hierarchical Relation Graphs for Agentic Spreadsheet Reasoning
• 英文关键词：agentic spreadsheet reasoning; hierarchical relation graphs; graph-guided reasoning; memory-driven agent; spreadsheet automation; LLM
• 原始来源：arXiv:2608.14452v1
  https://arxiv.org/abs/2608.14452v1
  PDF：https://arxiv.org/pdf/2608.14452v1
• 作者：Panjing He, Mingyue Cheng, Yucong Luo, Li Li, Xiaohan Zhang
• 提交/更新时间：2026-08-14（来自抓取信息）
• 主分类：cs.AI
• 摘要原文（摘录）：
  “We propose SheetCompass, a graph-guided and memory-driven agentic framework for spreadsheet reasoning and automation. SheetCompass explicitly models structural relationships within and across worksheets while maintaining task-relevant information in memory, enabling agents to reason more effectively over complex workbooks.”