前言
前两天Microsoft Excel支持了Python，一时间引起了广泛讨论。大家都认为又是一个王炸级的更新。但静下心来仔细想一想，其实Excel支持Python对深度使用Excel的用户，或者说对于普通打工人来讲，并不是什么有用的更新。甚至可以说，是提高了Excel使用的门槛。
因此我们在DB-GPT(已开源，开源地址: github.com/eosphoros-a…)项目中, 充分利用了Excel支持Python的特性，可以通过自然语言对话的能力来使用Excel。我们希望可以通过大语言模型的能力，不断降低数据库、图表、知识、获取与分析的门槛。让70亿人都能够享受数据的价值。 让数据工具、产品的使用，不再是困扰我们的门槛。 因此DB-GPT中ChatExcel的能力来了，接下来让我们简单解读一下整个实现原理以及用户使用手册。
ChatExcel原理简介
如图所示，为ChatExcel的简要原理图，在整个过程中。我们充分利用了Excel Python支持。DB- GPT Text2SQL，大模型自然语言对话理解等多种能力。 下面我们对流程做一个简单的介绍。
- 首先我们需要将Excel作为一个数据源上传到DB-GPT当中。
- DB-GPT通过Excel Python支持特性将Excel表格数据转换为数据库表格，可以利用DB-GPT中的通用能力。
- 用户发起对话，通过对话进行Excel数据分析。
- 根据DB-GPT中ChatExcel场景逻辑，调用大模型生成对应的Text2SQL语句。
- 利用执行插件能力，执行具体结果。
- 收集数据绘制图表。
- 返回最终结果。
效果演示
为了演示具体的功能，我们准备了一份装修清单的Excel数据，接下来我们通过这份Excel数据，进行具体的效果演示。
添加图片注释，不超过 140 字（可选）
首先我们根据前面的原理介绍，上传Excel文档。文档上传成功之后，DB-GPT会根据文档内容，对文档进行总结说明，并推荐一些常见的分析手段。 如下图所示。
接下来，我们即可根据自然语言进行Excel数据的分析处理。
Q: 查看一下基础装修实际支出的金额占比。
我们在根据其推荐的方法，进行分析。
Q: 按照大项进行费用预算和实际花费的对比分析，以柱状图展示
Q: 汇总总支出金额
小结
通过自然语言实现Excel数据分析，可以极大降低Excel使用的门槛。让更多的用户使用到Excel的能力。 让日常的数据处理、分析更为便捷。 在本项目中，我们通过Excel Python支持，Text2SQL，大语言模型自然语言处理，Multi-Agents等多种技术组合。实现了丝滑的ChatExcel的能力。之所以用Text2SQL，一方面是因为DB-GPT本身在此方面有绝对的优势，同时我们判断通过结构化语言处理表格数据，比OpenAI官方的Code-Interpreter具备更高的准确率与稳定性。如果你对我们的工作感兴趣，可以在开源社区关注我们项目。当然了，别忘了点了Star✨
