claude如何生成excel
哈喽，大家好，我是迪迪，那这个图是我用一个 excel sheet 加上我右边的这个 skills 两分钟生成的，那除了这个图标，我还做了这个图标反映出来的这些核心洞察，所以今天就带大家一起来拆解一下我是怎么样去做的。 首先带大家来看一下右边的 skills， 那 针对于 skills 怎么样去写，我们之前有分享上面的话就是一些 matter information， 包括这个 skills 的 名称是什么，它具体在什么样的场景下会触发这个 skills 呢？主要是针对于你给他一些数据，以及加上你自己想要看到的一些数据反馈的一些问题。 skills 就 能根据你数据的一个格式去选择相应的一个图标，比如说有一些变形图或者一些柱形图，散点图等等，所以它会根据你自己数据的不同，然后去匹配相对应的一个图标。那同理也会说到，有些图标是不适用于在某一些情况下用的， 在这个地方已经完全给它规划好了之后，我们就开始写了一些的表本，对于不同的一个图标的类型去针对性的写了图标的样式， 包括 line chart 应该怎么样去设置， bar chart 怎么样去设置等等。所以这个接下来就是一些排行榜。那除此之外，因为之前用的都是一些英文的一些图标，所以在后面我也会加上一些中文字体的一些配置， 这样可以更加方便于中文字体更好的去展现出来。除了表格之外，我还放了一个核心洞察，就是不同的数据它是什么样的，但是用户往往需要从数据里面知道下一步应该做什么， 所以在这个以上的一些数据里面，还给他配了一个核心洞察的表格，而每一个表格他都有一些卡片，类似的这些结论条，方便我们去更好的执行于下一步。所以这个就是整体的一个从 excel 数据到怎么样呈现不同的数据可化的一个过程。 接下来给大家看一下我头位给他一开始的这个原始数据大概长什么样子。大家可以看到这个我拉出来的一个爆品的数据， 主要我想分析这个爆品后面商家是怎么样去选优质的达人的，以及他们选达人的策略是什么样的。那在这个表格里面其实比较的混乱，他只是分成了几个类别，包括达人是谁，他们的联系方式，他们的分类是什么，国家、地区、粉丝数、销量、销售额、开始带货的时间， 以及他们的一些详情页。但是在这个庞大的数据库里面，我要精准的总结出来这个商家是怎么样去挑选他们达人的，怎么样达人更好的去卖这个爆品的。我是没有办法很快能够得出结论的。那么为了提高这部分的数据效率，我就做了 sales。 大家来可以看一下我们得到的一个结果。先第一张图里面我们可以看到它其实是一个贩类，我先不说这个爆品它是什么类别的，我们是没有办法很直观的从这个类别里面去知道这个品是什么， 其中购物与销售占到了百分之九，家居占到百分之八，美妆占到百分之七，所以它是一个贩品铺货类的一个策略，而大多数的都属于其他类，这些达人没有明确的一个垂直分布的一个展示， 那这个品其实是一个枕头，所以说如果我们也是需要去卖枕头，我们也可以采取相应的一个策略。对于这些达人的分布，我们可以选择不同行业不同垂类的，因为并没有直接的联系显示，只有在家居类和这个销售额会成为一个正比。 而第二张图我们可以看到他的横轴是粉丝数，纵轴是销售额，所以他是一个粉丝量级和销售额的一个对比图，可以看到仅显示有销量的有二百八十六个人，也就是说百分之七十他的一个达人都是一个僵尸达人，他并没有出单。 而越靠右上角这个呢应该是 k o l 的 一个转化占比，它是高粉加高销，但是大部分的其实都是在这个位置，那这个位置可以看到它其实粉丝数也并没有很多，但它销售额可以带到一个比较高的一个量级，所以它是一个 k o c 聚集的一个策略， 大部分的 k o c 它都是集中于粉丝数在这个量级的。如果说我们需要带枕头类的产品，我们也可以去效仿这个策略。 接下来来看一下第三张图，他显示的是销售额的一个帕雷托，怎么样去理解呢？其实就是头部的集中度极高，百分之十他贡献了百分之九十九点二的销售额，而前百分之二十的达人贡献了百分之九十九点的销售额，也就是说大部分的达人累积他贡献的销售额占比都是集中于前面， 所以这个是我们能够得出的结论。那后面的达人其实我们后续是可以采取一些相应的措施和策略，要么是放弃了，要么是减少去跟他们的合作，而集中去维护好头部的这些能够高出单的达人。 接下来是第四张图，是视频带货的 gpm 和直播带货的 gpm， 他 们的中位数视频是占到了二十三点九，而直播是占到了六点六，也就是说中位数大概是三倍的一个差别。那么对于枕头这个品类来说，它的视频转化率是远高于直播的转化率的。 但是其他类型的产品，比如说沙发，它的直播的 gpm 就 远高于视频的 gpm， 因为它是一个更加高客单价的一个产品，在视频里面客户去进行种草，而在直播里面，它是去进行一个割草去转化的一个过程。所以对于不同的品类，我们需要找到它相对应的一个带货模式，要么是短视频的一个带货模式，要么是直播的一个带货模式。 所以如果说我们需要去做这些不同的品类，需要采取不同的一个带货模式，接下来我也是有把这些洞察放在了这里。那一句话去总结这个爆品枕头的一个策略，它就是一个贩品类，加上海量的铺达人，加上大部分的一些 koc 以及视频带货。 所以说如果我们想要去复刻我们同行业的一些爆品，我们也可以去拆分，那除此之外，我们可以再去拆分的细一些，比如说粉丝量级，具体是在某一个行业里面，他的一个散点图的占比，又或者说我们从其他维度去分析这个品类他爆的一些特点， 不仅仅是达人端，也有可能是商品端，它的竞品端从不同的维度去分析。那么有了这个 skills 呢？只要你有相对应的一些原始数据，那么我们就能够得到一些相对应的 insights， 从而能够帮我们更好地去做出结论和策略。今天给大家分享的就是如何从一个原始的 excel 数据到我们的数据格式化。
粉丝5266获赞1.8万
相关视频
01:21查看AI文稿AI文稿有很多外贸新手，他不会做这个专业的 p i 给客户，因为这个专业的 p i 做不好的话，里面会存在很多漏洞。没事，现在就赶紧跟上宇哥的步伐，现在就教你如何用克拉的 ai 做一个 excel 的 这个 p i 文档。好，我们直接就可以跟这个克拉的扣的说，就是帮我做一个外贸形式发票， 那需要包括所有正式外贸条款啊，符合国际格式，内容越详细越正规啊，我们直接就交给他。 好，这边不到一分钟啊，这边就做出来了，做出来之后我们直接在这边选择 download 好， 下载到本地，打开文件。 好，我们这边就可以看到啊，所有的这个行驶发票，对吧？ 所有的内容条款，这个海关编码，品牌报价数量 啊，还有一些这个 packing details， 包装卖头付付款条款啊，银行信息通用贸易条款啊，这边全部都出来了啊，双方签字确认啊，非常的正式。
124王宇迪
