
مقدمه
پلتفرم هوش مصنوعی هوشی (hooshi.net) ابزارهای قدرتمندی را برای پردازش فایلهای صفحه گسترده اکسل (XLS و XLSX) با بهرهگیری از پیشرفتهترین مدلهای زبانی ارائه میدهد. این راهنما به شما نشان میدهد چگونه میتوانید از مدلهای هوش مصنوعی برجسته، از جمله مدلهای مبتنی بر OpenAI، Anthropic (Claude) و Gemini، از طریق API سازگار هوشی برای تحلیل، استخراج اطلاعات و تعامل با دادههای جدولی استفاده کنید. این قابلیتها به برنامههای شما امکان میدهد تا دادههای ساختاریافته را به طور عمیق درک کرده و با آنها کار کنند، که این امر را برای وظایفی چون تحلیل داده، استخراج اطلاعات دقیق و خودکارسازی جریانهای کاری پردازش داده ایدهآل میسازد. این مقاله برداشتی از قابلیتهای پردازش اسناد در پلتفرم هوشی است.
ویژگیهای کلیدی پردازش فایل اکسل با هوشی
- درک دادههای جدولی: پردازش و تفسیر دادههای ساختاریافته در فرمتهای مختلف صفحات گسترده.
- تحلیل نمودار و جدول: استخراج و تفسیر اطلاعات ارزشمند از جداول و نمودارهای موجود در فایلها.
- خلاصهسازی دادهها: تولید خلاصههای مختصر و مفید از محتوای صفحات گسترده برای درک سریعتر.
- استخراج اطلاعات: استخراج دادههای خاص از صفحات گسترده و ارائه آنها در قالبهای ساختاریافته.
- پاسخ به سؤالات: امکان پرسیدن سؤالات مرتبط با دادههای صفحه گسترده و دریافت پاسخهای دقیق و مبتنی بر اطلاعات.
- تبدیل و دستکاری دادهها: قابلیت تبدیل فرمتها و دستکاری دادههای موجود در صفحات گسترده.
- دسترسی یکپارچه به API: بهرهمندی از چندین ارائهدهنده مدل هوش مصنوعی از طریق یک رابط کاربری واحد و سازگار در هوشی.
مدلهای هوش مصنوعی پشتیبانی شده در هوشی
هوشی از طیف گستردهای از مدلهای پیشرفته برای پردازش فایلهای اکسل و صفحات گسترده پشتیبانی میکند:
مدلهای مبتنی بر OpenAI
- GPT-4o: مدل پیشرفته با قابلیتهای قوی در درک دادهها.
- GPT-4.5 Turbo: مدل قدرتمند با قابلیتهای عالی در تحلیل دادهها.
- GPT-4o-mini: مدل کارآمدتر برای پردازش سریعتر دادهها.
مدلهای Anthropic (Claude)
- Claude 3.5 Sonnet: مدل پیشرفته با قابلیتهای قوی در درک دادهها.
- Claude 3.5 Haiku: مدل کارآمدتر برای پردازش دادهها.
- Claude 3 Opus: پیشرفتهترین مدل Claude با درک برتر دادهها.
مدلهای Gemini
- Gemini 1.5 Pro: مدل قدرتمند برای پردازش دادهها با پنجره زمینه وسیع.
- Gemini 1.5 Flash: مدل کارآمد برای پردازش سریعتر دادهها.
- Gemini 2.0 Pro: مدل پیشرفته با درک بهبود یافته دادهها.
- Gemini 2.0 Flash: مدل کارآمد برای پردازش سریعتر دادهها.
رویکردهای پردازش فایل اکسل با هوشی
دو رویکرد اصلی برای پردازش فایلهای اکسل با استفاده از API هوشی (hooshi.net) وجود دارد:
۱. رویکرد گردش کار ساده (تبدیل به متن)
این رویکرد برای فایلهای کوچکتر که محتوای آنها در پنجره زمینه مدل جای میگیرد، بسیار مناسب است. در این روش، دادههای اکسل ابتدا به یک نمایش متنی تبدیل شده و سپس به مدل ارسال میشوند.
پردازش اکسل با کدگذاری Base64
میتوانید فایلهای اکسل را مستقیماً به صورت Base64 کدگذاری کرده و به API ارسال کنید. این روش امکان ارسال مستقیم فایل را فراهم میآورد.
راهنمای جامع برای توسعهدهندگان: نمونه کدهای ارائه شده در اینجا، تنها مقدمهای بر قابلیتهای API هوشی در پردازش اسناد اکسل هستند. برای مشاهده نمونه کدهای تکمیلی در زبانهای برنامهنویسی مختلف، آشنایی با پارامترهای پیشرفته API و بررسی تمام امکانات اتوماسیون پردازش اسناد با هوش مصنوعی، به مستندات جامع ما در hooshi.net/p/docs مراجعه فرمایید.
نکته مهم: برای بهرهمندی کامل از این قابلیتها، نیاز به ثبتنام و دریافت توکن API دارید. با ساخت اولین توکن API خود در داشبورد هوشی، آماده استفاده از قدرت هوش مصنوعی شوید.
