做Excel表，真就動動嘴就夠了！

看，輸入想要干的事：給學生成績排個名吧。

【資料圖】

簡單敲個回車，表格唰一下就列好了！

檢查一遍也沒錯。

還能跨表格處理。

比如標記出兩張不同表格中排名都在前十的學校。

哦豁，還有點超越ChatGPT？

畢竟給ChatGPT提出類似的要求，它只能幫我寫出對應的代碼，操作還得自己手動來。

這就是最近在知乎上引起關注的AI工具ChatExcel，一發布就登上了熱榜。

它主打用對話的形式實現Excel復雜操作（Chat-to-Excel），告別記函數、手動設置公式。

做好的成品，支持一鍵導出成標準Excel表格，連復制粘貼這道工序都省了。

而且不用注冊、網頁上就能用、不限使用次數，相當利好懶人和Excel小白。

甚至懂Excel技能的人都感慨，自己會的這些是不是要沒用了。

這就是由北京大學深圳研究生院/信息工程學院3位碩博生，獨立開發的項目。

目前已開放Demo供大家試玩。

看到這可能很多人都以為，“這又是一個受到ChatGPT影響開發的項目嘛”。

還真不是。

GitHub項目上的第一個commit是在22年3月就提交了。

而背后真正的契機——

其實是團隊中一位小哥，想用技術幫女票解決點工作中的小煩惱啦。

這到底咋回事？量子位聯系了主創團隊，來一一給大家揭秘~

ChatExcel表現如何？

咳咳，別人女票的事稍后再談，咱們先來看看ChatExcel的表現到底咋樣。

總體來說，它想做的事就是跳過學習Excel、跳過寫函數公式，直接把腦子里的需求變成表格里的內容。

團隊在知乎首發產品時，用了一張圖做解釋：

老規矩，我們來上手體驗下。

進入主頁面后，網站默認展示demo，點擊UPLOAD就能上傳自己的表格。格式需要是標準Excel文件。

我們找隔壁ChatGPT生成了一份學生成績單，讓ChatExcel進行計算操作。

主要測試了需要插入函數的Excel操作。比如：

給總分在255以上的人標記為A，總分在240-255的人標記為A-，總分在210-240的人標記為B。

打完內容，敲一下回車，它就開始處理了。

假如老師想知道誰是單科第一呢？輸入：

找到表格中數學成績最高分的人。

然后，它就生成了一個新的界面，里面只有最高分童鞋。

如果還想對表格進行其他操作，點一下頁面中的“UNDO”，它就能返回到操作前的表格了。

我們還讓它對表格中的學生進行成績排名、并列出名次，ChatExcel都沒有出錯。

除此之外，它還能連續完成任務。

比如想在表格里增加一欄平均分，可以先要求它增加一列：

再進一步輸入需求，讓它把計算好的結果填進去：

最后得到的表格，點擊“DOWNLOAD”，即可導出為普通的Excel表格。

體驗下來，感覺ChatExcel主要有兩大特點：

連貫性

準確性

比如之前也有幫人生成Excel公式的工具，excelformulabot能實現這一功能，但它是獨立在表格外的，需要自己把單元格帶入到給出的公式了。

如果是具體一些的描述，還會出現給不出公式的情況。

而對比ChatGPT來說，ChatExcel計算的準確性更突出。

比如計算同一個表格的平均數，ChatGPT不是弄錯到底有多少個人，就是計算的時候帶錯數字，反復糾正都救不回來……

所以，ChatExcel是怎么做到的？背后原理到底如何？

把“乙方思想”貫徹到底

ChatExcel的原理一言以蔽之，就是直接把“大白話指令”轉換成類似于VBA這樣的程序語言，然后再執行程序。

底層基于Transformer架構，基本技術路線就是無監督訓練+具體場景微調。

但NLP模型搞數學，一直都很容易出錯，強大如ChatGPT都很難避免。

為此，團隊在訓練模型的過程中，將重點放在了符號邏輯上，期間還有意引入了一些邏輯符號的新知識。

由此我們也看到，它在計算上出錯的概率并不高。

除了數學能力出眾之外，ChatExcel最大的一個特點就是持續交互。

這是因為ChatExcel每次的生成結果，都是基于用戶提出的新需求+上一輪生成的表格。對模型的理解力及運算其實提出了更高的要求。

為什么要實現這一功能？

團隊介紹說，如Dall·E、ChatBCG等AI工具，完成任務的方式都是單次不持續的。但在人們的實際使用過程中，想法是一步步推進的。

舉例來說，用戶和ChatExcel之間的關系就好比甲乙雙方，ChatExcel是乙方，用它處理表格的我們就相當于甲方：

要求只管提，改到滿意為止。（Doge）

同樣，這個乙方思維也體現在開發團隊自己身上。

Demo發布后，很多人跑來圍觀、試用和提建議。最常出現的反饋是，ChatExcel有點理解不了提出的要求，需要重新措辭調整。

對于這些情況，團隊先闡明態度：建議我們全盤接收。

同時也進一步解釋了原因，目前開放的demo還不是很完善。

