probly

GitHub
896 53 简单 1 次阅读 1周前MIT语言模型数据工具
AI 解读 由 AI 自动生成,仅供参考

Probly 是一款新一代智能电子表格应用,旨在让数据分析变得像填写普通表格一样简单。它巧妙融合了传统电子表格的易用性与人工智能的强大算力,解决了用户在处理复杂数据时往往需要在表格软件、编程环境和 AI 工具之间频繁切换的痛点。

无论是需要快速洞察业务趋势的市场人员、希望在不配置本地环境的情况下运行 Python 代码的数据分析师,还是需要从图片或文档中自动提取数据的研究者,Probly 都能提供流畅的一站式体验。普通用户也能通过自然语言提问,轻松获得专业的分析建议。

其独特的技术亮点在于“隐私优先”的架构设计:利用 WebAssembly 技术(Pyodide),Probly 能让 Python 代码直接在浏览器本地运行,无需将敏感数据上传至服务器,既保证了处理速度又提升了数据安全性。同时,它集成了 OpenAI 大模型与视觉识别 API,支持智能单元格建议、自动化趋势分析以及从图像中提取数据等功能。内置的提示词库还允许用户保存和复用分析模板,进一步降低了高阶数据分析的门槛。只需一个浏览器和 API 密钥,即可开启高效、安全且智能的数据探索之旅。

使用场景

某电商运营分析师需要在周五下班前,从一堆混乱的供应商发票图片和本地 Excel 销售记录中,快速整理出季度采购成本趋势报告。

没有 probly 时

  • 数据录入繁琐:需要手动敲击键盘将几十张发票图片上的金额、日期和商品名称录入表格,耗时且极易出错。
  • 分析门槛高:发现异常数据波动时,若想用 Python 进行深度统计或绘制复杂图表,必须切换至本地 IDE 配置环境,打断工作流。
  • 洞察滞后:面对海量数据,只能依赖基础公式求和,难以快速识别潜在的采购趋势或季节性规律,往往需要等待数据团队支持。
  • 隐私顾虑:担心将敏感的财务明细上传至第三方在线分析平台会导致数据泄露,不敢轻易使用云端 AI 工具。

使用 probly 后

  • 智能提取:直接拖入发票图片,probly 调用视觉 API 自动识别并填充单元格,瞬间完成结构化数据录入,准确率极高。
  • 浏览器内编程:遇到复杂计算需求,直接在单元格内运行基于 WebAssembly 的 Python 代码,无需离开浏览器即可生成高级统计模型。
  • 即时洞察:通过自然语言提问(如“分析本季度成本趋势”),probly 立即生成交互式图表并给出智能趋势解读,辅助快速决策。
  • 本地化安全:核心数据处理在浏览器本地完成,敏感财务信息无需上传服务器,既享受了 AI 便利又保障了数据隐私。

probly 将原本需要跨工具协作数小时的工作,浓缩为浏览器内的流畅闭环,让非技术人员也能像数据科学家一样高效挖掘数据价值。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes该工具主要在现代 Web 浏览器(Chrome, Firefox, Edge, Safari)中运行,Python 代码通过 WebAssembly 在本地浏览器执行而非服务器。必须配置 OpenAI API Key 才能使用 AI 分析和文档处理功能。支持通过 Docker 或手动安装 (npm/yarn) 部署。
python无需本地安装 (基于 Pyodide/WebAssembly 在浏览器运行)
Node.js>=18
Next.js 14
TypeScript
React
Pyodide
Handsontable
HyperFormula
ECharts
probly hero image

快速开始

Probly Logo

Probly

让电子表格数据分析变得简单

Discord License

Probly 是什么?

Probly 是一款新一代的电子表格应用,它将传统电子表格的强大功能与 AI 驱动的分析、Python 计算以及智能文档处理相结合。

核心功能

  • 智能电子表格:功能齐全的电子表格,支持公式并提供智能单元格建议
  • Python 集成:通过 WebAssembly 在浏览器中直接运行 Python 代码
  • 数据可视化:创建交互式图表和可视化效果
  • AI 驱动分析:获取智能化洞察和自动化的趋势分析
  • 文档处理:从图像中提取并处理数据
  • 提示库:访问预定义的分析模板,并保存自定义提示以供快速复用

Probly 电子表格示例

🏗️ 架构

Probly 采用现代化且注重隐私的架构:

graph LR
    A[浏览器] --> B[Next.js 前端]
    B --> C[Pyodide/WASM]
    B --> D[OpenAI API]
    B --> E[Vision API]
    C --> F[本地处理]
    D --> G[AI 分析]
    E --> H[文档处理]
  • 前端:使用 TypeScript 和 React 的 Next.js 14
  • Python 运行时:Pyodide(WebAssembly)用于本地执行
  • AI 集成:OpenAI API 用于智能分析
  • 文档处理:Vision API 用于从文档中提取数据

