做一张Excel表格，真的是够动动你的嘴！

看，输入你想做的事情：对学生的成绩进行排名。

直接回车，表格一键列出！

可以再检查一下。

也可以跨表处理。

例如，在两个不同的表中标记前十所学校。

哦，有点超越ChatGPT？

毕竟，如果我向ChatGPT提出类似的请求，它只能帮我写相应的代码，而我不得不手动完成。

这就是最近在知乎上引起关注的AI工具ChatExcel，一发布就登上了热搜榜。

它专注于以对话的形式实现复杂的Excel操作（Chat-to-Excel），告别记忆函数和手动设置公式。

成品支持一键导出成标准Excel表格，省去复制粘贴的过程。

而且，无需注册，在网页上就可以使用，而且使用次数没有限制，对于懒人和Excel初学者来说还是挺不错的。

即使是精通 Excel 技能的人也觉得他们所知道的将毫无用处。

该项目由北京大学深圳研究生院/信息工程学院的3名硕士和博士研究生独立开发。

Demo目前已经开放给大家试用。

看到这里，很多人可能会想，“这又是一个受ChatGPT影响而开发的项目。”

真的不。

GitHub 项目的第一次提交于 3 月 22 日提交。

而其背后的真正机遇——

其实是团队里的小哥想用技术帮助女票解决一些工作上的小麻烦。

这到底是怎么回事？量子比特联系主创团队为大家揭秘~

ChatExcel 的表现如何？

咳咳，其他女票我们后面再说，我们来看看ChatExcel的表现如何。

一般来说，它要做的就是跳过学习Excel，跳过写函数公式，直接把脑子里的需求变成表格里的内容。

当团队知道第一个产品时，用一张图来解释：

老规矩，让我们开始体验吧。

进入主页面后，网站默认显示demo，可以点击UPLOAD上传自己的表单。格式需要是标准的 Excel 文件。

我们请隔壁的ChatGPT生成学生成绩单，让ChatExcel进行计算。

主要测试需要插入函数的Excel操作。例如：

总分在255分及以上的记为A，总分在240-255分的记为A-，总分在210-240分的记为B。

输入内容后，按回车键，它将开始处理。

如果老师想知道谁是单科第一怎么办？进入：

找出表格中数学分数最高的人。

然后，它生成了一个新的界面，里面只有得分最高的童鞋。

如果要对窗体进行其他操作，在页面上单击“UNDO”，将返回操作前的窗体。

我们还让它对表格中的学生进行排名，列出排名，ChatExcel 也没有出错。

此外，它还可以连续完成任务。

例如，如果你想在表中添加一列平均分数，你可以先让它添加一列：

然后进一步输入需求，让它填入计算结果：

点击“DOWNLOAD”将最终表格导出为普通Excel表格。

体验之后，感觉ChatExcel主要有两个特点：

连贯性

准确性

比如之前也有一个工具可以帮助人们生成Excel公式。excelformulabot可以实现这个功能，但是它是独立于表格的，需要自己将单元格带入给定的公式中。

如果是更具体的描述，就会出现无法给出公式的情况。

与ChatGPT相比，ChatExcel计算的准确性更加突出。

比如计算同桌的平均人数时，ChatGPT要么有多少人记错了，要么计算的时候把数字填错了，反复更正也救不了……

那么，ChatExcel 是如何做到的呢？它背后的原理是什么？

将“乙方思想”贯彻到底

简单来说，ChatExcel的原理就是将“白话指令”直接转换成类似VBA的编程语言，然后执行程序。

底层基于Transformer架构，基本技术路线是无监督训练+针对特定场景的fine-tuning。

但是NLP模型在数学上一直容易出错，再强大的ChatGPT也很难避免。

为此，团队在训练模型的过程中将重点放在了符号逻辑上，同时也特意引入了一些逻辑符号的新知识。

由此我们也可以看出，其计算错误的概率并不高。

除了出色的数学能力，ChatExcel 最大的特点之一就是持续交互。

这是因为ChatExcel每次生成结果，都是基于用户提出的新需求+上一轮生成的表格。实际上对模型的理解和操作提出了更高的要求。

为什么要实现这个功能？

据团队介绍，Dall E、ChatBCG等AI工具以单一、非连续的方式完成任务。但在人们实际使用的过程中，思想是一步步推进的。

比如用户和ChatExcel的关系就像甲方和乙方的关系，ChatExcel就是乙方，我们用它来处理表格就相当于甲方：

只要你要求，就改，直到你满意为止。

同样，乙方的这种想法也体现在开发团队本身。

demo发布后，很多人围观、试用、提建议。最常见的反馈是 ChatExcel 对请求有点困惑，需要重新措辞。

对于这些情况，团队首先明确了态度：建议全盘接受。

