技术深度解析
这款用于生成Excel的AI智能体架构，代表了早期“副驾驶”方法的重大进化。该系统并非简单地建议公式或自动填充单元格，而是采用了一个多智能体框架，包含不同角色：任务分解智能体、数据建模智能体和格式与可视化智能体。
任务分解智能体：该智能体接收自然语言输入（例如：“创建一份2025年第一季度的月度销售报告，对比实际与预算，包含差异分析和一个条形图”），并将其分解为子任务。它使用思维链推理过程来识别所需的列、数据类型、聚合方法和输出格式。这类似于在LangGraph或AutoGen等框架中看到的规划方法，但专门针对电子表格语义进行了优化。
数据建模智能体：该智能体设计底层数据结构。它决定是使用平面表格、关系结构（多工作表）还是数据透视表。它还确定合适的Excel函数（SUMIFS、XLOOKUP、INDEX-MATCH）和数据验证规则。该智能体还可以生成合成数据，或与外部API集成（例如，从Salesforce或SQL数据库拉取数据）来填充工作表。这是系统对Excel对象模型的理解变得至关重要的地方——它必须知道如何引用区域、创建命名单元格以及设置数据表。
格式与可视化智能体：该智能体应用条件格式（色阶、数据条、图标集）、创建图表（柱状图、折线图、饼图、散点图）并调整布局（列宽、合并单元格、打印区域）。它使用一个基于规则的引擎，结合LLM生成的样式决策。例如，它可能会根据常见的商业报告惯例，为差异百分比选择红-黄-绿色阶。
该平台可能结合了开源和专有组件。底层的LLM可能是GPT-4或Claude的微调版本，针对Excel公式生成和数据推理进行了优化。执行层可能利用openpyxl或xlwings Python库以编程方式创建.xlsx文件。一个相关的开源项目是ExcelGPT（GitHub：约2.5k星标），它使用GPT-3.5从自然语言生成Excel公式，但缺乏这个新工具的多智能体编排和数据建模能力。另一个是SheetGPT（约1.8k星标），专注于Google Sheets集成。这个新平台似乎通过增加自主任务分解和执行能力，在这些项目的基础上迈出了重要一步。
| 特性 | 传统副驾驶（例如：Microsoft Copilot in Excel） | 本AI智能体平台 |
|---|---|---|
| 输入 | 用于公式建议的自然语言 | 用于整个电子表格生成的自然语言 |
| 任务分解 | 无（单步建议） | 多步规划（分解、建模、格式化） |
| 数据建模 | 假设已有数据结构 | 从头创建数据结构 |
| 输出 | 公式或图表建议 | 完整、格式化的.xlsx文件 |
| 所需用户技能 | 基础Excel知识 | 无需Excel知识 |
| 执行自主性 | 用户必须批准每一步 | 完全自主执行 |
数据要点： 该表格突显了自主性方面的根本差异。传统的副驾驶增强人类工作；而该智能体则取代了整个手动工作流程。关键的技术挑战是确保智能体的输出在无需人工干预的情况下正确且可用——这是一个很高的可靠性标准。
关键参与者与案例研究
多家公司正在竞相主导这个新兴类别。最突出的参与者是Microsoft，它已将Copilot集成到Excel 365中。然而，Microsoft的方法更为保守——Copilot建议公式或创建简单图表，但不会从头自主生成整个工作簿。这为初创公司留下了空间。
Rows（前身为dashdash）是一家提供内置AI和数据连接器的电子表格的初创公司。他们的平台允许用户编写自然语言查询，从API拉取数据并生成报告，但需要用户手动构建工作表结构。SheetAI是另一个参与者，它为Google Sheets添加了AI函数，但同样，它是一个附加组件，而非自主智能体。
AINews发现的这个未命名平台似乎是一家隐形初创公司，可能得到了某家知名AI加速器的支持。其核心差异化优势在于智能体工作流，它处理从意图到格式化输出的整个流程。早期的Beta测试者包括一家中型物流公司，该公司使用它生成每周库存报告，将3小时的手动任务缩短至5分钟。一家金融服务公司正在使用它创建客户投资组合摘要，并自动进行差异分析和生成图表。
| 产品 | 方法 | 自主性水平 | 目标用户 | 定价模式 |
|---|---|---|---|---|