功能

  • 交互式电子表格:功能齐全的电子表格,支持公式
  • Python 分析:通过 WebAssembly 在浏览器中直接运行 Python 代码
  • 数据可视化:根据您的数据创建图表和可视化
  • AI 驱动:获得智能建议和自动化分析
  • 提示库:访问预设提示或保存您自己的提示以便快速重复使用

架构

Probly 采用现代化架构:

  • 前端:在浏览器中运行的 Next.js 应用程序
  • Python 执行:Pyodide(编译为 WebAssembly 的 Python)完全在浏览器中运行
  • LLM 集成:OpenAI API 调用通过服务器代理进行

这种设计意味着数据分析完全在您的浏览器中本地完成,从而提供更好的性能和更高的隐私保护。

系统要求

  • Node.js 18 或更高版本
  • npm 或 yarn
  • 一个现代的网页浏览器(Chrome、Firefox、Edge 或 Safari)
  • OpenAI API 密钥

🚀 使用 Docker 快速入门

启动 Probly 的最快方式:

  1. 📥 克隆仓库:

    git clone https://github.com/PragmaticMachineLearning/probly.git
    cd probly
    
  2. 🔑 创建包含您的 OpenAI API 密钥的 .env 文件:

    OPENAI_API_KEY=your_api_key_here
    
  3. 🐳 使用 Docker 构建并启动:

    docker compose build
    docker compose up -d
    
  4. 🌐 访问 Probly:http://localhost:3000

💻 手动安装

想不使用 Docker 运行吗?请按照以下步骤操作:

  1. 📥 克隆仓库:

    git clone https://github.com/PragmaticMachineLearning/probly.git
    cd probly
    
  2. 📦 安装依赖项:

    npm install
    
  3. 🔑 设置环境变量:

    OPENAI_API_KEY=your_api_key_here
    
  4. 🚀 启动开发服务器:

    npm run dev
    

🎯 如何使用 Probly

  1. 🌐 在浏览器中启动应用程序
  2. 📤 导入您的数据或从空白工作表开始
  3. 🤖 使用快捷键访问 AI 功能:
    • Windows/LinuxCtrl+Shift+?
    • Mac⌘+Shift+?
  4. 📚 使用提示库进行快速分析
  5. 📄 上传文档以实现自动数据提取
  6. 💬 用自然语言提问关于您的数据的问题

⌨️ 快捷键

操作 Windows/Linux Mac
AI 对话 Ctrl+Shift+? ⌘+Shift+?
提示库 Ctrl+Shift+L ⌘+Shift+L

🛠️ 技术栈

  • 前端:Next.js 14、TypeScript、React
  • 电子表格:Handsontable、HyperFormula
  • Python:Pyodide(WebAssembly)
  • AI:OpenAI API(GPT-4、Vision API)
  • 可视化:ECharts

📚 文档

有关详细文档,请访问我们的 Probly 文档

👥 社区

加入我们的 Discord 社区 以:

  • 💡 分享想法并获得帮助
  • 🎉 及时了解新功能
  • 👥 与其他用户交流
  • 🤝 参与开发

📄 许可证

MIT 许可证 - 欢迎使用和修改!

版本历史

v0.3.02025/04/12
v0.2.02025/03/18

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|1周前
Agent开发框架图像

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

160k|★★☆☆☆|今天
开发框架Agent语言模型

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|1周前
语言模型图像Agent

spec-kit

Spec Kit 是一款专为提升软件开发效率而设计的开源工具包,旨在帮助团队快速落地“规格驱动开发”(Spec-Driven Development)模式。传统开发中,需求文档往往与代码实现脱节,导致沟通成本高且结果不可控;而 Spec Kit 通过将规格说明书转化为可执行的指令,让 AI 直接依据明确的业务场景生成高质量代码,从而减少从零开始的随意编码,确保产出结果的可预测性。 该工具特别适合希望利用 AI 辅助编程的开发者、技术负责人及初创团队。无论是启动全新项目还是在现有工程中引入规范化流程,用户只需通过简单的命令行操作,即可初始化项目并集成主流的 AI 编程助手。其核心技术亮点在于“规格即代码”的理念,支持社区扩展与预设模板,允许用户根据特定技术栈定制开发流程。此外,Spec Kit 强调官方维护的安全性,提供稳定的版本管理,帮助开发者在享受 AI 红利的同时,依然牢牢掌握架构设计的主动权,真正实现从“凭感觉写代码”到“按规格建系统”的转变。

88.7k|★★☆☆☆|昨天
语言模型图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|1周前
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85.3k|★★☆☆☆|今天
图像数据工具视频