同时，也进一步说明了原因。目前开放的demo还不是很完善。

一方面是为了看大家的反馈进一步优化；另一方面，我也希望以后收集更多的语料，让模型更智能。

比如有人建议：

既然已经有了“撤消”（undo）操作，那什么时候才能显示处理表格的过程。

其次，太多的表数据使得难以检查它是否被正确处理：

提高ChatExcel执行任务的透明度，方便查错。

对于这些建议，团队告诉我们，他们已经在着手调整。

例如，许多人报告了语言理解问题。他们计划根据用户在对话框中的输入，推荐一些标准的操作语句。可以直接选择，不需要自己去研究写法。有点像现在的AI客服。

此外，这些功能也在开发中：

表单上传格式更兼容

展示ChatExcel处理表格的具体过程，更透明……

以及更具体的ChatExcel原理介绍，也会在官网以博客的形式发布。

甚至代码也将开源。

受女票启发，把业余项目做成官方话题

说起ChatExcel的诞生，也是颇有一番作为的。

受到了组员女性投票的启发，导师立马认可，把业余项目变成了正式题目……

首先是 Kid 和 CY 组建了一个小团队。

他们均来自北京大学深圳研究生院信息工程学院袁立老师课题组。他们已经是博士研究生，一名成员正在攻读硕士学位。

作为机器学习的基础理论研究者，每天与论文打交道的比较多。

为什么突然从理论研究转向应用？

这还得从Kid的女票说起。

他说，他的女朋友是一名中学信息老师，在日常工作中经常需要帮助年长的老师处理Excel表格。

为了帮助女友分担更多的工作（bushi），当然也看到很多人被Excel复杂的操作所困扰，Kid萌生了试一试的想法。

我觉得Excel公式的使用还是需要编程思维，这对很多人来说是很不友好的，尤其是那些不擅长电脑操作的人。拿着参考书从头啃确实比较麻烦。

当时，OpenAI 的 Copilot 火了。看到AI在提高生产力方面潜力巨大，他带着CY一起，打算好好研究一下这件事。

但事情并没有想象中那么顺利。

一方面，它最初是作为一个副业项目开始的，每个人都在有时间的时候参与其中。

另一方面，球队在技术路线上也进行了较大的调整。

一开始，他们认为ChatExcel应该往判别模型方向走，于是顺着这个思路走，没想到：

预处理工作量太大，需要引入大量符号逻辑，对数据要求很高。

这对于小团队来说基本上是致命的，因为数据量大了意味着人力、物力和时间的成本会飙升。

没办法，Kid和CY坐下来重新审视这件事：

我们还以为李牧老师发了一段“BERT与GPT之战”的视频。起初，我们都觉得BERT在各项指标上表现更好。至于GPT，我有点不明白它想做什么。

但是仔细想想，从任务本身的需求来看，generative才是我们真正想要的。

再加上去年OpenAI的一系列生成式作品开始大火（比如Copilot、Dall·E），两人最终决定推翻原有思路，重新从生成式模型着手。

一旦明确了技术路线，后续的推进就会更加顺畅。

此外，这项工作也得到了导师袁力的认可和支持，团队拥有了更多的资源和资金。

（ps 但团队也跟我们解释，目前不能承受太大的成本，运行速度会受到影响，还有一些命令行识别还有问题）

不管怎样，时隔1年，ChatExcel终于发布了demo。

但这只是计划的第一步。

团队表示，未来将对产品进行更多的迭代升级，并将代码开源，揭示其背后的技术。

对于ChatExcel的定位，他们坚持“小而美”。

Kid表示大模型确实是当前的趋势，比如OpenAI、百度等都在通用大模型领域不断推进成果。但他们认为，在一些子任务领域，模型的能力需要提升，这可能是未来的一个趋势。

因此，他们现在将更加专注于改进模型在特定场景中的能力。

至于长期目标，团队希望打造一个“聊天生态”和互动的AIGC。

最终的“聊天生态”（玄幻版）大概是这样的：

回到ChatExcel本身，团队表示确实有商业上的考虑，但会在To B层面。

（听说demo一出就有很多公司联系了他们）

在To C端，我们会坚持公益和开放的形式，让所有人都可以使用。

回首整个开发过程，对Kid和CY的很多感受还历历在目。

例如，当他们看到 ChatGPT 制作了一个流行的表格时，他们又惊又喜。

“惊讶”是因为我开始担心会不会有很多类似的产品问世？自己的项目没有生存空间？

基德说，在看到所有这些新项目涌现后，他晚上睡不着觉。

“开心”是因为觉得自己的想法符合潮流的发展，也是一种肯定。

至于项目本身，他们的态度很淡定，接受一切问题，但对自己的成果也很有信心。

我们仍然认为我们的解决方案是“优雅的”。

感觉做理论的人转做应用，总能想出一些奇怪的点子hhh。