在SpreadJS中集成ChatGPT

ChatGPT已经火了好久了，想探索一下ChatGPT在SpreadJS中的使用场景，思考了很久自己整理了三点：

一．        使用助手，根据需求提供操作指南、按照描述生成公式
二．        数据分析，对表格中的数据提供数据分析建议，按照描述分析数据
三．        工作助手，结合SpreadJS 数据内容，生成分析报告、邮件，做出预测。

整理完案例，写完Demo了我才想到为什么不直接问ChatGPT，他告诉我：


不得不感叹，写的真棒，比我想的全面。但是我还是坚持己见实现了一下四个功能：


一. ChatGPT 公式

过滤数据
通过使用GPT.FILTER公式，可以方便的进行数据过滤。只需要选择数据，添加描述，GPT.FILTER会返回动态数组填充到单元格。


生成描述
使用GPT.QUERY公式，向GPT提问获取问题结果。在问题中可以引用表格中的单元格数据，根据单元格内容生成描述相关的描述信息。



二. 公式生成、分析、优化

公式生成
通过使用自然语言描述，生成可执行的Excel公式，检查后插入单元格。对于电子表格初学者十分友好。




公式分析
单元格中的复杂嵌套公式，通过GPT分析后返回描述，帮用户快速理解表格中公式含义


公式优化
对于复杂公式，可以给出多种优化方案，减少公式长度，或者提升公式运算效率


三. 数据分析

数据透视表建议
选择包含标题的表格数据，给出数据透视表分析的建议，包含如何设置行、里和数组，同时说明分析数据的意义。


数据分析
对于选择的区域数据，直接根据描述获取分析结果，免去繁琐的筛选排序过程。也可以让ChatGPT给出具体的分析过程来参考。


四. 报告、邮件内容生成
除了单纯的问题回复，ChatGPT可以进行对话，根据上下文的内容修正问题的回复，或者获取进一步的分析。在下面的示例中，ChatGPT给出了多个维度的数据分析结果，我们选择了其中一个选项，让他生成了一封给Ted分析邮件。

ChatGPT插件为SpreadJS用户提供了智能的自然语言交互体验。用户可以使用自然语言查询和指令与电子表格进行交互，而无需手动编写复杂的公式，配置数据透表等功能；通过ChatGPT解析和执行用户的数据操作请求更加快捷简单，提高了工作效率；同时ChatGPT也可以给出一些分析建议和错误检测，改善了电子表格内容的质量。


当然ChatGPT插件目前也还有两点明显的问题：
1.        模型预言的限制，ChatGPT是基于语言模型的，其性能受模型训练和数据集的限制。对于复杂的问题可能并不能准确返回结果，同时返回的结果格式可能插件也无法分析使用。
2.        依赖外部服务，插件的使用需要调用ChatGPT服务，在使用时要保证可靠的网络连接。同时SpreadJS中的表格数据要发送到ChatGPT服务器，数据的安全性和隐私性也是要考虑的问题。


总体而言，ChatGPT插件可以为用户提供智能的自然语言交互和数据操作能力，但也需要注意数据安全性和语言模型的限制。期待有针对于数据分析更加强大的AI工具。