给 AI 编一套设计词汇表的项目冲上 GitHub 榜首,表格解析走了另一条路

行业热点应用场景
本文关键词:
表格解析DOM 树映射AI 组件匹配表单开发组件FlashTable

GitHub 每日趋势榜上,最近有一个名为 impeccable 的仓库排到了首位,单日新增收藏接近 2900。它的定位写得很简单:给编码智能体使用的一套设计词汇表。同期上榜的还有几个类似方向的项目——给智能体装配技能包的框架、把设计规范拆成可调用模块的仓库。这批项目指向同一个判断:AI 能做到什么程度,很大程度上取决于人能把意图说得多清楚。

AI 听不懂"做个带合计的表单"

同一个需求,"做一个带合计的表单",交给不同的人,结果可能差很远。列宽多少、字段是什么类型、合计落在哪一行、跨页怎么处理——这些细节在人的脑子里是默认的,传到机器那里却需要被一条条说清楚。impeccable 这类项目想做的事,就是把人脑子里的默认规则整理成一套机器能读的词汇。

表格的结构藏在版式里

表格是个更典型的例子。一份 Word 里的检验记录表,人看一眼就知道:第一行是标题,第二行是表头,表头分两层,"检测项目"下面分"标准值"和"实测值",中间几行是合并单元格,最后一列是判定结论。这些信息不需要被告诉,版式本身已经表达出来了。机器拿到同一份文件,则需要被显式描述:表头有几层、哪些单元格是合并的、每个字段是什么类型、有没有公式。描述得越完整,还原精度越高;缺一项,就只能靠推断。

FlashTable 不要求描述,直接读结构

FlashTable 走了另一条路。它不要求使用者先学会一套描述词汇,而是直接从原表读取结构:一份现成的 Word、Excel 或 WPS 表格整体复制粘贴进来,数十秒后得到一张版式一致的在线表单。使用者要准备的,仍然只是那份原表。

从 Word 到在线表单,中间发生了什么

这条解析管线经过四个环节。第一步是版式识别,用 DOM 树映射算法把每个单元格映射为节点,按行列坐标和合并跨度重建层级,表头跨列数、合并关系、跨页表头是否重复都在这一步确定。第二步是字段匹配,解析字段名称和上下文语义,为每个字段匹配组件类型并绑定校验规则——日期对应日期选择器,金额对应数值输入并限定小数位,编号对应唯一性校验,结论对应枚举下拉。第三步是公式留存,检验记录里的合计、平均值、偏差、判定这类结果格,公式直接写在与结果对应的单元格上,随记录一并保存。第四步是数据回写,填写完成的数据按表单定义的结构输出为 JSON,通过标准 API 写入企业自有数据库。

这一步里有两件事值得说明。字段匹配统一了填写方式——同一字段只有一种填法,后续汇总不必再对齐"合格""合格√""OK"这类写法差异。公式留在单元格上意味着维护时改公式不需要改代码,也不需要重建数据表。

92% 和 75% 的差距从哪来

FlashTable 的解析精度是 92%,行业平均约 75%。这个差距来自处理对象的不同。按文本流抽取,本质上是从已生成的文件里反推结构,能拿到的只有文字和大致位置,合并关系和表头层级要靠推断;从原表读结构,拿到的是结构本身。两种做法在简单表格上差别有限,一旦出现嵌套表头、合并单元格和跨页续排,差距就拉开——这些恰恰是文本流里信息损失最多的部分。

开源社区这一批项目,方向是把人的意图整理成机器可读的形式,代价是使用方要先掌握那套词汇。对已经在按既有格式填表的岗位来说,这个代价未必愿意承担。FlashTable 处理的就是这一层顾虑:不让人学新词汇,直接读人已经在用的那份表。

作为 AI 驱动的表单开发组件,FlashTable 以组件形态嵌入企业已有的系统,把 Word、Excel、WPS 表格按 1:1 还原成在线表单,解析表头层级与合并关系,匹配字段组件与校验规则,把公式留在单元格上,最终以结构化数据写入企业自有数据库。开源社区在给智能体编词汇表,FlashTable 让表格自己把结构说清楚。