背景

半年前，我司有一个巨大无比的，100 字段+ 70 万行数据的 excel ，给总部的业务部门同事使用
恰逢我所在的组有时间，严格来说就是我有时间
先开发了相关的 MCP Server
后发现 总不能让同事们使用 Cherry studio 来进行问答吧
单独使用 dify 又感觉对 agent 支持的不是很好

于是乎就开始开发了 MCP client

先是对接 openai 的 sdk ，毕竟通用一些，各个厂商都兼容
然后定前后端的交互标准，决定 websocket
然后做着做着，我发现，我不止需要一个 Agent ，我还得多个 Agent 配合
最后愣是从一个需求，变成手搓 Agent 框架 也考虑过 LangChain 或者 LangGraph 、AutoGen 等等很多框架 但是都不是很自由，因为我司用 LangChain 搭建的知识库问答系统，所以决定自己手搓吧

然后在业务上 将 excel 转到 sqlite ，再用 llm 进行 text2sql

项目算是上线了，这算是背景 当然啊，其实我从一开始就不打算弄 excel ，我做的是从 mysql 数据库同步数据库到我的 sqlite 子库
毕竟主库不能随意修改，我这个子库只读的，分析的话就足够了，不然哪天不长眼的同事来一句，把数据都删了，麻烦就大了

Excel 后续

这个事情完毕后呢，我偶尔抬抬头
发现，其实业务部门不止有这一个业务
几乎财务、库管、综合部、销售部等等，人人都在对着 Excel 办公
我心想的是，不如玩大一点
做一个通用点的东西

所以我抛弃了 MCP,不考虑一切增加用户麻烦的操作
最终直接做出来一个 EXE 程序，牛马不难为牛马
https://github.com/QingHeYang/KELA-Agents

技术栈大概就是，python+vue+electron

项目原理：

1. excel 扔进来，理解表头，分析列数据
2. 二维化，根据表头制作 sql table
3. 导入全部数据进入数据库
4. 自然语言问答

相当于把一个 OR 多个 Excel 给做成了一个业务系统的数据库

这个项目擅长的操作有：

• 聚合分析，毕竟相当于 excel 导入成了数据库，自然语言
• 擅长大量的数据，但是导入的时候要消耗内存，40w+数据，实测导入的时候 2GB 内存，导入后就不需要了
• 把查询的数据转出 Excel ，让 llm 制作 excel ，筛选的 excel 都能导出，我做了相关的工具
• 使用 Echarts 做图表，8 种吧，也算是工具
• 数据溯源，llm 查询的数据，多于 15 行的，可以点击查看
• 生成的东西保存历史，反正我描述不太清，一堆乱七八糟的功能

截图在这里： https://github.com/QingHeYang/KELA-Agents/blob/main/docs/zh/screenshots.md

不擅长的操作有
他不是操作 excel ，各位大佬们应该懂这个，所以：

• 调整不了格式
• 无法新增数据，你让 llm 新增则另说
• 什么样式什么的都无法调整
• 预设的什么公式基本算是没有
• 大致意思就是，office 擅长的，他都不擅长

所以算是一个偏科生吧，擅长应付特别大的数据
毕竟现有的很多 agent 都是使用 pandas 操作 excel ，数据量一大，上下文撑不住

哦对了，一个大优势：
使用用户自己的 api key 操作，也就是说，按需使用吧
数据留存在本地，除了 llm 查看的那部分，他只能查看少量样本数据
鄙人不会收集任何用户隐私与 excel 的表格、问答业务数据，对我没啥用， 我就想要 github 的 star ，到时候万一被裁了，也好找下家说，我做了什么东西，哈哈哈

感兴趣的朋友可以看一看，不感兴趣的就当看了篇无聊的文章了

下载在 release 里面： https://github.com/QingHeYang/KELA-Agents/releases/tag/v1.0.0
安装不需要配置什么环境变量，不需要安装什么复杂的框架
就是安装包，我想给绿色包来着，但是死活上传不上去，也不知道为什么
存储桶的话，我掏不起那个 CDN 的钱，有什么便宜点的分发平台么？

当然，我肯定用了大量的 ai 编程，我自己一个人又不是神仙，哈哈哈哈