مثال پایتون (Python)
from openai import OpenAI
import base64
import pandas as pd
from io import BytesIO
# مقداردهی اولیه کلاینت با API هوشی
client = OpenAI(api_key="YOUR_HOOSHI_API_KEY", base_url="https://api.hooshi.net/v1")
# روش 1: از یک فایل محلی
with open("path/to/your/spreadsheet.xlsx", "rb") as f:
file_data = f.read()
# کدگذاری داده اکسل به base64
encoded_file = base64.b64encode(file_data).decode("utf-8")
base64_url = f"data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,{encoded_file}"
# ایجاد درخواست با فایل کدگذاری شده با base64
file_c
{
"type": "text",
"text": "این صفحه گسترده را تحلیل کرده و بینشهای کلیدی ارائه دهید.",
},
{
"type": "file",
"file": {
"file_data": base64_url,
},
},
]
# ارسال درخواست به مدل
resp
model="gpt-4o",
messages=[{"role": "user", "content": file_content}],
)
print(response.choices[0].message.content)
مثال جاوااسکریپت (Javascript)
import { OpenAI } from "openai";
import fs from "fs";
// مقداردهی اولیه کلاینت با API هوشی
const client = new OpenAI({
apiKey: process.env.HOOSHI_API_KEY,
baseURL: "https://api.hooshi.net/v1",
});
// تابع دریافت فایل اکسل کدگذاری شده با base64
async function getBase64Excel() {
// از یک فایل محلی
const buffer = fs.readFileSync("path/to/your/spreadsheet.xlsx");
return `data:application/vnd.openxmlformats-officedocument.spreadsheetml.sheet;base64,${buffer.toString("base64")}`;
}
// تابع اصلی
async function processExcel() {
const base64Excel = await getBase64Excel();
// ایجاد درخواست با فایل کدگذاری شده با base64
const fileC
{
type: "text",
text: "این صفحه گسترده را تحلیل کرده و بینشهای کلیدی ارائه دهید.",
},
{
type: "file",
file: {
file_data: base64Excel,
},
},
];
// ارسال درخواست به مدل
const resp client.chat.completions.create({
model: "gpt-4o",
messages: [{ role: "user", content: fileContent }],
});
console.log(response.choices[0].message.content);
}
processExcel();
۲. تبدیل DataFrame برای کنترل بیشتر
برای کنترل دقیقتر بر دادهها، میتوانید فایلهای اکسل را ابتدا به یک DataFrame پانداس (Pandas DataFrame) تبدیل کرده و سپس آن را به یک نمایش متنی تبدیل کنید. این روش انعطافپذیری بیشتری را در پردازش فراهم میکند.
مثال پایتون (Python)
from openai import OpenAI
import pandas as pd
# مقداردهی اولیه کلاینت با API هوشی
client = OpenAI(api_key="YOUR_HOOSHI_API_KEY", base_url="https://api.hooshi.net/v1")
# بارگذاری فایل اکسل به DataFrame پانداس
df = pd.read_excel("path/to/your/spreadsheet.xlsx")
# تبدیل DataFrame به نمایش رشتهای
df_string = df.to_string()
# ایجاد یک پرامپت با رشته DataFrame
prompt = f"""
من دادههای صفحه گسترده زیر را دارم:
{df_string}
لطفاً این دادهها را تحلیل کرده و بینشهای کلیدی ارائه دهید.
"""
# ارسال درخواست به مدل
resp
model="anthropic.claude-3-5-sonnet-20240620-v1:0",
messages=[{"role": "user", "content": prompt}],
)
print(response.choices[0].message.content)
مثال جاوااسکریپت (Javascript)
import { OpenAI } from "openai";
import * as XLSX from "xlsx";
// مقداردهی اولیه کلاینت با API هوشی
const client = new OpenAI({
apiKey: process.env.HOOSHI_API_KEY,
baseURL: "https://api.hooshi.net/v1",
});
// تابع تبدیل اکسل به نمایش متنی
function excelToText(filePath) {
// خواندن فایل اکسل
const workbook = XLSX.readFile(filePath);
// دریافت اولین کاربرگ
const sheetName = workbook.SheetNames[0];
const worksheet = workbook.Sheets[sheetName];
// تبدیل به JSON
const js
// تبدیل به نمایش رشتهای
const headers = Object.keys(jsonData[0]);
let textRepresentation = headers.join("\t") + "\n";
jsonData.forEach((row) => {
textRepresentation +=
headers.map((header) => row[header]).join("\t") + "\n";
});
return textRepresentation;
}
async function analyzeExcel() {
// دریافت نمایش متنی فایل اکسل
const excelText = excelToText("path/to/your/spreadsheet.xlsx");
// ایجاد پرامپت با دادههای اکسل
const prompt = `
من دادههای صفحه گسترده زیر را دارم:
${excelText}
لطفاً این دادهها را تحلیل کرده و بینشهای کلیدی ارائه دهید.
`;
// ارسال درخواست به مدل
const resp client.chat.completions.create({
model: "anthropic.claude-3-5-sonnet-20240620-v1:0",
messages: [{ role: "user", content: prompt }],
});
console.log(response.choices[0].message.content);
}
analyzeExcel();
۲. رویکرد عامل CSV Langchain
برای تحلیلهای پیچیدهتر و استفاده از قابلیتهای پیشرفتهتر، میتوانید از عاملهای تخصصی Langchain برای پردازش دادههای CSV (که از فایلهای اکسل استخراج شدهاند) بهره ببرید. این رویکرد امکان ایجاد جریانهای کاری هوشمند و خودکار را فراهم میکند.
چرا هوشی؟
هوشی با ارائه یک پلتفرم یکپارچه و دسترسی به طیف وسیعی از مدلهای پیشرفته هوش مصنوعی، پردازش فایلهای اکسل و سایر اسناد را برای توسعهدهندگان و مدیران محصول آسان کرده است. با استفاده از هوشی، میتوانید به سادگی دادههای خود را تحلیل کرده، اطلاعات کلیدی را استخراج نموده و جریانهای کاری خود را بهینهسازی کنید. شفافیت در بیلینگ و امکان ساخت ایجنتهای کدنویسی سفارشی، هوشی را به گزینهای ایدهآل برای نیازهای هوش مصنوعی شما تبدیل میکند. برای شروع، کافی است در hooshi.net/login ثبتنام کنید.