Gezhi AI est un espace de travail de tableaux fonctionnant localement sous Windows, compatible avec les modèles GLM de Zhipu, Kimi, Doubao, DeepSeek et Qwen, chacun utilisant sa propre clé API (DeepSeek utilise l'interface officielle et permet de récupérer la liste des modèles). Il permet d'extraire des champs, de classer, de résumer ou de traduire des données par lot dans une colonne, de transformer un texte de commande en tableau, d'unifier les noms et de signaler les doublons potentiels, de générer des formules à partir de descriptions en chinois et de les tester ligne par ligne, ou encore de trier et de colorer selon les critères demandés ; les calculs statistiques sont effectués par le programme, sans laisser le modèle effectuer directement les calculs. Il prend en charge l'importation et l'exportation de fichiers Excel et CSV, et les clés API sont chiffrées et stockées localement via Windows DPAPI.
Pourquoi c'est important Tous les modèles nationaux peuvent être connectés, les résultats sont prévisualisés et comparés aux valeurs d'origine avant application, avec possibilité d'annulation en un clic, ce qui convient bien à l'organisation de données désordonnées comme les retours clients et les commandes.
Nombre d'étoiles 87
Raisons
- Chaque étape propose d'abord une prévisualisation ; les prévisualisations obsolètes après modification des données sont bloquées, et les doublons potentiels sont uniquement signalés, sans suppression automatique
- L'auteur a documenté 144 tests dans les enregistrements de validation, précisant également que seuls des tests de simulation de protocole ont été effectués pour les cinq fournisseurs
Utilisation
- Nécessite Windows et Node.js version 22.13 ou supérieure : après le clonage, exécutez npm ci, npm run dev, ouvrez le port local 8001, et entrez la clé API de DeepSeek dans les paramètres du modèle
Risques
- Chaque tableau est limité à 1000 lignes et 100 colonnes ; la restitution des macros, graphiques et mises en page complexes n'est pas garantie
- L'auteur précise que les GIF de démonstration utilisent des réponses simulées, qui ne reflètent pas la vitesse et la précision réelles des modèles