DeepSeek接入Word与Excel，实现办公自动化，这也太猛了！

于 2025-02-17 10:38:43 发布
阅读量3.4k 收藏 15
点赞数 19
文章标签： word excel 人工智能 深度学习 transformer 大模型 deepseek
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/EnjoyEDU/article/details/145676757
版权

今天跟大家分享下我们如何安装插件，将 DeepSeek嵌入到Excel表格，能够直接操作Excel，大大提升办公效率

一、插件下载

现在想要实现这个效果，就必须要安装插件了，EXCEL、WPS都支持，真真做到了普惠众生，官网在下方，安装对于Excel有版本和系统的要求

Excel最低2013，系统最低WIN7，其他更低的版本跟系统应该就不支持了，

WPS的话直接升级到最新版即可

网站：https://www.office-ai.cn/static/introductions/officeai/download.html

二、插件安装

安装的话就比较简单了，双击下载好的软件，先点击【同意】，然后设置下安装的路径，这个路径最好跟你的办公软件的磁盘位置是同一个

微软的办公套件保持默认即可，默认就在C盘安装

WPS的办公套件如果不在C盘就需要手动更改下，当然你懒，不更改也是可以的

安装完成后会弹出一个窗口，根据自己的软件类型来选择，是Excel就勾选Excel，是WPS就勾选WPS，帮助文档最好也看下，了解下基本的操作，最后点击完成即可

三、使用插件

插件安装完毕后，会在上访显示Office AI的名字，点击它能看到一些功能，在最左侧点击【面板右侧】就能显示面板，之后就能在当前的窗口中对话，并且操作Excel的

如下动图，我们提出的问题为：请统计D5:D13的平均值 AI经过计算后会得到一些结果

然后弹出对应的窗口，我们需要选择一个单元格位置来放置结果

插件的编写大佬也提供了一些演示的案例，大家可以动手试一下。

四、WPS的问题

WPS用户打开后不显示插件，需要手动启动一下，具体的步骤如下图

点击【工具】找到【COM加载项】然后找到【HyExcelAI】勾选下，最后点击确定就能启动插件了

如果你做完了上述操作还是不显示，就可能是【COM加载项】没有启用，我们需要点击【文件】，找到【信任中心】下方勾选【启动所有第三方COM加载项】确定后重启WPS即可

通过以上的设置就能将通过AI工具来直接操作Excel了，对于大多数人就已经够用了，如果你想获取更强的向性能，也可以通过API来调用DeepSeek，下面我来简单的操作下

五、调用硅基流动API

其实这个插件是可以直接调用DeepSeek的API的，但是现在DeepSeek太卡了，建议大家使用硅基流动，在里面调用DeepSeek速度更快，也是满血的R1模型，等后期DeepSeek不卡了再切换回来就行了。手机号就能直接注册

官网：https://account.siliconflow.cn/

注册后左侧点击【API秘钥】，右上角点击【新建API秘钥】随便的写一个名字然后点击【确定】

新建完毕后会显示秘钥，把鼠标放在上面就能直接复制了

六、部署API

打开AI助手，然后右上角点击【三个点】找到【设置】选择【大模型设置】勾选【本地模型/API-KEY】这一步该应会提示【安装本地化私有服务器】我已经安装过了就没显示，大家直接跟着操作安装即可

安装完毕后点击【ApiKey】先选择【模型平台】设置为【硅基流动】然后把鼠标放在【API】那里直接点击鼠标右键，找到【粘贴】直接做粘贴，最后点击【刷新模型列表】在列表中找到DeepSeek的R1模型选择确定，然后再保存，成功后会有提示，现在就将R1模型嵌入到了表格中了

至此就将DeepSeek嵌入了表格中，大家可以动手试一下，操作并不难的，Word文档也是类似的效果，就不再掩饰了，大家可以自己体验一番

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

img

在这里插入图片描述

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

  • 大模型 AI 能干什么？
  • 大模型是怎样获得「智能」的？
  • 用好 AI 的核心心法
  • 大模型应用业务架构
  • 大模型应用技术架构
  • 代码示例：向 GPT-3.5 灌入新知识
  • 提示工程的意义和核心思想
  • Prompt 典型构成
  • 指令调优方法论
  • 思维链和思维树
  • Prompt 攻击和防范
  • …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

