1. 数模现场：xlsx 转 CSV 后 LLM 仍读不了，卡点往往不在转换本身
xlsx 转 CSV 后 LLM 仍读不了，是数模比赛里很典型的一类排障问题：脚本明明跑通了，终端打印出一串 sheet 名，目录里也确实多了几个 csv，可你把文件交给编辑器里的模型，它要么说找不到文件，要么读出来一列乱码，要么列名和你在 Excel 里看到的完全不是一回事。很多人第一反应是继续折腾 pandas 参数，换引擎、加 dtype、改 keep_default_na，结果越改越乱。真正的原因通常是四个环节里有一个对不上：脚本定位的源路径、f 字符串拼出来的输出文件名、写盘时的编码、空值处理后的类型推断。
这篇按排障顺序来写。先把「C题/附件.xlsx」这条链路拆开，再用 Codex 走 TaoToken 通道逐段核对脚本和报错，让模型告诉你到底是路径、sheet 名、编码还是空值出了问题，最后给出可以整段替换的 pandas 导出代码。适合正在用 Cursor 之类工具做数模、手上有一本多 sheet 的 Excel、又不确定问题出在哪一段的人。文中所有命令和配置都可以直接抄，唯一需要你自己填的是 TaoToken 的 Key。
2. 前置准备：让 Codex 走 TaoToken 通道，不碰 pandas 逻辑
这里先把边界讲清楚，避免后面排查时把两件事混在一起。TaoToken 提供的是模型调用通道，也就是一个 Base URL 加一个 Key；它不会替 pandas 做格式转换，也不会帮你读 Excel。所以「xlsx 转 CSV 失败了」这件事，最终还是要落在你自己的脚本上，Codex 的作用是帮你审这段脚本、读报错、指出哪一行跟你的预期不一致。
先去 https://taotoken.net/?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=console 创建 Key。创建完把 Key 复制出来，放进环境变量，不要写死在脚本里，更不要提交到仓库。
export TAOTOKEN_API_KEY="你的TaoToken Key"然后配置 Codex 的模型通道。关键两点：Base URL 填https://taotoken.net/api，注意后面不要加/v1；Key 用 TaoToken 提供的那一个。下面是一个~/.codex/config.toml的写法示例，字段含义按官方文档对齐即可，具体以接入文档为准：
model_provider = "taotoken" model = "你的模型名" [model_providers.taotoken] name = "TaoToken" base_url = "https://taotoken.net/api" env_key = "TAOTOKEN_API_KEY"配完之后，先别急着把整个数模工程丢进去。正确做法是把「原文脚本 + 那一段报错 + 目录树」三样东西一起喂给 Codex，问题描述写具体，比如「pd.read_excel 读到了 sheet，to_csv 之后目录里只有两个 csv，但 LLM 读第三个表时报 FileNotFoundError」。描述越像你实际看到的现象，Codex 给的定位就越准。接入方式和 Key 管理入口都在 https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=api-keys ，参数细节看 https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=doc 。
2.1 只改模型通道，不改 pandas 版本
有个坑我见得太多了：为了「让模型能看懂」，顺手把 pandas 或 openpyxl 升级了，结果数模工程里其他脚本集体报错。正确顺序是先固定环境，再单独解决 CSV 的落盘问题。
python -c "import pandas, openpyxl; print(pandas.__version__, openpyxl.__version__)"把版本号记下来，之后 Codex 给出的建议如果要求你换版本，先想清楚会不会影响别的脚本。排查阶段，环境变量里加一句PYTHONHASHSEED=0之类的东西没有意义，稳定复现比什么都重要。
3. 可复制配置：pandas 导出脚本与 Codex 检查清单
先给一版比原文更稳的导出脚本。它做了四件事：用脚本自身所在目录做基准路径、显式指定 openpyxl、把输出目录固定下来而不是随手写到当前工作目录、在写盘时处理 sheet 名里的特殊字符。注意f"{name}.csv"这一段是原文最容易出问题的地方，如果 sheet 名里带/，这个 f 字符串会直接生成一个子目录路径，写到一半就抛错。
