smart-excel-ai
smart-excel-ai 是一款利用人工智能技术，帮助用户在几秒钟内生成所需 Excel 公式的开源工具。面对 Excel 中复杂多变的函数语法，许多用户往往需要花费大量时间查阅文档或调试错误，而 smart-excel-ai 完美解决了这一痛点。用户只需用自然语言描述想要实现的数据处理逻辑，工具即可通过集成的 ChatGPT 能力，即时输出准确的公式代码，极大地提升了表格制作与数据处理的效率。
这款工具非常适合各类人群使用：无论是需要频繁处理数据的财务、运营等职场人士，还是希望快速掌握 Excel 技巧的学生与普通用户，都能从中受益；同时，由于其基于 Next.js、TailwindCSS 及 Vercel AI SDK 等主流技术栈构建，并提供了完整的源码与部署指南，它也是全栈开发者学习如何构建 AI 驱动型 SaaS 应用的优秀范例。
在技术实现上，smart-excel-ai 采用了流式传输（Streaming）技术，确保公式生成过程流畅无延迟，并结合了 Postgres 数据库、Next-auth 认证及 Lemon Squeezy 支付系统，展现了一个现代化 Web 应用应有的完整架构。如果你正被复杂的 Excel 公式困扰，或是想探索 AI 在实际办公场景中的落地应用，smart-excel-ai 都是一个值得尝试的得力助手。
使用场景
某电商运营分析师需要在周五下班前紧急处理一份包含上万条订单数据的报表，必须快速计算复杂的加权复购率和动态库存周转天数。
没有 smart-excel-ai 时
- 面对复杂的嵌套逻辑，不得不花费大量时间在搜索引擎和论坛中查找
INDEX、MATCH与IFERROR的组合写法，效率极低。 - 手动拼接公式时极易出现括号不匹配或引用区域错误，导致整列数据计算结果为
#VALUE!，排查 bug 耗时耗力。 - 遇到非标准的业务需求（如“按特定条件忽略空值并计算移动平均”），因不熟悉高级函数而被迫放弃自动化，转而进行繁琐的人工估算。
- 反复试错修改公式的过程中，精神高度紧张，不仅错过了下班时间，还增加了因疲劳导致数据出错的风险。
使用 smart-excel-ai 后
- 只需用自然语言描述“计算过去 30 天排除退货订单的加权复购率”，smart-excel-ai 即刻生成精准的完整公式，无需查阅任何文档。
- 生成的公式直接适配当前表格结构，自动处理边界条件和错误捕获，一次性通过验证，彻底告别语法报错。
- 即使面对极其冷门的统计需求，smart-excel-ai 也能迅速构建出包含数组公式或新特性函数的高级解法，释放了数据分析的深度潜力。
- 原本需要数小时的公式编写与调试工作缩短至几分钟，分析师能准时下班并将精力集中在数据洞察而非工具操作上。
smart-excel-ai 将用户从枯燥的语法记忆中解放出来，让自然语言直接转化为生产力，实现了 Excel 数据处理效率的质的飞跃。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明
快速开始
🚀 寻找更优秀的全功能 SaaS 启动模板？请查看 👉 Nexty.dev
Nexty 是一个完整的 Next.js SaaS 模板，包含身份验证、Stripe 支付、AI 集成、CMS 等功能，满足你立即开始盈利的所有需求。
请查看 👉 Nexty.dev
SmartExcel.cc
使用 AI 在几秒钟内生成你需要的 Excel 公式。
工作原理
该项目使用了 ChatGPT API 和带有流式传输功能的 Vercel AI SDK。它会根据表单和用户输入构建提示词，通过 Vercel Edge Function 将其发送到 ChatGPT API，然后将响应流式传输回应用程序界面。
技术栈
SmartExcel 基于以下技术栈构建：
- Next.js – 前端/后端
- TailwindCSS – 样式
- Postgres 和 Prisma - 数据库与存储(使用方法？)
- Next-auth - 身份验证(使用方法？)
- ChatGPT - 生成 Excel 公式
- Upstash - Redis(使用方法？)
- Lemon Squeezy - 支付(使用方法？)
- Google Analytics - 分析(使用方法？)
- Docker - 开发存储(使用方法？)
- Vercel - 托管
如果你对其中一些技术栈不太熟悉，请点击上面的“使用方法”链接阅读我的中文博客，或者访问我的另一个公共仓库 - Learn Next.js Stack
本地运行
克隆仓库后，你需要复制 .env.example 文件以创建 .env 文件，并填写所需字段。
打开 Upstash 并创建 Redis 应用程序。
然后将 UPSTASH_REDIS_REST_URL 和 UPSTASH_REDIS_REST_TOKEN 写入 .env 文件中。
接着，在命令行中运行应用，它将在 http://localhost:3000 上可用。
pnpm i
pnpm run dev
一键部署
使用 Vercel 部署示例：
关于我
全栈工程师，开源 Next.js 手艺人 & AI 爱好者。
全栈工程师，Next.js 开源手艺人，AI降临派。
我的博客
Github
Twitter/X - 中文
Twitter/X - 英文
Medium
掘金
知乎
微信交流群
如果这个项目对你有帮助，请给仓库点个星并请我喝杯咖啡，谢谢。
星标历史
常见问题
相似工具推荐
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
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。
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。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台，旨在让智能体（Agent）像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点，通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员，还是需要快速原型验证的技术团队，都能从中受益。OpenHands 提供了灵活多样的使用方式：既可以通过命令行（CLI）或本地图形界面在个人电脑上轻松上手，体验类似 Devin 的流畅交互；也能利用其强大的 Python SDK 自定义智能体逻辑，甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK，这不仅构成了平台的引擎，还支持高度可组合的开发模式。此外，OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩，证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能，支持与 Slack、Jira 等工具集成，并提供细粒度的权限管理，适合从个人开发者到大型企业的各类用户场景。