  • 为什么要做 RAG
  • 搭建一个简单的 ChatPDF
  • 检索的基础概念
  • 什么是向量表示（Embeddings）
  • 向量数据库与向量检索
  • 基于向量检索的 RAG
  • 搭建 RAG 系统的扩展知识
  • 混合检索与 RAG-Fusion 简介
  • 向量模型本地部署
  • …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

  • 为什么要做 RAG
  • 什么是模型
  • 什么是模型训练
  • 求解器 & 损失函数简介
  • 小实验2：手写一个简单的神经网络并训练它
  • 什么是训练/预训练/微调/轻量化微调
  • Transformer结构简介
  • 轻量化微调
  • 实验数据集的构建
  • …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

  • 硬件选型
  • 带你了解全球大模型
  • 使用国产大模型服务
  • 搭建 OpenAI 代理
  • 热身：基于阿里云 PAI 部署 Stable Diffusion
  • 在本地计算机运行大模型
  • 大模型的私有化部署
  • 基于 vLLM 部署大模型
  • 案例：如何优雅地在阿里云私有部署开源大模型
  • 部署一套开源 LLM 项目
  • 内容安全
  • 互联网信息服务算法备案
  • …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

img

大模型.
关注
博客
狠狠收藏！关于Deepseek，看这一篇就足够了
02-04 1万+
最近，AI界黑马DeepSeek爆火。AI圈、科技博主、职场人，甚至连朋友圈的宝妈群都在聊——“DeepSeek太强了！”“国产GPT之光！”“中文能力碾压！但Deepseek这个名词对部分人来说还比较陌生，怎么高效使用也是一个未知数，今天，就让我们一起走进DeepSeek的世界，看看它到底有多厉害！顺便再给你个DeepSeek万能使用模板，让你彻底摆脱提示词焦虑，让AI真正成为你的“最强大脑”！
博客
RAG 革新浪潮来袭：一文讲明白所有RAG概念！附带完整RAG实践过程！
05-09 263
现在，针对医院智能问诊场景做出实践。智能问诊场景中RAG框架需要借助代表静态资产的医学知识（例如临床医疗指南NCCN、UpToDate和医学论文PubMed等）和代表动态资产的患者日志病历（例如患者电子病历EMR等）进行简单/推理性质的询问，其中主要技术链路如下图。整个业务流程如下：用户提出问题后，DeepSeek-R1 作为 LLM 基座，会先对用户提问进行意图分析，判断是调用基于医学知识文档的 RAG，还是启用用于联表查询的 SQL Tools 等基础工具。
博客
百度&信通院 | 2025年大模型平台落地实践研究报告（附下载）
05-09 275
大模型技术发展迅速，我国政策大力支持，市场需求旺盛，推动其在各行业落地。但大模型落地面临诸多难题，如顶层规划和需求分析盲目、技术壁垒高、运营管理机制缺失等。大模型平台通过“建、用、管”模型，为大模型落地提供全流程支撑，解决技术转化与工程化应用难题。
博客
一天吃透一条产业链：AI Agent（智能体）产业链全解
05-09 211
是一类具有自主执行能力的智能程序，它能够模仿人类的认知过程，通过收集环境信息、制定行动方案，最终独立完成各项任务。就像你委托它预订周末餐厅，它会先全面了解你的偏好和要求，这一信息收集过程如同人类的感知；紧接着，它会将预订任务拆解为筛选高评分餐厅、浏览菜品清单、敲定用餐时段等具体环节，完成策略规划；最后，有条不紊地执行每一步操作，直至成功预订，完整呈现出一套自动化的任务处理流程。基于大模型（LLM），就像人类大脑的中枢，负责理解问题、生成思路。
博客
摆脱云端限制！Qwen3+MCP+Ollama 本地工具调用实战教程
05-08 603
通义千问 3 搭配通义千问智能体（Qwen - Agent）、模型上下文协议（MCP）和 Ollama，可构建强大的本地人工智能助手，摆脱对外部云服务的依赖。该组合支持多轮对话、实时信息检索与 Python 代码执行，所有操作均可在本地环境完成。对于重视隐私、追求灵活性与扩展性，且致力于构建智能体的开发者、研究人员和产品团队而言，这无疑是理想之选。随着通义千问 3 持续迭代，未来它将更有力地支持复杂任务，实现与自定义工具的无缝融合，为本地自主人工智能智能体的发展开拓广阔前景。