02:23查看AI文稿AI文稿antropics 又放大招了， cloud cow work 史上最猛更新，直接把 hr、 金融设计、代码全行业卷翻天！ 白领打工人岗位要量一半，五年内投行分析师席位砍一半。二零二六年刚开年， antropics 扔下核弹， cloud cow work 超级升级， 十大行业插件直接上线，从 hr 写 offer、 绩效考核，到华尔街见、财务模型、审交易文件、做路演， ppt 全自动搞定， excel 和 ppt 无缝联动，你一句话分析这份财报，更新模型做总结，换登篇， cloud 自己跑 excel 算数据，拉上下文，直接生成 ppt， 数据一变全自动更新，零切换窗口。金融圈最惨， factset、 msci、 sp global、 lseg 这些大老数据平台全接入实时市场数据、财报、电话会议、 dcf 模型调仓，建议 ai 一 键完成。 以前分析师熬夜干的活，现在对话框里几秒搞定，程序员也跑不掉。 cloud code 新增手机远程遥控，你在星巴克喝咖啡、遛狗晒太阳，手机扫码就能继续操控电脑里的 ai。 写代码、 修 bug、 跑翻译。以前配置插件要懂技术，现在超级简单点模板可高的像产品经理一样，问你几句就自动配好技能命令连接器。企业还能建私有 ai 智能体市场，按人分配权限，超级安全可控。按 self fetch 的 口号， 我不取代你的软件，我只是帮你调度它们。数据还在 salesforce、 google workspace、 fact、 sadly， 订阅费照交。但中间那些拉数据整理格式粘贴到 ppt 的 白领文员、初级分析师、代码仔岗位可能悄无声息没了。金融大 v 一 句话扎心 结束了。五年内投行分析师席位消失一半，对比 open i 更狠，他们直接说要取代 salesforce、 adobe 这些巨头。 antroprax 说，我帮你用 open i 说，以后都归我。 ai 比你快，比你便宜，永不加班，永不抱怨。 你的公司没事，你的软件没事，但你的饭碗可能真要凉了。普通上班族醒醒， ai 不是 工具，是最勤快的同事。他来了，你还在卷加班吗？你岗位会被 ai 取代吗？下方评论区说说你的工作 ai 能不能干？点赞收藏，下期继续扒 ai 职场真相！
21无敌AI
01:01查看AI文稿AI文稿从今天起，你打开 word 就 可以直接用 cloud 了。今天凌晨， cloud 宣布正式接入微软 office 全家桶，什么 word 呀， excel、 ppt 全都可以直接用。 outlook 也开放了公测，什么概念？家人们全球 office 付费用户超过四亿，而专业的程序员也就两三千万。所以说， 我们普通的打工人，也可以在自己平常用的办公软件里边用到 cloud 了。更关键的是跨应用共享记忆，你在 excel 里边让 cloud 处理的数据切换到 ppt 里边，它也能记得。而且也可以帮你直接生成图标，插放进去邮件里的需求到 word 里边，它还可以直接接着写。 以前用 ai 是 打开网页复制粘贴再复制回来，现在是直接在文档里边对话干就完了。这件事情有意思的地方在于， ai 工具的战场，从谁的模型更强，变成了谁离用户更近。 cloud 没有自己的办公软件，但它直接进入了四亿人每天都在用的 office 里。你不用去找 ai， ai 就 来找你了。
1595宁说宁话
02:17查看AI文稿AI文稿世界顶尖的语言大模型啊，现在可以以拆建的形式安装到我们的 excel 表格里面的。如果你是经常做民间借贷纠纷、金融借贷纠纷或者其他需要经常计算违约金、利息 等，需要用到 excel 表格的历史，以及银行和小贷公司的法务人员，一定要掌握这个工具，这对你们来说是一个核弹级的武器。 我说的语言大模型就是 cloud， 将 cloud 以插件的形式装在 excel 表格里面，就会有一个这种图标，点击这个图标就会出现一个对话框，在这个对话框里面输入我们想要人工智能帮我们干的事情。 比如我告诉他说这个民间借贷纠纷的本金是一百万，利息是 lpr 的 四倍，让他帮我查出每期的 lpr 的 值，然后根据这个 lpr 的 值计算出当期的利息以及本金之合。开始他一顿自言自语， 然后第一步，将每一期的本金填上去，接着他查出每一期的 lpr 的 值，并且填入表格中。第三步，根据这个 lpr 的 值计算出当期的利息。 第四步，计算出本金和利息之合。这里面他犯了一个错误，第一期是不应当计算利息的，但是他计算了利息，我把他的错误告诉他，要求他纠正，他很快就纠正了他这个错误。不会装 cloud 的 网友呢，可以用人工智能微信小程序、法力猫头鹰， 可以非常快速地查询历史的 lpr， 可以 非常方便精准地计算利息。还是以刚才那个按键为例，我们点击 lpr 乘以倍数，倍数里面填上四倍，本金里面填上一百万 起算日期，二零二二年一月一日截止日期二零二四年的一月一日，马上算出应付利息是二十九万三千多，而且还算出本息之合是一百二十九万三千多。这边的利息跟刚才用 cloud 计算的利息略微有点差别。 实际上是这边的利息算的更精准啊，因为利息调整是在每个月的二十号左右，这个小程序会以二十号为界限，分别计算调整之前和调整之后的利息，每一段的利息写的非常的清楚。
00:29查看AI文稿AI文稿一堆销售数字看不懂丢给 cloud 做分析，他直接给你出数据卡片，总销售额七万两千八百克，单价八十三点五元，还自动生成销售额对比柱状图，二月那根橙色柱子一眼就看出是异常。月克单价趋势图也出来了，整体走势一目了然。 以前要折腾半天的 excel 图表， cloud 的 一个提示词搞定。提示词在评论区直接拿。
01:32查看AI文稿AI文稿家人们，如果你还在用 excel 表格管理公司的 ip 地址，那你真的 out 了。今天我们一起研究用最新的 qr code， 十分钟做出一个专业的 ip 管理系统。不用写一行代码， power shell 打开 qr code 输入，我们提前编辑好的想法，然后 qr code 就 开始帮你干活了。此时 token 经费在燃烧， 我们只需要根据可以弹出的提示做选择就可以了。选择 python 程序还在跑，根据框架生成各个模块的脚本以及数据库，最后程序就生成出来了，跑起来运行一下 是不是很神奇，全程一句代码也没有写。我们添加一下网段试一下，在添加网段下方还有划分 ip 地址等信息，点击启动监控，可以扫描一下这个网段有多少存活。主机还支持 excel 的 导入导出，特别方便。 下载好的 excel 文件里有整个网段信息，还有每个 ip 地址的通畅情况。 你也可以让 clark co 帮你打包成 e x c 文件，这样就方便你分享作品给其他人你看。不到十分钟，一个完整的 ip 管理系统就做好了， 大家有更好的想法和需求，让 clark co 帮你实现吧！最重要是储备好 tokens， 趁着 deep seek 大 优惠，抓紧行动起来吧！欢迎关注、点赞、评论和转发，关注我，一起研究更多安防弱电知识和技术。
20弱电研究僧
06:56查看AI文稿AI文稿这节我们实操一下 superpowers 的 writing plus 技能，你是不是感觉 superpowers 消耗的 tak 有 点多，虽然是执行的时候耗费的 tak， 但其实是因为你的计划没有写好。这节讲一下怎么写计划， superpowers 才能更省 tak。 前一节我们使用 superpowers 的 头脑风暴技能完成了需求分析，产出了项目的规格文档，然后又进行了 i 时代下的基础选型。终于我们可以回到实操环节了，可以回顾一下他帮我们生成的这个规格文档，我们准备做一个编辑工具，然后他需要帮我们从多个源采集这个壁纸，然后我们的形式方式使用的是命令行或者 dy 的 模式。语言的话，我们选择的是 rest， 其他的细节的话我们其实可以都不用看了。在使用 superpowers 编写的计划的技能之前，我们需要知道这个东西写的计划是非常细致的， 它里面是包含了代码实现的，这个时候如果说他实现的代码是错的，那么代价将会是巨大的。经常用 ide 的 编码的大家应该都有感觉，大模型写代码是靠猜的，他不知道的东西，他是根据经验预测最大可能出现的一个写法，当然在小洞场景其实就是没去弄过的地方，那么大概率是会出错的。这个时候如果说我们拿着错误的计划， 嗯，也不能叫逗的计划，应该叫大致正确，方向正确，但是细节实现是错误的计划，然后到了下一个阶段会发生什么就不言而喻了。 先不说最后干活的工作的工程师能不能发现错误，假设执行报错他都能正常修复。