huggingface/aisheetsView GitHub Homepage for Latest Official Releases

一個無程式碼的 AI 數據處理工具，可使用 AI 模型構建、豐富和轉換數據集

TypeScriptaisheetshuggingface 114 Last Updated: August 08, 2025

AI Sheets - 無程式碼 AI 資料處理工具

專案概述

AI Sheets 是 Hugging Face 開源的一款無程式碼工具，專門用於使用 AI 模型建構、豐富和轉換資料集。該工具可以本地部署或在 Hub 上執行，支援存取 Hugging Face Hub 上的數千個開源模型。

專案地址： https://github.com/huggingface/aisheets
線上體驗： https://huggingface.co/spaces/aisheets/sheets

核心功能

1. 使用者友善的介面

  • 類似試算表的易學使用者介面
  • 支援快速實驗，從小資料集開始，再執行大規模資料生成管線
  • 透過編寫提示詞建立新欄，可以無限次迭代和編輯儲存格

2. 強大的 AI 整合

  • 支援使用 Hugging Face Hub 上數千個開源模型
  • 支援透過 Inference Providers API 或本地模型進行推論
  • 支援 OpenAI 的 gpt-oss 模型
  • 支援自訂 LLM 端點（需符合 OpenAI API 規範）

3. 多元的資料操作

  • 模型比較測試： 在同一資料上測試不同模型的表現
  • 提示詞優化： 為特定資料和模型改進提示詞
  • 資料轉換： 清理和轉換資料集欄位
  • 資料分類： 對內容進行自動分類
  • 資料分析： 提取文本中的關鍵資訊
  • 資料豐富： 補充缺失資訊（如地址的郵遞區號）
  • 合成資料生成： 建立真實但虛構的資料集

技術架構

前端技術堆疊

  • 框架： Qwik + QwikCity
  • 建置工具： Vite
  • 套件管理： pnpm

目錄結構

├── public/              # 靜態資源
└── src/
    ├── components/      # 無狀態元件
    ├── features/        # 業務邏輯元件
    └── routes/          # 路由檔案

後端服務

  • 伺服器： Express.js
  • 驗證： Hugging Face OAuth
  • API： 相容 OpenAI API 規範

安裝與部署

Docker 部署（推薦）

# 取得 Hugging Face token
export HF_TOKEN=your_token_here

# 執行 Docker 容器
docker run -p 3000:3000 \
  -e HF_TOKEN=HF_TOKEN \
  AI Sheets/sheets

# 存取 http://localhost:3000

本地開發

# 安裝 pnpm
# 複製專案
git clone https://github.com/huggingface/aisheets.git
cd aisheets

# 設定環境變數
export HF_TOKEN=your_token_here

# 安裝依賴
pnpm install

# 啟動開發伺服器
pnpm dev

# 存取 http://localhost:5173

生產建置

# 建置生產版本
pnpm build

# 啟動生產伺服器
export HF_TOKEN=your_token_here
pnpm serve

環境變數配置

核心配置

  • HF_TOKEN: Hugging Face 驗證令牌
  • OAUTH_CLIENT_ID: Hugging Face OAuth 客戶端 ID
  • OAUTH_SCOPES: OAuth 驗證範圍（預設：openid profile inference-api manage-repos）

模型配置

  • DEFAULT_MODEL: 預設文字生成模型（預設：meta-llama/Llama-3.3-70B-Instruct）
  • DEFAULT_MODEL_PROVIDER: 預設模型供應商（預設：nebius）
  • MODEL_ENDPOINT_URL: 自訂推論端點 URL
  • MODEL_ENDPOINT_NAME: 自訂端點對應的模型名稱

系統配置

  • DATA_DIR: 資料儲存目錄（預設：./data）
  • NUM_CONCURRENT_REQUESTS: 並行請求數量（預設：5，最大：10）
  • SERPER_API_KEY: Serper 網路搜尋 API 密鑰
  • TELEMETRY_ENABLED: 遙測功能開關（預設：1）

使用方法

1. 資料匯入方式

從零開始建立資料集

  • 適用於：熟悉工具、腦力激盪、快速實驗
  • 描述你想要的資料集，AI 自動生成結構和內容
  • 範例："世界各地的城市，包括所屬國家和每個城市的地標圖片，以吉卜力風格生成"

匯入現有資料集（推薦）

  • 支援格式：XLS、TSV、CSV、Parquet
  • 最多 1000 行，欄數無限制
  • 適用於大多數真實世界的資料處理情境

2. 資料處理操作

新增 AI 欄

點擊"+"按鈕新增欄，可選擇：

  • 提取特定資訊
  • 總結長文本
  • 翻譯內容
  • 自訂提示詞："對{{column}}執行某操作"

優化與擴展

  • 新增更多儲存格： 向下拖曳自動生成
  • 手動編輯： 直接編輯儲存格內容作為範例
  • 回饋機制： 使用按讚標記好的輸出
  • 配置調整： 修改提示詞、切換模型或供應商

3. 匯出與擴展

  • 匯出到 Hugging Face Hub
  • 生成可重複使用的設定檔
  • 支援 HF Jobs 批次資料生成

整合 Ollama

# 啟動 Ollama 伺服器
export OLLAMA_NOHISTORY=1
ollama serve
ollama run llama3

# 設定環境變數
export MODEL_ENDPOINT_URL=http://localhost:11434
export MODEL_ENDPOINT_NAME=llama3

# 啟動 AI Sheets
pnpm serve

使用情境範例

模型比較測試

  • 匯入包含問題的資料集
  • 為不同模型建立不同欄
  • 使用 LLM 作為評判比較模型品質

資料集分類

  • 匯入 Hub 上的現有資料集
  • 新增分類欄進行內容分類
  • 手動驗證和編輯初始分類結果

圖像生成比較

  • 建立物件名稱和描述的資料集
  • 使用不同的圖像生成模型
  • 比較不同風格和提示詞的效果

專案優勢

  1. 無程式碼操作： 無需程式設計知識即可處理複雜資料
  2. 開源免費： 完全開源，支援本地部署
  3. 模型豐富： 接入 Hugging Face 生態系統
  4. 介面友善： 類似 Excel 的熟悉操作體驗
  5. 彈性擴展： 支援自訂模型和 API 端點
  6. 即時回饋： 透過編輯和按讚改進 AI 輸出
  7. 批次處理： 支援大規模資料生成管線

社群與支援

AI Sheets 為資料科學家、研究人員和開發者提供了一個強大且易用的工具，讓 AI 資料處理變得簡單高效。無論是模型測試、資料清理還是合成資料生成，都能透過直觀的介面快速完成。

Star History Chart