博客
大模型领域常用名词解释（近100个）【建议收藏】
05-08 630
本文总结了大模型领域常用的近100个名词解释，并按照1、：一种基于深度学习的大规模神经网络模型，通常采用Transformer架构。它能够处理大量的语言数据并生成高质量的文本，通过大规模的数据集训练来学习语言的复杂模式。2、：一种广泛应用于自然语言处理任务的神经网络架构，因其自注意力机制(self-attention)而能够高效处理序列数据中的长距离依赖关系，成为NLP领域的主流架构。3、：一种能够处理序列数据的神经网络架构，适用于自然语言处理等任务。
博客
程序员快速转型大模型开发：学习路线千万别弄反了！
05-08 504
在生成式AI席卷全球的浪潮中，大模型开发已成为程序员转型的黄金赛道。但许多开发者因路径选择错误，陷入"学完Transformer却看不懂矩阵运算"、"调通HuggingFace但改不动模型结构"的困境。本文将从底层逻辑出发，揭示正确的技术演进路线，提供可落地的学习框架。
博客
2025 程序员转行做大模型：职业发展前景、可选岗位与选择策略
05-07 820
在科技飞速发展的 2025 年，大模型技术正以前所未有的速度改变着我们的生活和工作方式。从智能语音助手到精准的医疗诊断，从高效的物流调度到个性化的推荐系统，大模型的应用无处不在。这一技术浪潮，也为广大程序员带来了新的职业发展机遇。许多程序员开始思考：转行做大模型，会是一个好的选择吗？如果决定转行，又有哪些岗位可以选择，该如何做出合适的选择呢？接下来，我们就一起来探讨一下这些问题。
博客
大语言模型（LLM）是什么?大语言模型综述，初学者入门必看指南！
05-07 708
面对大量的文本信息，如学术论文、新闻文章、会议记录等，大语言模型可以自动提取关键信息，生成简洁明了的摘要。这对于研究人员快速了解相关领域的研究成果、企业管理者快速掌握市场动态等都具有重要意义。例如，在金融领域，分析师可以利用模型生成的公司财报摘要，快速分析企业的财务状况和经营成果；在信息检索领域，搜索引擎可以结合文本摘要技术，为用户提供更精炼的搜索结果预览，帮助用户更快地找到所需信息。
博客
AI大模型工程师薪资翻3倍！普通人怎么上车？
05-06 768
年薪百万，公司抢着要！”——这可不是吹牛。。从ChatGPT到Sora，科技巨头们疯狂砸钱挖人，应届生起薪60万，资深专家年薪百万不稀奇。凭啥这么火？小白能转行吗？怎么上手？这篇给你说明白！
博客
【科普】理解 “Token“ 与分词器：学懂 Transformer 的关键顿悟时刻！
05-06 894
Token和分词器是LLM的“幕后英雄”。Token是AI处理文字的基本单位，分词器则是把文字变成Token的魔法师。从早期的WordPiece、BPE，到SentencePiece与Tiktoken，我们可以看到：分词器并不是一件小事。它影响的不只是文本编码效率，更深刻地决定了模型理解语言的方式、训练成本以及推理表现。希望这篇文章让你对Token和分词器有了清晰的认识！只有真正理解了 Token，我们才能更好地驾驭大模型，让它为我们的任务所用。
博客
普通人如何用好千问3！9大场景+喂饭级Prompt，助你玩转教育场景~
05-05 1215
今天我们聚焦的是「教育」场景！这些，都能帮你实现！今天，我就手把手带你，把 千问3 这个“高科技”拉下神坛，变成你！咱们不讲那些复杂的原理，只讲准备好了吗？拿出手机，打开你的(确保是最新版哦！)， 跟我一起，给你的家庭教育来一次 AI 大升级！Let’s GO!简单来说，就是阿里最新、最强大的 AI 模型，你可以把它理解成一个“会说话、会思考、会创作”的智能大脑。也可以把它想象成一个住在你手机里的的结合体。为啥说它特别适合咱们普通家长用呢？它是一个可以帮你的强大伙伴。关键在于，
博客
AI Agent是什么？一文读懂这位“全能管家”
05-05 1337