那么还有一种是滴滴滴的测试用力都是错的，他所有的努力消耗的所有 test 都是为了满足一个错误的测试用力，就算到时候真的通过了，也是与正确的结果越来越远，浪费了大量的 test， 却实现不了想要的产品。 因此 superpowers 想要用好，并且想要爽 test 计划阶段就不要让它产生错误的误导性的代码。那么回到我们的实战项目，我们这个项目里， it 最容易出错的地方是什么？ 热门的技术站其实都是训练过了的，之前说过我们要做减法，他知道的东西就不用再给他赘述了，上下文多也不是好事情。实际上我们这个实战项目 ai 最容易出错的地方是壁纸源的这个 ipi 规范，这种在电脑上显然没有多少训练数据，他忙写出来的几乎百分之百是错的。 那我们需要怎么做？其实也比较简单，把我们需要对接的这三个源的 ipi 文档放到本地，然后让他看文档就行。之前知乎库呢，也讲到了一个 deep 量子的技能或者服务都是封装的这玩意儿，我们直接用这个命令 在这个窗口里执行的，命令是会填充到 iint 的 上下文内的，这样的话它其实会看到这个命令的帮助。文档 这边它有一个 i p i 文档，实际上是做了防滑的， ok， 执行完了，我们在写计划之前，先让它参考 i p i 文档，修复一下之前的归根键里面的错误部分， 可以看到它这个计划写了两千多行， 具体的计划细节我们就不看了，下节继续让 i i 帮我们执行。计划执行的时候我们会小小的改动一下 superpowers 风格流，这节我们使用的模型还是 五的模型，会选择 mini max 的 二点五，这个时候我们就需要引入顾问者模式来做到省钱的同时保证质量。好的这节就到这里，下节我们继续。
478晴天AI实战
02:55查看AI文稿AI文稿好好学习，多力向上，今天我们体验一下 cloud 的 智能体到底有多智能。真正的智能体就是你不需要指定谁来做什么事情，你只用说你的目标就好了，他自己去选择合适的智能体来做，一起来看看吧。 好，他这是把一个 word 文档，还有一个一个 excel 文档拖进去了，然后他说这是我们的 q 四的一个财务报表，我们需要做一个 ppt， 做，做个 back， 做 ppt 出来啊，他用了 oppo， 四点五， 好，先跟他规划一下， 要做了 ppt， 做了 ppt 出来了，是吧？嗯， 好，这是他把一些 excel 和 pdf 丢进去，它是说要做一个，呃，就是一个一个分析啊，这可这可能是要生成一个 excel 了，是吧， 对吧？它自动调用很多 scale， 你 不用管它到底调用什么，你只用看最后结果就好了。真的是一个一个 excel， 他直接修改这个文档，然后，然后他把文档的这个批批注都显都显示出来了，然后你在 office 里面直接可以去选择同意或者不同意都是可以的，他不会直接去改你的文档，所以这个大家放心， 就这个应该是一个。最后这个应该是个想象的场景啊，就是在 clone 他 们去，呃， 类似于类似于飞书啊， snake 一 样去对话，这个 code 还没有目前这个功能啊。好吧，这也就是我们今天演示了怎么通过 code 去创建呃，文档啊，创建 excel， 创 ppt， 大家有什么问题评论区留言。
01:30查看AI文稿AI文稿做了一个小工具，感觉特别适合，呃，做数据分析还做报告比较多的朋友啊。然后这边的话就可以拖进一个文件啊，这个是 excel 表格，也可以是 word 文件或者是 pdf， 都是可以的， 这个时候我们试运行一下。然后这边呢，我是调用了一个国外的大模型 cloud， 这个运行时间大概需要两分钟的一个时间，我们可能要稍微等一下啊，这边是两分四十六秒， 这样的话它就会生成一个网页啊，打开一下 看，这样他就会生成一个非常漂亮的数据格式化的一个表格。看这样子的啊，而且他这个是很强的互动型啊，他这个数字都会有动态的标出来，嗯，包括这边都是的。然后这边的话也是 这边，而且他是可以这样子的对，比如说你只想看陈芳的一个数据的话，你可以把其他人都划掉，如果说想要看刘芳跟陈明的一个两个人的对比的话，这样他也可以出来，嗯， 这边他也是一个动态的，就很方便啊，这里其实也是这样的啊，这样也也是可以，对，也是可以这样看的。
54初夏
02:38查看AI文稿AI文稿哈喽，大家好，我是迪迪。那左边这个是我模拟的一个数据 excel 表格，右边是我根据这个表格画出来的三层环形图的一个图标，因为有小伙伴来私信我说我之前的那个 skill 只是适用于一些非常简单的一些图标，那对于一些高复杂度的一些图标该怎么样去实现？ 那之前我们需要做这样的一个表格，需要在 excel 里面至少捯饬二十分钟到三十分钟。现在其实我们用一个 skills 就 直接能从左边的这个 excel sheet 到右边这个三十秒的时间就能够实现。今天就带大家一起来拆解一下那这个 skills， 可以 看到里面是用了一个 skills 点 markdown 的 文件以及一个 python 的 脚本。 当我们需要用到一些环形图，或者说一些圆环图，季度月份的一些分析图表的时候，就可以去触发这个 skills， 也就是说我这边设置了这个关键词的一些触发点。 比如说像三层的环形图，包括内层是上半年或者下半年，中层是一到四季度，外层是一到十二月。很多小伙伴需要去分析一些品类，他的一些销售额和销售量，每个月份每个季度的一些总计跟上一年去进行一个对比，所以这张图会非常的有效。 那使用的步骤，你把你的这个 excel 丢给它去触发这个 skills， 它会根据你数据里的格式去读取它应该选举怎么样的一个脚本，根据这个数据的类型，它会深层相应的一个脚本 身上的脚本，之后他就可以去输出文件，所以整个步骤会非常的简单而且简洁，常见的问题就是如果说你的数据表格里面有一些数据是空的，那这个时候其实就会做一个数据处理，会反问到客户我们应该怎么样去处理这些数据， 以及数据列名不标准的话，也会用关键词去做一个 vlookup 的 一个查询，那用户也可以自己去设定自己喜欢的颜色以及这个表格它上面的一个标题是怎么样的，都是可以去进行修改的。那这个就是一个拍摄的脚本， 这个是一个非常 general 的， 它会根据你自己的一些数据，然后去进行一个抓取，从而生成一个定制化的一个拍摄的脚本。 比如说这个就是刚刚我们看到的一个不同产品之间的一个销量的新的一个脚本。所以对于一些比较不常见的图标怎么样去一键达到，我们想要让我们的数据更加很好的呈现在 用户面前，让他们更加可以去读取这个数据，就变得非常有效了。所以今天跟大家分享的就是这个三层环形图以及二层环形图，它的这个图标怎么样从一个 excel 表格到图标的直接生成，所有的这个 skills 我 都会开源在我自己的 github 上面，今天想跟大家分享的就是这个。
38迪迪碎碎念
00:22查看AI文稿AI文稿这个表格 skill 能让你的 agent 自动处理几十万行的数据表，一条命令就能快速安装。它有所有的 excel 表格能力，比如公式图表、透视表。它还解决了 ai 改表不安全的问题。以前让 ai 改表只能看到结果，不知道改了啥， 但调用这个 skill 改动表格后，它会先把修改内容展示出来，你可以决定是保留还是回退，让 ai 改表也能放心。
3387🍥
