我的行业 / 角色 / 职业： 我在证券行业工作，做数字化赋能相关的工作。最近接到业务一个请求，他们日常需要处理大量来自交易所的项目数据，并生成专业的分析报告。
我的高频工作内容： 每天的一部分核心工作是从上海证券交易所、深圳证券交易所、北京证券交易所三大交易所采集再融资、重组、发行上市等项目的最新数据。同时还要整理Wind金融终端导出的补充数据，包括可转债、增发、并购重组等专项数据，以及港股市场的股权承销、保荐人业务等信息。这些数据来源复杂、格式不一，需要进行合并清洗后，最终生成券商投行业务排名报告，为公司内部决策提供数据支撑。以前都是通过各种表格透视表，vlookup来实现。但随着时间推移，文件体积越来越大，要维护的表格和表格内sheet越来越多。
我会在哪些办公场景使用 TRAE SOLO Work：
- 数据采集场景 ：每天早上需要获取三大交易所的最新数据时，通过Trae Work， 我编写了一组技能，分别用来下载数据和分析数据。我会使用se-downloader技能一键批量下载，省去了手动登录各个交易所网站的繁琐步骤。
- 数据汇总场景 ：下载完成后，调用se-ib-stat技能对多个数据源进行自动合并和统计分析，生成标准化的数据汇总表。
- 报告生成场景 ：利用analyze_data.py工具对汇总数据进行深度分析，生成包含排名、趋势等多维度的可视化报表。
- 数据维护场景 ：当遇到券商名称不匹配或数据格式异常时，需要灵活调整券商名称映射字典，确保数据准确性。
我一般怎么用它（使用技巧）： 我的常规操作流程是：在Trae work窗口唤起数据下载技能，这个脚本会自动触发se-downloader技能，依次从三大交易所抓取数据并保存到data目录。数据下载完成后，再执行se-ib-stat.bat脚本启动数据汇总流程，系统会自动读取data目录下的所有数据源，包括交易所数据、Wind补充数据和港股数据。
在这个过程中，我会特别注意维护券商名称匹配字典，确保不同来源的数据能够正确关联到同一券商。对于Wind导出的数据，我会先检查并清洗表头，删除合并单元格等异常格式，确保数据能够被脚本正确识别。
和之前相比，效率提升体现在哪： 在使用TRAE SOLO Work之前，我需要手动完成以下工作：依次登录三个交易所网站，找到相应的数据下载入口，手动下载Excel文件；然后打开每个文件检查格式，手动调整表头和数据结构；接着将多个数据源复制到一个汇总表格中，手动进行数据匹配和统计；最后再根据汇总数据制作分析报告。整个过程通常需要3-4小时，而且容易出现人为错误。
使用TRAE SOLO Work后，整个流程实现了自动化。点击运行脚本后，系统会自动完成数据下载、格式转换、数据合并、统计分析等全部步骤，整个过程只需要15分钟不到。更重要的是，数据准确性大幅提升，通过标准化的券商名称映射，机构名称匹配准确率达到99%以上，不再需要人工逐行核对。
最后，针对外部公开数据，我还通过SOLO设置了自动下载，每周一早晨到公司，打开SOLO就能直接拿到已经准备好的Excel文件。
图片是真实的，用豆包处理了一下截图水印，所以右下角会有标记。
我还希望 TRAE SOLO Work 优化什么（办公场景的产品建议）：
- 支持更多数据源接入 ：目前主要依赖手动导入Wind数据和港股数据，希望能够直接对接更多数据源，实现数据的自动同步。
- computor use，视觉操作 ：最好能提供类似其他工具的computor use，视觉操作浏览器的功能。这样日程办公中的节点审批等点击类操作也能用TRAE SOLO Work实现了，现在还不行。
- SOLO支持邮件发送功能，目前垂类如Wind Alice都已经支持用户自行配置邮件服务，实现文件的收发。如果SOLO能够支持邮件收发功能，日常办公中可以应用到更多的场景。