Cellm

在 Excel 公式中使用 AI，在几分钟内对数千行数据运行你的提示（prompt）。

网站 | 文档 | 发布版本 | ⭐ 给本仓库点个 Star，帮助更多人发现 Cellm！

什么是 Cellm？

Cellm 是一个 Excel 扩展插件，让你可以在单元格公式中使用大型语言模型（LLM，Large Language Models），例如 ChatGPT。Cellm 的 =PROMPT() 函数会对一段文本范围输出 AI 的响应结果，其用法类似于 Excel 中的 =SUM() 函数对数字范围求和。

例如，你可以在单元格公式中写入 =PROMPT("提取文本中提到的所有人名。", A1)，然后拖动该单元格，将提示应用到多行数据上。当你需要使用 AI 处理重复性任务、而这些任务通常需要反复将数据复制粘贴到聊天窗口时，Cellm 就非常有用。

为什么要使用 Cellm？

• 快速完成数据清洗、分类和信息提取任务。
• 让市场、财务、销售、运营等团队无需依赖开发人员即可自动化日常任务。
• 立即解放你和你的团队，摆脱重复的手动操作，直接在他们已经熟练掌握的电子表格中工作。
• 无需漫长部署专门的 AI 应用——你的团队电脑上早已安装了 Excel。
• 通过 MCP 服务器创建自己的网页爬虫。每天早上 9 点会议前，自动监控竞争对手的博客、价格和社交媒体动态。

“我喜欢把数据喂给 ChatGPT，一次复制粘贴就够了。” —— 没有人会在连续执行同一提示 5 次后还这么说

示例

假设你需要追踪国际竞争对手，但他们的网站使用不同语言。逐一访问每个网站、查找最新动态、再复制到翻译工具中，这过程非常痛苦。现在，让 Cellm 为你完成这些手动工作：

https://github.com/user-attachments/assets/8967f557-50b8-4e39-80e8-86a1246c5a42

此示例使用新闻网站。我们提供一组 URL 列表，并编写一个简单提示，要求 Cellm 从每个网站抓取头条新闻。接着，在后续列中，我们让模型翻译该标题、识别原始语言，甚至将其归类为“政治”或“商业”等类别。

只需拖动填充，Cellm 就会访问每个网站，提取数据并为你整理好。原本可能需要一小时的手动工作，现在几秒钟就能完成。想象一下，每天早上 9 点会议前你能准备多少内容。

但请注意，模型有时也会出错。它可能会误解标题或分配错误的类别。你有责任验证结果是否足够准确，以满足你的使用场景。

快速开始

系统要求

• Windows 10 或更高版本
• .NET 9.0 运行时
• Excel 2010 或更高版本（桌面应用）

安装步骤

1. 前往 发布页面，下载 Cellm-AddIn-Release-x64.msi。

2. 运行安装程序。

3. 打开 Excel，在 Cellm 选项卡的下拉菜单中选择一个提供商（provider），并输入你的 API 密钥。

你也可以使用本地模型，例如通过 Ollama。下载并安装 Ollama，打开 Windows 终端（在开始菜单中搜索 Windows Terminal 并点击 OK），输入命令 ollama pull gemma3:4b，等待下载完成。然后打开 Excel，在 Cellm 选项卡的下拉菜单中选择 Ollama 提供商，即可开始使用。

定价

• 免费版：使用本地模型或你自己的 API 密钥
• 付费版：适用于需要托管基础设施和欧盟数据处理的团队
• 查看定价 →

基础用法

选中一个单元格，输入 =PROMPT("你是什么模型？谁开发了你？")。对于 Gemma 3 4B 模型，它会告诉你它的名字是 “Gemma”，由 Google DeepMind 开发。

你也可以使用单元格引用。例如，将一篇新闻文章复制到 A1 单元格，在 B1 单元格中输入：=PROMPT("提取文本中提到的所有人名", A1)。你可以使用标准 Excel 表示法引用多个单元格，例如 =PROMPT("提取以下单元格中提到的所有人名", A1:F10)，或引用多个不连续的区域，例如 =PROMPT("比较这些数据集", A1:B10, D1:E10)。

如需了解更高级的用法（包括函数调用和配置），请参阅我们的 文档。

支持的模型

Cellm 支持：

• 来自 Azure、AWS、Google、Anthropic、OpenAI、Mistral 等平台的托管模型（hosted models）
• 通过 Ollama、Llamafiles 或 vLLM 运行的本地模型（local models）