智能体（Agent）是一种能够感知环境、制定决策并采取行动以实现特定目标的AI系统，一般具有记忆、规划、采取行为、使用工具等基本能力，如下图所示，其中规划中有思维链、能进行反思、目标分解。与传统AI系统不同，智能体具有自主性、持续性和适应性，能够在复杂环境中持续学习和优化自身行为。
博客
大模型应用落地白皮书：企业AI转型行动指南 （附下载）
05-04 1784
大模型应用落地白皮书：企业AI转型行动指南》由火山引擎与IDC联合发布，核心观点围绕大模型技术与企业业务融合展开，旨在为企业AI转型提供指引。大模型加速从探索走向落地：大模型技术推动AI应用升级，企业对其关注度和投资持续增加，积极拓展试点范围。大模型为企业带来多维价值，涵盖员工、用户、营收和市场等方面，提升工作效率、创新用户体验、推动产品服务升级等，坚定了企业探索其潜力的决心。企业落地面临的挑战与机遇：大模型落地面临高成本、模型选配难、部署落地细节复杂、安全风险与可解释性等多重挑战。
博客
多模态大模型入门指南，看完不迷路！
05-04 678
最近，多模态大模型取得重大进展。随着数据集和模型的规模不断扩大，传统的 MM 模型带来了巨大的计算量，尤其是从头开始训练的话。研究人员意识到 MM 的研究重点工作在各个模态的连接上，所以一个合理的方法是利用好现成的训练好的单模态基础模型，尤其是 LLM。这样可以减少多模态训练的费用，提升训练效率。MM-LLM 利用 LLM为各种 MM 任务提供认知能力。LLM 具有良好的语言生成，zero-shot 和 ICL 的能力。其他模态的基础模型则提供了高质量的表征。考虑到不同模态的模型是分开训练的，如何将不
博客
2025年AI大模型谁能笑到最后？
05-03 920
前几天对比了几个问题，国外的O3、Claude算是最好的，其次是grok。国内的DeepSeek，qwen，其次就是kimi，豆包。qwen，无论是微调还是推理都非常稳健，是我微调模型首选，kimi，我处理长文本进行了比较，用下来kimi 128b的极好，如果充值的话，可以和幻觉的R1和V3相媲美。Qwen不如豆包一坨，国内这些ai都处于“难用”状态，但架不住豆包最“人性化”，尤其是语音拟人，直接秒全场。豆包是最适合生活场景的。这几个相信也一定能活下来的。现在也是事实意义上的三巨头。
博客
【科普】 大模型时代，为什么模型都是多少B？
05-03 1647
在大模型时代，用“多少B”来描述模型规模并非偶然，它深刻反映了模型的核心属性——参数数量，而参数数量又紧密关联着模型的复杂度、学习能力以及实际表现。从几B到上千B的模型，不同规模在各自的应用场景中发挥着独特作用，模型规模的增长在推动人工智能技术飞跃的同时，也带来了训练成本、数据需求等方面的严峻挑战。但正是在不断应对这些挑战的过程中，技术得以持续创新和进步。随着未来计算技术、算法优化以及数据处理方法的不断发展，我们有理由期待大模型在更多领域创造出更令人瞩目的应用成果，进一步改变我们的生活和工作方式。
博客
2025年DeepSeek大模型及其企业应用实践报告（企业篇）(附下载)
05-02 678
大模型以其海量参数、强大学习能力和泛化能力，能够处理多种类型的数据，并在多个领域展现出巨大潜力。报告详细探讨了大模型在不同行业中的应用，如自然语言处理、计算机视觉、语音识别、医疗健康、金融风控等，并以DeepSeek大模型为例，展示了其在客户服务、个性化推荐、教育与培训等多个场景中的具体应用案例。此外，报告还讨论了。
博客
都在劝退？大模型前景如何
05-02 1282
这些模型通常由深度神经网络构建而成，拥有数十亿甚至数千亿个参数。大模型的设计目的是为了提高模型的表达能力和预测性能，能够处理更加复杂的任务和数据。大模型在各种领域都有广泛的应用，包括。
博客
大模型多种多样！掌握这份模型选择指南就够了
05-01 810
大模型发展太快了，还记得年初 Deepseek R1 的发布吗？才过了4个月，几乎每一家模型厂商都推出了王炸级的模型。从指令型、多模态发展到推理型和Agentic代理型，虽然不同厂家的模型都有了各自的特点和擅长，用户根据场景来选择有哪个模型，但顶不住 LLM行业（ Large Language Model）发展太快， 先不说应用的发展，就LLM的数量和版本多的就让用户迷惑。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值