返回全部工具
本地 AI 工具

免费在线公式与正则生成

反馈问题

用私密代码模型在浏览器内把自然语言请求转换为 Excel 公式、SQL 查询或 regex 模式

自然语言请求

用私密代码模型在浏览器内把自然语言请求转换为 Excel 公式、SQL 查询或 regex 模式

请求词数: 0

这里可放 schema 细节、单元格引用或样例字符串,以便生成更准确的逻辑。

生成设置

在运行本地代码模型前,选择模式、目标方言、backend 和可选上下文。

选择公式、SQL 或 regex 模式,用自然语言描述你要的逻辑,按需补充表结构或单元格范围,然后让浏览器中的本地 Phi-3-mini 工作流起草结果,不把 prompt 发送到应用服务器。

请把结果当作本地草稿。投入生产工作簿或查询流程前,请复查范围、join、转义和边界情况。

描述你需要的逻辑,以开始本地公式与 regex 工作流。0%

生成结果

检查生成的公式、SQL 或 regex,并复制你要复用的部分。

本地生成完成后,这里会显示公式、SQL 或 regex 结果。

运行统计

快速查看本次运行的模型、backend、方言和离线支持情况。

离线运行环境

自动

作用域 service worker

Service worker 不可用

模型

Phi-3 mini

使用的方言

适用于 Excel 365

请求词数

0

输出词数

0

浏览器端处理
即时结果
不存储数据

本地 AI 公式与 Regex 专家是什么?

很多逻辑需求其实是从一句话开始的,而不是从代码开始:有人要一个公式标记逾期任务,要一条按月汇总收入的查询,或者要一个验证编号格式的 regex。真正耗时的往往不是敲语法,而是把模糊意图翻译成 Excel、SQL 或 regex 引擎能执行的结构化表达。

本地 AI 公式与 Regex 专家把这一步留在浏览器里。你用自然语言描述规则,按需补充 schema 或单元格范围,然后让本地 Phi-3-mini 风格流程起草公式、查询或 pattern,而不把 prompt 发到 app server。

需求容易说明,语法却麻烦

用户通常知道自己想匹配、筛选或计算什么,但不一定记得 Excel、SQL 或 regex 的准确写法。

从自然语言转成结构化逻辑的步骤重复又容易出错,尤其当需求本身还不完整时。

托管助手虽然方便,但当 prompt 包含内部表名、工作表规则或敏感样本文本时并不理想。

一个实用的本地工具应该快速给出草稿,明确列出假设,并把最终校验留给用户。

用本地代码模型起草公式、查询与模式

这个工具在浏览器里为三类常见任务提供代码草稿:电子表格公式、SQL 和 regex。

你可以选择目标方言,描述想要的行为,并补充列名、样本文本或单元格引用。

结果不仅有主输出,还会带上说明、假设、简短示例和复核提示,方便你后续检查。

如何使用本地 AI 公式与 Regex 专家

  1. 1选择模式 - 按需要选择 Excel、SQL 或 regex。
  2. 2选择目标方言 - 选择与你实际环境一致的表格方言、SQL 方言或 regex 引擎。
  3. 3描述任务 - 用自然语言说明要匹配、过滤、计算或返回什么。
  4. 4补充上下文 - 如果逻辑依赖表结构、样本文本、范围或边界条件,就把它写出来。
  5. 5复核草稿 - 在放入真实 workbook、query 或 validator 之前,先检查输出、假设和提示。

主要功能

  • 免费使用
  • 无需登录
  • 浏览器内处理更安全
  • 即时结果
  • 简单易用

优势

  • 节省时间,提高效率
  • 保护隐私,数据不外泄
  • 多设备可用
  • 无需安装软件

使用场景

Excel 公式草稿

把表格中的业务规则快速转换成 Excel 或 Sheets 公式起点。

SQL 查询辅助

从自然语言描述起草分组、过滤、join 或报表查询。

Regex 设计

把校验、提取或清洗文本的需求转成 pattern 与 flags。

私密逻辑原型

围绕内部 schema、范围或敏感文本做本地草拟,不留下托管 prompt 记录。

技巧与常见错误

技巧

  • 需要更准时,尽量提供明确的列名、单元格范围或样本文本。
  • 记得用目标选择器,让草稿更贴近实际方言。
  • 把结果当作起点,再用真实数据测试。
  • 重点看假设部分,因为缺失需求通常会在那里暴露。
  • regex 上线前要同时测正例和反例。

常见错误

  • 未测试就把生成公式或查询当成可直接上线的结果。
  • 不给 schema 细节,却期望模型猜对 join 或范围。
  • 忽略 JavaScript、PCRE、Python 之间的 regex 差异。
  • 不检查转义、空值处理或日期逻辑。
  • 把本地草稿当成正式验证器,而不是快速首稿。

知识要点

  • 代码生成模型很擅长产出看起来合理的语法,但“看起来合理”并不等于“逻辑正确”,尤其在需求不完整时。
  • 电子表格公式、SQL 方言和 regex 引擎都有细微但重要的差异,所以目标选择很关键。
  • 假设和警告这类结构化字段的价值,在于它们能把模型隐藏的猜测提前暴露出来。
  • 本地处理 prompt 可以减少信息暴露给应用基础设施,但模型下载、内存与算力成本会转移到浏览器端。

常见问题

这能代替测试吗?

不能。它能加快起草,但你仍然要用真实输入测试公式、查询和 regex。

能用于 Google Sheets 吗?

可以。目标选择器可以把电子表格输出引导到 Excel 365 或 Google Sheets 风格。

prompt 是私密的吗?

生成时 prompt 留在浏览器内。首次运行时模型文件仍可能需要从模型主机下载。

它一定会选对 SQL 方言特性吗?

不一定。即便选择了目标方言,你仍应复查数据库特有的函数与语法。

探索更多 本地 AI 工具

本地 AI 公式与 Regex 专家 属于 本地 AI 工具。探索更多免费在线工具,快速完成相关任务。

查看全部 本地 AI 工具