import os import re import pandas as pd base = os.path.dirname(os.path.abspath(__file__)) src = os.path.join(base, "C题", "附件.xlsx") out_dir = os.path.join(base, "C题", "csv_out") os.makedirs(out_dir, exist_ok=True) print("源文件存在:", os.path.exists(src), "大小:", os.path.getsize(src)) book = pd.ExcelFile(src, engine="openpyxl") print("工作表:", book.sheet_names) sheets = pd.read_excel( src, sheet_name=None, engine="openpyxl", keep_default_na=False, dtype=str, ) def safe_name(name: str) -> str: return re.sub(r'[\\/:*?"<>|]', "_", str(name)).strip() or "sheet" for name, df in sheets.items(): target = os.path.join(out_dir, safe_name(name) + ".csv") df.fillna("").to_csv(target, index=False, encoding="utf-8-sig") print("写出:", target, df.shape)这段跑起来之后，每个表都会落在C题/csv_out/下，文件名经过过滤，不会再因为 sheet 名里的斜杠跑到别的地方去。utf-8-sig保留 BOM，中文列名在编辑器里不会变成问号。keep_default_na=False配合dtype=str，可以让空单元格保持为空字符串，而不是变成NaN之后再被推断成浮点列。
3.1 交给 Codex 的检查清单提示词
把上面脚本和真实报错贴给 Codex 之后，用下面这段作为任务描述，让它按段核对，而不是泛泛地给建议：
请逐段检查这段 pandas 导出脚本，重点核对四件事： 1) os.path 定位的 "C题/附件.xlsx" 是否和实际目录一致，给出核对用的 shell 命令； 2) f-string 生成的 csv 文件名与 sheet 名是否一致，是否可能落到非预期目录； 3) encoding="utf-8-sig" 是否被正确使用，中文列名是否会乱码； 4) fillna("") 之后空值是否仍可能被推断成 NaN 或 float。 请指出让 LLM 读取 CSV 失败的最可能一行，并给出按原脚本风格改好的片段。这里刻意不让它「重写整个脚本」，而是「指出最可能的一行，再给改好的片段」。原因是逐段核对更容易验证真伪：如果它说问题在路径，你就真去ls一下；如果它说问题在编码，你就用十六进制看一眼文件头有没有 BOM。Codex 走 TaoToken 通道的价值在于把报错和你脚本里的具体行对应上，而不是替你重写一版你读不懂的代码。
4. 验证请求：用命令行确认 CSV 是否真的能被读
在把结论交给模型之前，先用 Python 自己验一遍，这一步比任何推理都可靠。下面这段会递归扫C题目录下所有 csv，打印形状和前几列，同时检查文件头三个字节是不是\xef\xbb\xbf。
import glob, os import pandas as pd for p in sorted(glob.glob("C题/**/*.csv", recursive=True)): with open(p, "rb") as f: head = f.read(3) try: df = pd.read_csv(p, dtype=str, keep_default_na=False) print(os.path.abspath(p), "BOM:", head == b"\xef\xbb\xbf", "shape:", df.shape) print(" 列名:", list(df.columns)[:6]) except Exception as e: print(os.path.abspath(p), "读取失败:", type(e).__name__, e)一个成功的输出大概长这样：每行都是绝对路径，BOM: True，shape 和你印象中的行列数对得上，列名是中文且没有乱码。如果某一行直接抛UnicodeDecodeError，说明那个文件不是utf-8-sig；如果BOM: False，说明写盘时编码参数没生效，模型读到的中文就可能出问题；如果 shape 的第一维是 1，多半是分隔符不对或者被当成了单列。
4.1 让 Codex 复述失败点，而不是复述你的话
验证阶段的问法也要注意。直接把上面那段扫描脚本的输出粘给 Codex，然后问「哪个文件最可能导致 LLM 读不了，依据是什么」。一个合格的回答会明确指向某个路径，并给出依据，比如「该文件 BOM 为 False，且列名出现\ufffd，与其余文件不一致」。如果它只是把你说过的话换个顺序再说一遍，那就没有给出增量信息，直接换一个更具体的问法，比如「只看 BOM 为 False 的那一个文件，给出三行修复代码」。
模型对话入口在 https://taotoken.net/chat?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=chat ，验证阶段用它做交叉确认比较顺手，不必每次都改本地配置。
