Hugging Face 推出 AI Sheets：用表格介面玩轉開源模型

AI Sheets 是 Hugging Face 推出的一款開源零程式碼工具，能讓你像用 Excel 一樣，直接呼叫各種開源 AI 模型來批次處理和構建資料集。無論是清洗文本、提取資訊、生成測試資料，還是橫向對比不同模型的效果，全都在一張表格介面裡完成。

它能做什麼

AI Sheets 的核心邏輯非常直接：資料就是表格，每一列的處理邏輯就是一條提示詞。

你可以直接上傳已有的資料檔案，支援 XLS、TSV、CSV 和 Parquet 格式，最多支援一次上傳 1000 行。如果手裡沒有現成資料，也可以在輸入框裡用自然語言描述需求，比如讓它生成一份虛構創業公司的名單，工具會自動建好表頭並生成 5 條初始資料，之後像 Excel 一樣往下拉就能繼續擴充行數，甚至能連同圖片一起生成。

建好基礎資料後，點選加號就能新建 AI 列。在提示詞裡引用前幾列的欄位名，比如輸入「幫我總結 {{text}}」或「提取 {{address}} 裡的郵政編碼」，模型就會逐行執行。工具裡還內建了聯網搜尋開關，遇到需要最新即時資訊或事實查證的任務，勾選後模型就能聯網抓取。

最聰明的設計在於它的少樣本反饋機制。平時除錯提示詞很麻煩，而在 AI Sheets 裡，如果某一行生成的內容不合心意，你直接雙擊單元格手動修改，或者給滿意的結果點個贊，系統就會自動把這些修改和點讚的單元格作為 few-shot 示例塞進後續的提示詞中。下次重新生成或下拉新增行時，模型就會按你修改後的標準執行。

它也很適合拿來做模型的打擂臺測試。你可以並排建兩列，分別接入不同的開源模型生成結果，比如同時呼叫 Qwen 和 OpenAI 的開源模型 gpt-oss，然後再建第三列，讓大模型充當裁判，自動比對前兩列輸出的質量。

怎麼跑起來

AI Sheets 提供了兩種使用方式，門檻極低。

如果你不想配置環境，可以直接訪問 Hugging Face Spaces 上的官方線上頁面，免安裝免費試用。

如果你想在本地折騰，或者處理敏感私有資料，官方已經在 GitHub 開源了全部程式碼，倉庫名字是 huggingface/sheets，拉取到本地就能直接部署。它支援通過 Hugging Face Hub 的推理介面呼叫成千上萬個開源模型，也支援呼叫部署在本地的開源模型。

在介面裡處理完資料後，你可以一鍵將成果匯出到 Hugging Face Hub。匯出時還會附帶一份 YAML 配置檔案，裡面記錄了每一列使用的模型、提示詞和少樣本示例。如果後續你需要把這套邏輯應用到成千上萬行的大規模資料上，直接用官方提供的 HF Jobs 指令碼掛載這份配置檔案，就能脫離表格跑後臺批次任務。

為什麼重要

過去要拿大模型批次洗資料、打標或者測效果，門檻其實不低：要麼得自己寫 Python 指令碼調 API，要麼得搭複雜的自動化流水線。AI Sheets 聰明地把這個門檻砍掉了，直接做成了人人都會用的電子表格。

改單元格就自動變成 few-shot 示例的互動體驗做得非常自然，幾乎省去了手動打磨複雜系統提示詞的時間。雖然目前單表 1000 行的限制決定了它只適合做原型驗證和小樣本實驗，但結合匯出的配置跑後臺流水線，剛好補齊了大批次生產的短板。對於經常需要清洗小批次資料、驗證提示詞或做模型盲測的人來說，它絕對是一個省時省力的好幫手。