04:08查看AI文稿AI文稿看有朋友问这种简历是怎么做的？这种网页简历，呃，我简单说一下，就是，呃，你首先可能要下载一个叫做 cloud code 软件，或者叫推的软件， 然后有了这种 ai 的 软件之后，你再把你的一个旧的简历，不管是 word 版也好， pdf 版都可以。再就是把这个简历发给那个 ai， 比如说你用 call， 那 你就把它那个地址发给 call， 然后用 call 去帮你，就有针对性的一些评分吧。你可以跟他说你现在想找的是什么样的一个职位， 或者说你给他一些你想投的一些岗位的那个详细的描述，让他去看一下你现在的简历有没有什么问题， 不管是从你的，嗯，就是你的历史的一些工作的一些描述啊，还是，嗯，你描述的点是不是踩在一些招聘的要求上，都是可以让他去看一下。 然后就是平时完之后，我是建议让你让 ai 去生成一个这样的格式的一个文档，叫麦当劳格式。 这有了这个格式之后呢，后面要再改这个简历的时候都是非常方便的，因为 ai 在 读这个麦当劳格式的文档时候是速度非常快，并且要在上面操作的话也是非常快，所以有了这个基础的一个， 就我把它叫做跟模板之后，那你后面要再改成立的时候就非常快。然后有了这个 madam 之后， 嗯，你可以再接这个 madam， 再去做成一个 html， 这个是怎么做呢？这个就是要用要用到这个提示词，这个是那个 cloud design 那 边，就是他们那边应该是有朋友从官方那边爬出来的一个官方的一个提示词， 然后用这个提示词去对你的这个简历进行一个设计，最终它就会生成一个类似这样的一个 html 的 一个模板。这个东西的话，呃，所有的字体啊，还有它的一个间距啊，还有它的一个样式，包括它的颜色，都是可以自己去定义的，不一定要按这种 标准的东西，你可以嗯，找你喜欢的一种样子，你也可以去找一些你比较喜欢的网站，什么什么的各种之类的，去找他的一些配色，或者直接发给 ai 让他去参考都是可以的。 然后设计完之后，你觉得满意的话，那就直接像我上个视频说的，就按 ctrl 加 p 把它打印出来就好了。打印的时候我们把这个打印目标选择为另存为 pdf， 那 他就可以在本地这里，本地这里去生成一个 对 pdf 版的专利，然后它的样式跟网页基本都是一样的，没有什么区别， 就是有些分页而已，你看样式都是几乎一样，然后这些内容都是可以都是可以复制粘贴的。 反正大概的一个制作方法是这样的，一个制作思路是这样一个流程，就是先弄一份，弄一份就是文字版，没问题的一个东西，就是弄个麦当劳格式的东西，有了这个麦当劳格式之后再去 呃，做这个 hdmi 的 设计，设计完之后再另存 pdf 照，整个过程不会太久的，大家可以去试一下，有有什么问题的话也可以在评论区这边就留言一下，大家一起交流一下。
19ai文俊说
18:27查看AI文稿AI文稿这期视频打工人必看 ai 做数据分析，这是我们在企业 ai 培训过程中遇到的最高频的需求之一，本期干货非常多，建议你来点赞收藏。 你有没有一张 excel 表格扔给 ai， 然后它生成了一份看起来非常专业的分析报告，图表漂亮，结论清晰，洞察深入。但是你有没有想过，这份报告里面的数字是真的算出来的，还是编出来的？ 可能是 ai 应用领域我觉得最难肯，但也是企业最高频的痛点之一。我呢，干了十三年的商业分析，在咨询公司干了五年，在三六零做了两年，字节做了六年多，整个数据分析和洞察是我的老本行。那过去的一年呢？我测试了市面上绝大多数的 ai 的 工具和分析的方法， 论是 ai 做数据分析可用，但是坑更多。那这一期视频呢？我不会给你演示 ai 有 多么的厉害，相反，我会把 ai 做数据分析的真实的问题一条一条的摆在你面前，然后告诉你这些问题真实存在的情况下，怎么样做出靠谱的分析。 以上都是一些实打实的学类的教训，建议你来点赞收藏。首先哈， ai 做数据分析到底有哪些根本性的问题？ 我们先从第一性原理来想这个问题哈， ai 是 什么？它是一个语言预测的系统，它的本质是预测下一个 token， 它不是计算的引擎，也不是一个数据库，也不是一个审计的工具，理解这一点，你就能理解它所有的问题的 来源。那我来给大家展示一个真实的案例，是我们的客户给我的一份用户调研的数据，四百二十六行十五列，那我策划了整个分析的逻辑，需要 ai 做五个补， 对数据进行描述性统计，进行基本的数据处理，进行相关性的分析，做数据的洞察挖掘，最后出可可化的报告。我呢，也用 deepsea、 kimmy cloud、 coat、 pycharm 的 各种工具来尝试。我们来看一下这些工具进行到整个分析的哪一步。 你可能不会想到 deepsea 在 第一步就已经挂了，这是 ai 做数据分析最主要的问题之一。数据阶段他根本就没有看完你的整 个表，大多数 ai 的 平台有上下文的窗口限制，你上传了一个十万行的销售数据表，他只看了前几千行，基于局 部的样本给你生成了一个整体的趋势分析，他不会告诉你他没有看完，他只会给你一个直接的结论。问题二，计算幻觉。他可能第一步对，但是第二步就开始 边了。一些常规的统计描述出错率是比较低的，因为这类任务相对来说简单，但是一旦涉及到多步骤的运算，比如说同比增长或者环比， ai 在 中间步骤就是有可能悄悄出错的。然后他会用一个非常流畅的语言，把错误的结论包装得非常自信，越复杂的运算越容易在中间某一步 产生幻觉，这是大家需要注意的地方。问题三，结果不稳定。也就是我们会发现 ai 做数据分析的时候，同一个问题，他可能明天的答案就是不一样的，他整个输出是有随机性的，今天你问他哪个产品线的利润最高，他给你 a， 但可能明天同样的数据，他会给你一个 b， 或者是说同一份数据，他给到的分析的结论每次都是不一样的。比如说他今天认为我们的核心人群是年轻人，明天会认为整个核心人群是一线城市的人群。 那第四个问题，不理解业务逻辑，也不理解数据的含义。如果你不告诉他你的表格中的字段之间的关系和关联，他会自己去做出一些假设，而且通常也不会说他自己做了什么样的假设，那他在分析的时候就在分析一堆他自己并不理解的符号。 所以这也是为什么我们通常要告诉他我们的业务逻辑，或者是数据之间的关联关系。问题五，基础算数也会错，加减乘除出错的概率是比较低的，但也不等于零。当数据量大，嵌套复杂的时候， ai 的 计算可能远不如一个 excel 公式。问题六，编造不存在的数据。 当数据缺失的时候，有些 a i 号会自动去填出一个合理的数字，而不是告诉你数据缺失。这是最危险的情况，因为你的报告里面混入了凭空捏造的一些数据点， 而你完全是不知情的。问题七，他缺乏对统计意义的常识。比如说我们让他做一些相关性的分析，或者是做一些分组的分析，剧烈的分析，哪怕某个分组的样本量非常低，根本不具备代表总量的代表性， 他也会一本正经的给你输出结论。这种时候我们就必须靠懂业务的人在提示词里面强行做一些限制，他才会规矩。还有问题八，安全问题。 因为我们上传到 ai 平台的数据有可能涉及到企业的敏感数据，比如说销售数据、用户的数据、财务的数据， 它是不允许上传到第三方平台的。这种情况下，我们怎么样去做数据分析呢？以上这八个点都是实际操作 ai 做数据分析过程之中遇到的问题点，你会发现这些问题它有一个共同的根源，就是 ai 是 一个语言生成的系统， 它的目标是生成听起来很合理的输出，而不是保证计算正确。这两个目标之间其实是存在着根本性的冲突的，那我们到底要怎么办呢？三个目标、三种解法理解了以上根本性的问题之后，我们就知道 ai 做数据分析存在着天然的局限，这也帮我们更明确用 ai 做数据分析的三个目标，准确、深度、安全。目前其实还没有一个方案能够完美去实现这三个目标，但是我们可以根据场景来选择。解法一、 优先保证准确我会推荐大家用 cloud for excel， 如果你需要对数据进行计算，而且你必须确保数据是对的，那我们最佳的实践实际上就是 excel 表格。 那为什么是 excel 呢？