Hugging Face 发布了 AI Sheets，这是一款开源应用，用户可以通过类似电子表格的界面，借助 AI 模型来创建、转换和丰富数据集。该工具既可在 Hugging Face Hub 上使用，也支持本地部署，用户无需编写代码即可尝试成千上万的开源模型，包括 OpenAI 的 gpt-oss。

这个界面看起来和传统表格类似，但与其通过公式计算不同，用户可以用提示词直接生成新列。比如，可以清洗文本、对数据进行分类、补充缺失信息，甚至根据自然语言描述生成新的数据行。用户还能手动修改或校正单元格内容，这些修改会影响模型后续的生成结果。

AI Sheets 提供了两种使用方式：一种是用自然语言描述数据结构，从零生成一个数据集；另一种是导入现有数据（支持 CSV、TSV、XLS、Parquet 格式）。前者适合快速原型设计或合成数据生成，后者则适合在真实数据上进行大规模转换和增强。Hugging Face 强调，用户可以先在小规模样本上实验，再扩展到更大规模的流程。

该工具还支持模型对比。用户可以为同一数据生成多个输出列，每列由不同模型驱动，甚至还能额外添加一列，让另一个大语言模型作为“评审”来打分。在一个公开示例中，研究人员对比了 Qwen3-Coder 和 gpt-oss 在小型交互式网页应用中的表现，评估结果由模型自动生成。

一些早期用户已经分享了看法，既肯定了潜力，也提出了不足：

工具确实基于大语言模型，但速度较慢。我不确定相比 OpenRefine 有什么优势。

关于数据隐私的问题也有担忧：

这个应用能自建吗？听起来不错，但我肯定不会把公司数据传到远程服务器。

对此，Hugging Face 的机器学习工程师 Daniel Vila Suero 确认可以自建：

可以的，你可以用 Docker 自行部署。参考我们在 Hub Spaces 的部署方式。

当数据集处理完成后，用户可以直接将其导出到 Hugging Face Hub。导出时还会生成可复用的配置文件，便于在 Hugging Face Jobs 中扩展，或集成到后续工作流中。

目前，AI Sheets 已在 Hugging Face Hub 免费开放，无需安装即可使用，代码也已在 GitHub 提供，支持本地部署。