5. 本篇常见错排查：路径、sheet 名、编码、空值
下面这张表按现象归类，基本能覆盖 xlsx 转 CSV 之后模型仍然读不了的大部分情况。遇到问题时先对号入座，再决定要不要动代码。
| 现象 | 常见根因 | 修法 |
|---|---|---|
| 报 FileNotFoundError | C题是相对当前工作目录，不是脚本目录 | 用os.path.dirname(os.path.abspath(__file__))做基准 |
| 目录里只有部分 csv | sheet 名含斜杠或冒号，f 字符串拼出了非法路径 | 过滤 Windows 非法字符后再拼文件名 |
| 中文列名乱码 | 写成utf-8而非utf-8-sig | to_csv(..., encoding="utf-8-sig") |
| 空列变成 NaN | 默认keep_default_na=True | read_excel时加keep_default_na=False |
| 数字被读成科学计数 | 未指定dtype=str | 读取时dtype=str，让下游自己做类型转换 |
| 多个 sheet 互相覆盖 | 文件名只用了简单的 name，重名时后者覆盖前者 | 拼文件名时加序号或加 sheet 索引 |
| 第一行成了列名的一部分 | 原表有合并表头或说明行 | read_excel加skiprows显式跳过 |
5.1 路径这一类错：先确认你pwd在哪
数模工程通常是一个压缩包解压出来的，里面还带A题、B题、C题三四个目录。你在 PyCharm 或 VS Code 里点运行，工作目录是工程根目录；你在终端cd C题之后再跑，工作目录就变了。C题/附件.xlsx这种相对路径在这两种情况下会指向完全不同的位置。最省事的验证方式是在脚本开头就打印os.getcwd()和目标路径的绝对路径，两边一对比，问题立刻现形。这一步做完再去看 csv 落到了哪里，通常你会发现文件被写到了另一个目录。
5.2 sheet 名这一类错：f 字符串不会帮你转义
f"{name}.csv"看起来人畜无害，但 sheet 名里带空格、带中文括号、带斜杠都很常见。空格和中文没问题，斜杠和冒号会直接造成路径错误，在部分系统上甚至会静默写到别的目录。上面给的safe_name就是干这个的。另外还有一类隐蔽情况：某个 sheet 名前后带空格，Excel 里肉眼看不出来，拼出来的文件名就多了一个空格，模型按你口头给的名字去找，自然找不到。
5.3 编码与空值：让模型看到的是「空字符串」而不是 NaN
utf-8-sig前面的sig就是 BOM，作用是在文件开头写三个字节，让 Excel 和部分编辑器识别出这是 UTF-8。少了它，中文列名在某些读取路径下会变成乱码，模型看到的就是一堆替换字符。空值这块同理，fillna("")之后如果又用默认的read_csv去读，NaN可能被反向推断回来，最后列被识别成 float，模型对列语义的判断就偏了。排查时可以直接head -c 16 文件名.csv | xxd看一眼文件头，BOM 在不在，一秒就能确认。
5.4 长期在数模工程里做这类排查，可以把通道固定下来
如果一整个赛季都在反复调 Excel、CSV、编码这些事，每次临时配 Key 会很烦。可以把这套通道配置固定成一份长期配置，用 Coding Plan 管理多轮对话和上下文，避免每次都从零描述目录结构。入口在 https://taotoken.net/coding-plan?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=coding-plan ，适合需要连续几轮追问同一份脚本的场景。
6. 想把这条排障链路跑顺，先把 Key 和文档存下来
回到最开始那个问题：xlsx 转 CSV 后 LLM 仍读不了，别急着怀疑模型能力，先把路径、sheet 名、编码、空值这四件事在本地验一遍。验完之后，把脚本、报错、扫描输出一起交给走 TaoToken 通道的 Codex，让它点名最可疑的那一行。整个流程里，你唯一需要从 TaoToken 拿的就是 Key 和 Base URL，pandas 那边该怎么改还是得你自己确认，这样排查结果才站得住。
Key 创建和接入配置从这里开始：https://taotoken.net/console/api-keys?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=api-keys 。Base URL 统一填https://taotoken.net/api，不要加/v1。参数、字段、模型名的写法都在接入文档里：https://taotoken.net/doc?utm_source=taotoken_aicg_blog_end&utm_medium=csdn&utm_campaign=rewrite&utm_content=doc 。
最后留一个我踩过的细节：每次改完导出脚本，先删掉旧的csv_out目录再重跑，别让上一轮的残留文件混进去。模型报错时说的那个文件名，很可能就是上一轮留下来的，而你盯着新代码怎么都看不出来问题在哪。