因为 excel 的 计算是非常透明的， ai 可以 帮你写公式，公式写在每一个 excel 的 单元格里，你能够看见它，能够检查它，能够追溯每一个数字的来源。这和把数据扔给 ai， 让它给你一个答案是有本质区别的， 因为 ai 给你答案是黑盒的，你不知道它是怎么算的，但是 ai 给你公式，公式在 excel 表格里运行，它是一个白盒的，每一步都是可以审计的， 所以我们要确保准确， excel 是 最佳的时间的场景。那这里我们还是用刚才的案例来给大家演示一下同样一个用户洞察的表，我们放在 excel 表格里面，这个 excel 表格里面是嵌入了 cloud 的， 让它先做。第一步，做描述性的统计，它直接会新建一个 sheet， 然后去做每一个题目的统计的结果， 并且你能够看到统计结果的公式，这意味着计算过程是足够透明，你可以回溯，能够审查。在准确性上， cloud 给你的确定性是绝对的。接下来我们要让它进行第二步，也就是数据的预处理， 这里让他对所有的题目进行交叉的分析，其实是一个特别大的计算量。我之前在市场研究公司的时候，我们是需要有专门的 d p 来做数据处理的，耗时至少是花一天的，但是 cloud 几分钟就做好了，而且能够准确地执行，并且帮助你重新生成一个 sheet， 这个是很厉害的，而且我检查了数据是完全没问题了。再进一步到第三步，我们让他做相关性的分析，这里面他会自己把计算相关性的维度和方法都尝试了， 并且主动进行显著性的检验。到这里基本的数据分析的工作其实已经进行了差不多的，接下来我们就是要去做数据的洞察和呈现的过程。 那这里我是直接让他基于所有的分析做总结的报告，他自己主动新增了一个 sheet， 然后把跨表格的结论进行了整体的分析和总结， 这是我认为保证数据分析的准确性、深度最有效的方法。 cloud code for excel 目前直接对表格进行操作的 ai 有 cloud 和 kimi， 最近千万也上了表格的 agent， 但是我自己认为嵌套在 excel 中的 cloud 做得更原生、更彻底、更透明，也意味着更可控。 那它与普通的 agent 的 最大的区别在哪里呢？我觉得，第一，它不让大模型直接来算数，可靠的，不会悄悄地去改文件。你让它去修复公式或者调整逻辑的时候， 它会优先地去展示计划修改的部分，并且解释原因，展示修改前后的公式，然后由你来审核决定是否来应用它。 所以大模型在这里只是负责去生成 excel 的 公式，而 excel 引擎去负责执行这个运算，这样是直接把数值计算的责任交给了 excel 本身。那大模型只负责写正确的公式，规避了直接让模型做算数的风险。 那 cloud for excel 的 架构的本质啊，我自己认为就是 a l m as formula generator， 然后 excel 就 as computer engine， 而人类就作为 final 的 reviewer， 而不是说让大模型端到端的去做整个数据的分析，这是我认为它控制数据分析不准确或者是控制风险的方法，这既是它的护城河，也是它能力的上限。第二点呢，我认为它是拥有跨表格的 联合分析的能力的。普通的数据分析的 excel 和工作模式就是，呃，我把数据给到模型，模型来生成结果，对吧？整个过程是在一个外部的沙箱的环境里面去运行的，跟原始的文件是脱节的。 而 cloud for excel 它的核心差异是 whatbook native。 这是什么意思呢？就是说把它的整个文件作为一个关联的系统来推理，而不是单个的单元格或者是单个的 sheet。 它直接在你的原始数据表格中做操作，做增加 sheet， 然后做跨 sheet 的 联合分析，那它能够去理解嵌套的公式以及跨多个 sheet 的 单元格的依赖的结构。那它在理解整个数据关系的时候，也考虑的是左 所有 sheet 的 上下文，这也给他提供了真正去思考逻辑关系的空间。所以简单说，普通的 ai 是 拿数据去外面分析， 而 cloud for excel 是 在数据里面思考。那第三个点，我认为它还有一个优点，就是它的边缘问题的处理机制。 cloud 能够去追踪一些无效的、空值的或循环引用等错误，并解释出了什么问题，应该怎么样去修复 且不破坏模型。其他的部分，甚至是我看到它的官方文档里面会对于一些报错有很严格的限制，它的官方文档里面写，当它的审核 agent 认为报错为零的时候，它才会输出结果。如 果不文明的时候，它会持续地去在底层做预算。我认为这些机制也能够去保证 cloud 做数据分析的时候的相对的准确性。那可能有人会说自己没有办法使用 cloud for excel， 有 没有什么替代的方案呢？有的，那我们这里给大家第二个解法，优先保证深度用 pmi。 国内目前通用平台做数据分析相对可靠的是 kimi， 为什么 kimi 相对可靠呢？相比其他的平台来说， kimi 在 处理长文本和大表格时截断率是更低的，而且它理解上下文的能力更强，上下文的窗口也更大， 意味着它能看到更多的数据并做分析。而且我们知道 kimi 有 两种模式，一种是 kimi 的 表格模式， cloud 一 样也可以在 excel 的 表格里面去做操作，并且也能够按照你的要求在表格中做预算做分析。但是它是直接在表格中输出结果的，而不是像 cloud 一 样输出的是公式。这也意味着你的整个结论都是在黑盒中的， 你需要去人工叫验它所有的数据分析的过程和结果。 timi 呢？还有一个 agent 的 模式是在沙箱的环境之中，后台有各种数据 agent 学童来操作，我直接来给大家演示一下哈。 我们还是刚才这样一个用户调研的数据的案例，我们给到 kimi， 让他来进行我们预设的五个分析步骤，那非常惊喜哈， kimi 在 这两个模式下， 整个数据的准确度是全部过关的，五个复杂的步骤跑下来完全没有失忆。最终我们能够看到他输出的报告 和可适化的分析的看法，也都达到了可以交付给客户的标准。所以我们其实想说， kimi 用来去做一些常规的数据分析肯定是没有问题的。但其实 kimi 过程中也有一些小的问题，或者是说我给到大家一些使用的建议吧。 第一是不要直接让他给你结论，要让他先描述他看到了什么数据，确认他没有截断，没有基于一些不准确的数据去做分析。 第二呢，是对一些关键的数据进行人工的抽查，把它定位为一个思考助手，而不是说计算的工具，因为它现在目前还是没有办法保证百分之百的准确的。第三个点就是它缺乏统计学意义的一些常识，所以你需要写专门的提示词进行限制，才能让它整体的输出准确而可靠。第四个点， timmy 的 表格模式，我觉得它更适合很纯粹的做数据的处理，但是偶尔会有一些格式上的 bug， 那 它的 a 整数模式更侧重于深度的洞察的挖掘， 我个人是更看重商业洞察的，所以我会建议大家首选 a 整数模式，因为它的整个思考的逻辑会严谨的多。那我们再看一下 timmy 的 整个的分析的步骤，第一步，让它做描述性的统计，完全没有问题，整体是非常准确的。 那第二步，让它进行数据的预处理，这个预处理就是做数据的交叉分析，让它对所有的题目基于特定的一些维度做交叉的数据表格，它能够帮助我们生成一个 sheet， 虽然需要花一定时间， 整个系统你下载下来整体也是没有问题的。接下来我们让他进一步做。第三步就是我们提到的做相关性的分析，这里面我们会给到他提示词，整个相关性应该怎么样去做，哎，他自己已经理解到了，所以他自己也会基于他的理解去做了整个相关性的分析，并且也给到了一些显著性检验的指标。 那接着第四步就开始让他帮我去做洞察的分析的结果，以及第五步，我进一步让他基于他整体的洞察分析的结果做出一个可适化的网页，整个分析非常的完整，还是很符合预期的。 