這一方面是為了看看大家的反饋做進一步優化；另一方面，也是希望收集更多的語料，讓模型之后能更聰明一些。

比如，有人就提出：

既然都已經有“undo”（撤銷）操作，什么時候可以把它處理表格的過程顯示出來。

還有人附議，表格數據太多就很難檢查它是否處理正確：

提高ChatExcel執行任務的透明度，方便檢查錯誤。

對于這些建議，團隊和我們說，他們已經在開始著手調整了。

比如很多人反饋的語言理解問題，他們打算之后在對話框下根據用戶的輸入，推薦一些標準操作語句，大家直接選擇就可以了，不用自己研究措辭，有點現在AI客服那味兒。

除此之外，還有這些功能也在開發的路上了：

表格上傳格式更加兼容

展示ChatExcel處理表格的具體過程，更加透明化

……

以及ChatExcel更加具體的原理介紹，之后也會在官網以博客的形式發布。

甚至包括代碼，也會進行開源。

受到女票啟發，把業余項目做成正式課題

說來ChatExcel的誕生，也是相當因吹斯聽了。

它受啟發于團隊成員的女票、導師立刻拍板認可、把業余項目做成正式課題……

這還要從Kid和CY拉起小團隊說起。

他們都來自北京大學深圳研究生院信息工程學院袁粒老師的課題組，已經是準博了，還有一位成員正在讀碩士。

作為機器學習的基礎理論研究者，他們日常和論文打交道更多。

為啥突然從理論研究轉向應用？

這還得從Kid的女票說起。

他說自己的女朋友是一位中學信息老師，日常工作中經常需要幫年紀大的老師處理Excel表格問題。

為了幫女朋友多分擔一點工作（bushi） ，當然也看到確實有很多人深受Excel復雜操作困擾，Kid就萌生了試試看的想法。

我覺得Excel公式的使用，多少還是需要編程思維的，這對于很多人、尤其是不擅長電腦操作的人來說，很不友好。而拿著工具書從頭啃，也確實比較麻煩。

當時正值OpenAI的Copilot大火，看到AI在提升生產力上大有可為，他就拉著CY一起，打算仔細研究研究這事兒。

但事情前期，并沒有想象中順利。

一方面，它剛開始只是個業余項目，大家都是抽空來做。

另一方面，團隊在技術路線上也做過重大調整。

最初，他們覺得ChatExcel應該是往判別式模型那塊兒走的，于是就順著這一思路推進，但沒想到：

前期處理工作量太大，需要引入非常非常多的符號邏輯，數據要求很高。

這對于小團隊來說基本上是致命的，因為數據量意味著人力物力時間成本都會飆高。

沒有辦法，Kid和CY就坐下來重新復盤這件事：

我們想到李沐老師發過一個視頻，講“BERT和GPT之爭”，我們最初都覺得BERT各種指標表現更好。GPT呢，有點摸不清它想干啥。

但仔細一想，從任務本身的需求來看，生成式才是我們真正想要的東西。

加之去年OpenAI一系列生成式工作開始大火（如Copilot、Dall·E），兩個人最后決定，推翻原有思路，重新從生成式模型做起。

明確了技術路線，后續推進也就更順了。

加上這項工作還得到了導師袁粒的認可和支持，團隊在資源和經費上也更充裕了一些。

（p.s.但團隊也和我們解釋說，目前其實還不能負擔太多成本，運行速度會受到影響、一些命令行識別也還存在問題

）

不管怎樣，歷經1年時間，ChatExcel終于發布demo。

但這只是計劃的第一步。

團隊表示，接下來還將對產品做更多迭代升級，并會開源代碼、揭秘背后技術。

對于ChatExcel的定位，他們堅持“小而美”。

Kid介紹說，大模型的確是當下的趨勢，如OpenAI、百度等都在通用大模型領域不斷推進成果。但他們認為，在一些子任務領域上，模型的能力還有待提升，這可能會是未來的一個趨勢。

由此，他們目前會更加專注于模型特定場景下的能力提升。

至于長遠目標，團隊希望打造一個“Chat生態”、交互式AIGC。

終極“Chat生態”（幻想版）大概會長這樣：

而回到ChatExcel本身，團隊表示的確有商業化的考慮，但會是To B層面的。

（聽說demo一發布就已經有不少公司聯系他們了）

在To C這邊，會堅持公益開放的形式，人人都能用。

而回看整個開發過程，Kid和CY的很多感受都記憶猶新。

比如看到ChatGPT做表格大火后，他們又驚又喜。

“驚”，是因為開始擔憂會不會有很多同類產品出來？自己的項目沒有生存余地了？

Kid說自己看到這些新項目不斷涌出后，晚上都要睡不著覺了。

“喜”，則是因為覺得自己的想法和趨勢發展一致，這也是一種肯定。

至于項目本身，他們的態度非常坦然，問題全盤接受，但對自己的成果也很有自信。

我們現在依舊覺得自己的方案很“優雅”。

感覺做理論的人轉來做應用，總是能想到一些奇怪的思路hhh。

（應受訪者要求文中Kid、CY為化名）

關鍵詞： chatexcel excel chatgpt aigc