有关配置不同模型的详细信息，请参阅我们的文档：本地模型 和 托管模型。

使用场景

Cellm 适用于对结构化和非结构化数据执行重复性任务：

1. 竞品监控：每天追踪 50 个网站的竞品价格
2. 多语言支持：分析 10 多种语言的客户反馈
3. 文本分类：对调查回复、客服工单等进行分类
4. 模型对比：并排比较不同 LLM 的输出结果
5. 数据清洗：标准化名称、修复格式问题
6. 内容摘要：压缩文章、论文或报告
7. 实体识别：从文本中提取人名、地点、日期等信息

更多使用案例和示例，请参阅我们的 提示指南（Prompting Guide）。

开发

如需使用 Visual Studio 或命令行进行构建的说明，请参阅我们的 开发指南。

我们为什么开发 Cellm？

一位朋友正在撰写系统性综述论文，需要根据纳入/排除标准比对 7,500 篇论文，以筛选出与她研究相关的文献。我们认为这是 LLM 的绝佳应用场景，但很快意识到，如果一篇篇地将论文复制粘贴到聊天窗口中，过程极其繁琐。这促使我们萌生了开发一款 AI 工具的想法，帮助那些不想编程的人自动化重复任务。

我们快速制作了一个原型，让她能将 CSV 文件导入 Excel，并通过类似 "如果该论文研究糖尿病神经病变和中风，则返回 INCLUDE，否则返回 EXCLUDE" 的提示，一次性对全部 7,500 篇论文进行分类。于是我们决定进一步开发这个工具。

我们认为 Cellm 非常酷，因为它让每个人都能利用 AI 自动化任务，而这种能力过去只有程序员才能实现。

遥测（Telemetry）

为了帮助我们改进 Cellm，我们会收集有限且匿名的遥测数据：

• 崩溃报告（Crash reports）：帮助我们修复错误。
• 提示词（Prompts）：帮助我们了解使用模式。例如，如果你使用了 =PROMPT("Extract person names", A1:B2)，我们会捕获文本 "Extract person names" 以及提示选项（prompt options）。提示选项包括你使用的模型（model）和温度（temperature）设置等。我们不会捕获单元格 A1:B2 中的数据。

我们不会收集你电子表格中的任何数据，也无法将你的提示与你本人关联。你可以自行查看代码：src/Cellm/Models/Behaviors/SentryBehavior.cs。

你可以随时通过在安装目录 C:\Users\{username}\AppData\Roaming\Cellm 下的 appsettings.Local.json 文件中添加以下内容来禁用遥测：

{
    "SentryConfiguration": {
        "IsEnabled": false
    }
}

许可证

Fair Core License, Version 1.0, Apache 2.0 Future License

Cellm 快速上手指南

环境准备

• 操作系统：Windows 10 或更高版本
• 运行时依赖：.NET 9.0 Runtime（建议从官方下载安装）
• Excel 版本：Excel 2010 或更高版本（桌面版，不支持网页版）

💡 提示：国内用户可尝试使用 .NET 官方镜像 加速下载。

安装步骤

1. 访问 Release 页面，下载安装包 Cellm-AddIn-Release-x64.msi。
2. 双击运行 .msi 文件完成安装。
3. 打开 Excel，在顶部菜单栏找到 Cellm 选项卡：
   • 从下拉菜单中选择 AI 模型提供商（如 OpenAI、Ollama 等）
   • 输入对应的 API Key（若使用本地模型则无需）

使用本地模型（可选）

如需使用本地 LLM（例如通过 Ollama）：

# 安装 Ollama（访问 https://ollama.com/download/OllamaSetup.exe 下载安装）
# 在 Windows Terminal 中执行：
ollama pull gemma3:4b

安装完成后，在 Excel 的 Cellm 选项卡中选择 Ollama 作为提供商即可使用。

基本使用

在任意单元格中输入以下公式即可调用 AI：

=PROMPT("What model are you and who made you?")

引用单元格内容

将文本放入 A1 单元格，然后在 B1 输入：

=PROMPT("Extract all person names mentioned in the text", A1)

支持多单元格引用：

=PROMPT("Extract all person names in the cells", A1:F10)

或多个区域：

=PROMPT("Compare these datasets", A1:B10, D1:E10)

拖动填充柄即可批量处理成千上万行数据。