那以上的两个方案我们其实探索了如何准确深度的用 ai 做数据分析，那么我们怎么样保证第三个点安全的做数据分析呢？那在我们做企业的 ai 培训的时候，会发现企业的管理层普 片都卡在一个死胡同，既极度渴望用 ai 挖掘数据的价值，又死死守着数据安全的红线，不敢越雷池一步。那企业其实也探索了很多的方法，但是都有一些致命的缺陷。比如说第一，把数据进行一些脱敏的处理，比如说哈，把一些列名改成指标 a， 指标 b， 但这样的脱敏处理会让他剥离了一些业务的含义， ai 只能做很低级的加减乘除，但没有任何洞察可言。 那第二个点呢，就是花重金在本地部署开源的小模型来做数据分析，那实际落地下来也会发现速度很慢，而且 ai 并不够聪明。所以这一章节我们给大家讲第三个解法，就是保证安全的情况下，怎么样去做数据分析。我们推荐的方案是本地的 python 加 ai 的 辅助， 那当我们在处理一些敏感的数据，最好的方式是数据不离开你的本地环境。你用 ai， 不 管是用 cloud 的， 用 gpt 或用其他的工具辅助帮助你去写 python 代码。然后呢，让代码在你自己的本地机器上运行， 数据不上传到任何平台。这个方法其实也非常的简单，唯一的要求是用户需要有一个 python 的 编辑器安装在本地的电脑。那整个流程就是首先你需要去描述你的需求，给到 ai， 然后 ai 帮你生成 python 的 代码，那接着呢，你去把这个代码拿到你的本地去运行，而 而且整个结果都是在本地去生成的，生成完之后，其实你自己如果想有任何的修改啊，验证啊，审查啊，你其实都是可以去做的，整个全程数据也是不会离开你的电脑的。那为什么这是相对来说最可靠的方案呢？计算由 python 来执行，不是 ai 来执行，所以准确性是有保证的。 那整个代码呢，也是可以保存、复制和分享，你可以是重复性去使用的。也就是说未来你的原始数据有了更新，你直接重新再跑一遍这个代码就可以了。第三个点，数据也是保存在本地的，安全性是可以保证的， ai 只负责把它擅长的部分，也就是把你的需求翻译成代码。但是这个方法也有一定的局限，就是有一点学习门槛，需要你能够看懂基本的 python 的 代码， 但实际上你并不需要会写，你只需要能读懂就可以。好，那我还是给大家来实操演示一下，你就会知道它的难度到底有多大，既不会过于害怕，也不会过于乐观。首先我们要下载一个 python 的 编辑器，我这里是开站，当然你也可以用别的，比如说 vs code 或者 cross。 我 知道哈，屏幕前的你可能听到我刚才说的这些词，你就想打退堂鼓了。别害怕，我保证你看完我操作之后，你就会豁然开朗。不， 不过如此，面对恐惧唯一的方法就是直面他。那我们来想象一下这个任务我们到底是怎么样去处理？首先我们的目标是让 ai 帮我们写出能够分析这些表格的代码。那这里我们的第一步其实就需要告诉 ai， 哎，我有哪些数据表？每个数据表里面有什么？数据表里面的数据结构是什么？那 这一步我们直接用 python 的 编辑器来帮我们输出，我们不需要去自己手动的去写每个表格的信息。那我们打开 python， 进入到我的工作区，我已经把原始文件放进去了， 你的原始的表格可以是一个，也可以是多个数据表，它都可以同时来处理好。这一步输入帮我们输出表格的 info 信息，我给了这样一段代码， 然后我们运行，运行后我们能看到表的基本信息了，有多少行，多少列，具体是哪些字段，对吧？然后我们来到 deepsea， 我 们跟他介绍一下背景，越详细越好。所以我是比较偷懒的，我会把所有的信息都给了他，比如说我直接把我在编程上的刚才写到的这些语句发给他， 然后把我们拿到的所有表格的 info 信息也发给他，接着跟他说我们的要求，那这个要求是什么呢？就是这一段提示词，要求他帮你输出分析的 python 代码文件，然后他会直接就给你写好代码了。 那我们直接下载好代码之后，来到 page 里面去运行，你就会直接拿到结果，他直接会把你分析的结果格式化，并且你能够看到。哎，这里是有一个看板，然后左边是有筛选去看特定的结果。 这个方法啊，很有效的地方在于 ai， 它基本上帮你做成了一个自动化的看板，后续你的原始数据有任何的更新，你重新再运行一下这个脚本就可以了。 那 ai 做数据分析不是说不能用，而是说需要用对地方，它很适合帮你思考分析的框架，把你的需求翻译为代码，但是它确实不适合承担计算和审计的职责。那把 ai 用在它真正擅长的工具， python 的 代码等等， 这才是目前来说相对可行的路径。那今天呢，给大家介绍了这三种数据分析的方法，但大家也需要注意到，这里的分析更多还是让 ai 不要出错，让 ai 能懂数据的关系，让 ai 能够安全的执行。但更多的关于洞察的部分，其实我们今天并没有详细展开， 因为它的难度是更升级的，如果第一步的准确度没有办法完整保证的话，其实洞察也没有办法真正展开。 那洞察呢，是一个更复杂的过程，也更需要对业务的理解，也需要一些特定的场景，觉得未来我们可以做一些专题来做分享。好，以上是今天的分享，如果你觉得还不错的话，可以收藏和点赞哦！我是江江，带你看懂 ai 一 线！
3897江江AI一线
02:37查看AI文稿AI文稿今天看一个 cloud for ppt 插件，它的重点不是帮你生成一堆图片再塞回 powerpoint， 而是直接在 ppt 里面生成一份结构完整、后续可编辑的演示文稿。 进入方式也很简单，在 powerpoint 的 开始菜单里打开加载项，选择 cloud， 就 能在右侧面板里直接输入需求。这次我用一个学术汇报来测试，题目是面向本地部署的大语言模型推理优化与应用研究， 要求里一次写清楚研究背景现状问题、技术路线、实验设计结果、分析和总结展望，整体做成深色学术风格控制在十页左右。这种提示词的关键是把页面结构、内容范围和视觉风格都说清楚。 插件接下来不是只做一张封面，而是在当前 ppt 文件里规划整套汇报。点击生成后，它会先拆解主题，再按页搭建内容。你能看到它在逐步创建标题页、研究背景现状与关键问题、技术路线、实验设计、实验结果等。页面 生成出来的封面已经有完整标题、复标题和学术汇报风格。后面的页面也不是空模板，向大模型、本地化、趋势推理、资源瓶颈、工程化落地需求都被组织成了卡片和章节。 再往后看，方法设计、实验设计结果分析里出现了表格、流程结构和柱状图，这一点很重要。它生成的是 ppt 里的文本框形状表格和图标，不是截图，后续改标题、调颜色、换数据、挪版式都可以直接在 powerpoint 里编辑。 它还具备搜索能力，搜索到的是网上真实内容，用来补充材料和参考信息，比完全凭模型记忆生成更不容易跑偏， 所以这个插件更适合做可继续加工的 ppt 出稿。它把资料理解、结构规划、页面排版和可编辑对象放在一个流程里完成，也省掉图片转 ppt 的 变形问题。最后看一下这些页面，封面研究背景、技术路线、实验结果、总结与展望都已经成套生成， 你可以把它当成一个可编辑的学术汇报，股价后面只需要根据自己的真实数据继续精修。如果你还想看 club for ppt， 做商业计划书、产品发布会、课程课件或者论文答辩这类场景，可以在评论区留言， 我后面会继续拿真实案例做实测，重点看它生成的内容质量、搜索来源和 ppt 可编辑程度。觉得这类工具评测有用，也可以先关注我。
168橘橘橙AI
01:09查看AI文稿AI文稿来看一个 note， 写进去了，然后你看，首先是 note models 肯定不能提交，是吧？然后什么日制啊，什么什么一些常用的一些配置文件啊，是吧？但这这些个还是可以提交的啊。它是 logo 啊， logo 的 不需要提交， 你看是不是常见都不会提交上去了？好，这下我就可以放进去提交了。好，然后我们现在就是要用 gh 命令给它提交上去啊，怎么来弄呢？其实非常简单啊，使用 gh 命令 将 这个 g u simulator 这个 game 项目推送到 get up。 啊，就这么简单啊，你看现在他说要把这个项目初步化一个为独立仓库，然后这里选是， 那去帮我初步化一，看一下他能不能把那个项目给配上去了。好，现在已经加上去了，默认的分支的话是 master。
8看了就会
35:33查看AI文稿AI文稿大家好，欢迎来到今天的分享，如果你用过 gec boot 的 on 乱表单，一定懂这种痛。梳理字段、选控件、配布局、设查询、加脚、验定权限，每张表单都要从头来一遍， 步步骤烦，耗时长，稍不注意就漏配。今天给大家带来一个好消息，我们专门为奥利表单打造了一款 a、 s、 k、 l 支持单表、竹字表、树表，二十六种空间类型， 业务字典全程自动匹配，完全不需要手动干预。它有两种玩法，第一种你定好字段和空间类型， 教给他一键生成。第二种你直接描述业务场景， ai 自动帮你梳理字段，匹配空件儿方案出来确认一下就好。 布局、扩展、查询、筛选、默认值、视图、校验权限，一句话全部配置到位。还支持 js、 circle、 java 增强、自定义按钮、积木、报表打印集成，彻底告别重复手动配置。 首先打开我们的官方文档，在 skill 提示词大全、 excel 表单提示词，我们这里也整理一些提示词，比如单表、树表、柱子表、 sql 增强、 js 增强、试图 检验规则对接期末报表打印功能，大家直接粘贴复制到 cloud hold 命令行中运行即可。我这里也整理了一些常用的提示词，下面让我们一起来看一看。 首先我们先创建一个简单的单表，它包含以下字段，居民姓名、性别、年龄、身份证号、联系电话、所属社区 流动号、单表号和房县号。这些字段我们给它粘贴到 cloud code 里面。 然后在这个过程中，我们需要提供一下后台地址和 token， 后台地址是我的，端口号是八零八零，如果你有端口号的情况下，请提供一下， 然后 talkin 的 话，我们按 f 十二 in network 里面找到一个请求，在请求头里面获取一下 talkin， 这里我们可以确认一下它生成的有没有问题，没有问题的话我们给直接给它后台地址和 talkin 即可， 这里我们就生成成功了， 我们刷新一下，可以在编辑里看一下它生成给我们生成的字段， 自动匹配的控件和自动勾选的查询字典。 我们在功能测试里面看一下效果， 然后我们再创建一个竹子表，一对一和一对多的， 比如创建一个教师表，是一个主表，拥有这些字段。班级表是一对一的，它拥有班级编号，班级姓名、班班主任编号、年级入学年份，学生表是一对多的， 我们让他给咱创建一下， 这里也需要我们去确认。 生成完之后我们来看一下效果， 这是我们刚才创建的教师表，学生表和班级表 我们分了别，来看一下表的类型，它给自动给我们匹配到了主表，然后副表有这两个， 然后再看一下一对一的班级表， 它拥有的字段都给我们配上了，还有我们需要的空间类型， 然后使我们的学生表用的是一对多。 我们去功能测试里面测一下效果，这里我们可以让它给我们创建数据，比如让它插入向量数据， 在这里它就插入成功了，我们点查询一下， 然后我们让它把教师表的风格改成 tab， 风格 修改成功之后，我们去页面看一下效果， 我们需要刷新一下，这里就变成了主表 tab， 然后我们功能测试看一下，在新的页面它就给我们创建了 tab 类型的， 这里其他类型它也支持，比如说 erp 风格，内嵌风格，比如说如果我们想生成全控件的话，我们就告诉他需要一个竹子表，一对一和一对多的全控件凹乱表单，大家都可以去尝试一下。 然后如果我们想要查询的时候，大家会发现我们需要一个一个的去勾选， 而在这里我们可以给他说一下，就是将所有的表勾选查询并开启联合查询，大家就不用手工一个一个去勾选查询 执行成功之后，我们来看一下效果， 我们教师表在页面属性，他把查询都给我们勾选了，然后我们看一下学生表 在页面属性，它也是给我们全部勾选掉了。 id 表在页面属性查询全部给我们勾选上了， 那么在功能测试里面看一下，点击展开，这就是给我们生成的联合查询，它把所有的查询组件都展示出来了， 我们输入一个班主任编号，点击查询是没有任何问题的。 接下来我们看一下默认值验证与表单配置，我们是新建一个阿亮表单订单表，它需要拥有的段命名默认值让我们让它使用，系统变量 用的是当前用户姓名，然后性别让他使用字典 success， 年龄让他用，有默认值为二十。订单我们直接使用填值规则表达式订单名称，他的接件规则是必填的手机号，他的验证规则是使用手机号验证 下车下单时间默认使用 gs 表达式，用的是当前系统时间，我们让 ai 来给我们证实一下， 创建成功之后，我们去凹烂表单里面看一下， 这是我们刚才创建的订单表，我们来看一下它的配置，这是我们想要的字段， 页面属性、中控件默认值也都给我们配好了。还有字典 检验，字段中订单名称不能为空检验，必填手机号用的是手机号验证，我们来测试一下效果， 姓名、订单号，年龄和下载时间都有默认值， 新测试它是没有问题的。 然后我们让它改一下表描述，并且不需要显示选框单风格给它设成案列， 不需要滚动条，不需要分页，我们现在的表单风格是一列显示的。 更新成功之后，我们先来看一下它的配置， 滚动条设成了无，表单风格设成了两列，分页不显示，复选框不显示。 我们来看一下效果。 然后接下来我们看一下扩展配置，我们先让它创建一个包含年年月记录周日期、日期、时分秒的空架。 注册完之后，我们先来看一下配置， 在我们的更多配置里面有个配置，我们看一下年的话用的是年，季度的话用的就是季，年季度。 这里的话我们如果手工配置的话，需要一个一个的去点，而用 ai 我 们一句话就让它把所有的配置都被我们生成出来了， 我们来看一下效果， 接下来我们让 ai 再生成一个部门和用户的组建，用户让它存储字段是 user name， 展示字段是 real name， 部门存储的字段是 id code， 展示的字段是 department。 我 们来让它生成一下， 我们来看一下配置，在用户里面配置里面存储的字段就是 user name， 展示字段就是 real name 部门字段，它的配置存储字段用的是 o r d code， 展示字段用的是 department name 已经给我们自动适配好了， 然后我们让它再给我们生成年生序，排序年月必填检验题日是年月为必填选项，请选请选择年月， 需要勾选查询，查询的 label 长度是四。 我们来看一下它的配置 年，我们勾选了排序 年，开启了排序， 年月为闭填， 相关提示是年月为闭填选项，请选择年月，并开启了查询。 查询 label 为四 年的排序末认为升序， 我们先让它来插入测量数据来测试一下效果。 插入数据成功之后，我们来看一下它的效果 年开始了排序，它默认是升序的， 年月它是必填的，我们如果点确定的话，它会提示年月为必填选项，请选择年月，而且我们的年月也开启了查询， 然后我们再让它开启弹窗，默认全屏开启评论表单的 label 长度为二。开启列宽拖动固定操作列在左边， 我们让它来升成一下。 升成成功之后，我们来看一下效果， 我们新增的时候，它的弹窗默认是全平的，操作裂，它是固定在了左边， 它的裂宽是可以拖动的。 然后我们开启了评论的功能，它的 label 长度就是二。 然后接下来我们再看一下权限，我们在配置权限的时候是不是需要我们手工来配置，比如说我们先配置这个权限控制，我们需要自己一定一个一个的去点启动， 然后按权限也是一个一个去点起用数据权限我们需要自己来新增，但是有了 ai 之后，我们只需要一句话就让他，就能让他们给我们来自动生成，我们来试一下。 我们先来创建一个员工信息表， 证实完之后，我们先来看看一下这个表单存不存在，这个表单已经存在，然后在编辑里面这段也都给我们建好了。 接下来我们让他给我们配置一下数据权限，请查看自己创建的数据，请查看本部门数据，请查看在职员工按钮权限导入和查询自断权限、月薪和入职入职日期。 我们让他来生成一下 权限给我们生成的配置。 在我们的员工信息表里面有权限控制字段权限月月薪和入职日期已经给我们勾选上了， 然后我们的按钮权限，然后有数据权限，它的 circle 都已经给我们写好了，就不用我们自己手工去敲 circle 日号完成之后，我们让他给我们来授权一下，比如说备案决策按钮权限 导入和查询北京国际部门数据权限，请查看自己创建的数据，请查看本部门数据，请查看在职员工备案用户资料权限月薪、入职日期列表。可见加表格编辑， 我们来让它升升一下。需要注意的一点是势力中出现的角色，如恶的命角色，需要确定用户。在当前角色中部门，如北京国剧，需要确定用户在当前部门中， 用户如恶意均为失忆名称，需要使用时，请替换为当前信口中真实存在的角色部门用户，否则它会授权失败的，这是大家需要注意的一点。 授权完之后，我们来看一下它给我们有没有授权。对， 在员工信息表里面有个角色授权，看一下我们的 admin 角色， 我们的按钮权限它是已经给我们勾选上了，然后我们的北京国企部门数据权限，还有我们的人员授权 admin 用户， 这段权限已经给我们勾选上了，因为我们没有和它说表单可见，所以它没有给我们来勾选。 接下来我们再看一下矢图加权限。在我们表当中创建一个会议登记表，它包含会议编号、会议主题、主持人开始时间、结束时间、会议地点、插入人数这些字段，我们来让 ai 给我们生成一下， 创建成功之后，我们来看一看它有没有给我们生成正确。这里多了一个会议登记表， 里面的字段都已经给我们生成好了。接下来我们把会议登记表生成两个矢图， 生成成功之后，我们来看一下有没有，有没有给我们生成。好在更多里面有一个试图管理，它已经给我们生成了两个试图。 接下来我们把试图一的表单风格改成两列，只勾选会议主题和主持人自断查询并删除我们创建的试图二。 修改之后，我们来看一下效果，试图二已经给我们删掉了，我们看试图一的效果。 新增，新增的时候表单已经分成了两列， 只有会议主题和主持人生成了查询。 然后我们再为试图一添加次段权限，会议编号，会议主题按钮权限就是新增编辑和删除。 生成完之后我们看一下它有没有给我们生成正确。在我们 allen 表达式图，就是我们刚才的式图更多，里面有一个权限控制 自断权限列表表达，表达可见表达可编辑 按钮权限新增、编辑和删除。 接下来我们给 admin 用户授权字段权限、会议编号、会议主题表单可见可编辑，然后列表可见给 admin 角色授权按钮，权限新增、编辑和删除。 授权之后我们来看一下授权的效果。 在角色授权里面， admin 角色按钮权限新增、编辑和删除， 然后我们的人员授权， admin 用户字段权限、会议编号和会议主题列表可见表单可见可编辑，都给我们授权。好了， 接下来我们再看一下 sql 增强，比如说我们在 all in 表当中生成一个单表，含标题审核状态，已通过审核中和待审核。 然后我们通过 sql 增强，让用户在更多下拉点击可以给它设置为已通过审核中和待审核。我们让 ai 来生成一下。 创建成功之后，我们来看一下效果。 在我们的审核管理，我们勾选复选框。在 circle 增强中， 我们有审核中已通过待审核的按钮，然后 circle 增强也给我们自己写好了，我们就不需要自己手工手工地去编辑 circle。 我 们来测试一下， 在我们更多中可以给它设置成已通过审核中再审核。 接下来我们看一下 g s 增强，我们让它新增一个默认表单，有入库单和入库明细， 我们来让它生成一下。 生成完之后，我们来看一下它有没有给我们生成对， 然后给我们生成一个入库单和入库明细。 接下来我们让它在入库明细中，入库单价和入库数量都不被空时，总金额等于入库单价乘以入库数量。 还有一个就是入库明细总金额部位，空时主表的入库单的总金额等于所有子表总金额，总金额之和 设成完成之后，我们来看一下效果。 在我们的入库单中查看一下我们的 j s 增强 form， 里面都已经给我们配置好了，我们什么都不需要修改， 我们来测试一下， 我们在入库单价中输入一，在入库数量中输入二，那么总金额变成了二，而且而我们主表中的总金额也变成了二，那么再新增加一个， 而我们的总主表的总金额就变成了八。 我们接下来再看一下 java 增强，比如在默认中创建一个表，用手机号字段查询列表时，手机号中间四位自动显示为四个新号。我们用 a j t、 d p 方式的 java 增强来实现 这里的 sql js， java 增强只是为了给大家做一下演示，而在我们官官方文档中， sql 增强、 js 增强和 java 增强大家都可以去尝试一下， 而我们的后端代码路径需要对应我们自己本地服务器的后台路径，我这里的话就是在 js 文件夹下 生成完之后，我们可以来看一下效果，我们的后端服务器也需要重启，不然的话它不会生效， 这是 ai 给我们生成的 java 增强的代码，我们就不用自己去手工去敲，重启完之后我们去页面验证一下效果， 我们刚才创建了一个手机号托米施利，我们来看一下 java 增强， 它已经把配置给我们写好了，我们不需要省工来配置，我们来测试一下， 我们会发现我们中间的四位已经给我们替换成了四个星号。 接下来我们看一下对接积木报表打印功能，我们原来的话需要去积木报表里面去手工设计一个，然后再返回来给 o 链报表进行一下配置。而我们有了 ai scale 这个功能，我们只需要一计划，我们就可以把它生成出来，我们来尝试一下， 因为我们刚才创建的时候是创建一个社区居民调查统计， 然后它给我们生成了一些个字段，我们这里需要确认一下。 生成完之后我们来看一下效果， 这里它已经把我数据帮我们整理好了， 我们在更多里面点击打印， 那就跳转到积木报表的打印地址那如果想设计看一下的话，我们把 excel 改成 excel 即可，这是他帮忙我们设计的报表的样式。 今天奥利奥表单 scale 加 club code 就 讲到这里了，欢迎大家全网尝试。
01:33查看AI文稿AI文稿大多数人用 cloud 只会让他帮你聊天和写文案，但这五个 skills 才是真正让效率翻倍的隐藏武器。来一个一个看！第一个，文档三件套， word、 excel、 ppt 全搞定，说清楚你要什么， cloud 直接生成格式完整的文件，下载即用， 天天跟 office 打交道的人，这个必须点赞收藏！第二个， find skills 技能，导航仪，不知道用哪个 skill 描述你的需求，它帮你精确匹配， 新手入门首选老手提速利器。第三个， skill creator， 造工具的工具，把自己常用的工作流打包成专用技能，一键调用，重复性工作直接自动化，再也不用每次重新为提示词。第四个， agent browser， ai 替你上网， 自动打开网页，抓取信息，填表单等等，你只说目标，他帮你做完笔架，调研，收集数据，全程不用动手，这个真的太爽了！最后， front and design， 不 会写代码，也能做页面， 描述你想要的样式和功能，直接生成可用的前端代码，配色布局一步到位， 独立开发者和小团队的救星。五个 skill， 五种超能力，哪个最戳你？评论区告诉我，我们下期深挖你想看的那一个。
91AI增长观察室
