Hugging Face AI Sheets 教學：無程式碼建立資料集

Hugging Face AI Sheets 是一個把「資料集處理」做成試算表介面的開源工具：你可以匯入文字、表格或圖片，替每一欄設定 AI 動作，再把模型輸出整理成新的欄位。它的價值不是讓 AI 自動完成整個機器學習專案，而是把清理、分類、擷取、標註與資料擴增等重複工作變成可反覆試驗的流程。

原本的文章只留下泛用模板，沒有真正教讀者怎麼使用 AI Sheets，也沒有交代模型、推理費用、隱私與人工檢查。這次更新以 Hugging Face 官方部落格、目前的開源 GitHub README 與產品頁為基礎，補上從小批量測試到匯出資料集的完整路徑。

先給結論：AI Sheets 適合把資料變成「可用欄位」

AI Sheets 的核心概念很簡單：每一列是一筆資料，每一欄是一種資訊，而 AI 動作會讀取既有欄位，產生摘要、標籤、分類、翻譯、結構化欄位或圖片結果。你不必先寫 Python 才能試驗提示詞，但仍要自己決定資料格式、模型、驗收規則與最終用途。

你手上的資料	可以讓 AI Sheets 做什麼	可能輸出的欄位
評論、客服訊息、文章或產品描述	摘要、分類、情緒／主題標籤、翻譯、關鍵字擷取	summary、category、language、keywords
CSV、Parquet 或 Hugging Face Dataset	依既有欄位產生新欄位、合成問答、整理格式	question、answer、clean_text、quality_note
收據、文件、截圖、圖表或照片	OCR、描述、物件／類別標註、結構化擷取	raw_text、merchant、date、amount、caption
文字與圖片提示	生成或編輯圖片，建立內容素材的多個版本	image、variant、alt_text、review_status

AI Sheets 後來多了什麼？

Hugging Face 在 2025 年 8 月介紹 AI Sheets 時，主打使用開放模型無程式碼建立、豐富與轉換資料集；工具可部署在 Hugging Face Hub，也可以在本機執行。2025 年 10 月的更新再加入視覺支援，讓圖片可以被檢視、分析、擷取資訊、生成與編輯。這代表現在的 AI Sheets 不只是文字試算表，也能處理圖片資料工作流。

官方目前的開源說明還列出幾個重要邊界：預設可透過 Hugging Face Inference Providers 使用開放模型，也可以接符合 OpenAI API 規格的自訂或本地模型；不過文字轉圖片功能目前仍使用 Hugging Face Inference Providers，不能完全改成自訂端點。這些差異會直接影響費用、資料是否離開本機與可重現性。

開始前先準備資料與安全規則

先定義輸出欄位：不要只寫「幫我整理資料」，先決定要新增哪些欄位、允許哪些值、空值怎麼表示。
保留原始資料：建立一份唯讀副本，讓 AI 產生的欄位和原始欄位分開，之後才能比較與回溯。
抽出小樣本：先用 10～50 筆測試提示、模型與輸出格式，確認品質後才跑完整資料集。
移除不必要的個資與秘密：不要把 API key、密碼、身分證號、完整客戶紀錄直接貼到雲端推理服務。
確認授權：資料集、圖片、模型與輸出可能有不同授權條款；能匯出不代表可以任意公開或拿去訓練商業模型。

實作教學：用 AI Sheets 新增一個 AI 欄位

步驟一：選擇 Hugging Face Space 或本機部署

最快的方式是開啟 AI Sheets Space 試用，不必先安裝專案。若資料不能離開自己的環境，可以依 README 用 Docker 或 pnpm 啟動；本機推理則要準備 Hugging Face token 或自己的模型端點。

步驟二：匯入資料

依資料型態匯入 CSV、Parquet、文字檔、圖片資料夾或 Hub 上的 Dataset。匯入後先檢查欄名、空值、編碼、圖片路徑與列數。若原始資料把多種資訊塞在一個長欄位，先考慮拆成幾個可驗證的欄位，再交給模型處理。

步驟三：在新欄位寫清楚 AI 動作

每個 AI 動作應包含輸入欄位、輸出格式與錯誤處理方式。例如，若 review 欄位是使用者評論，可以要求模型只回傳下列其中一個類別：bug、feature_request、praise、other；並另設 reason 欄位保存簡短理由。這比要求模型一次寫長篇分析更容易檢查。

範例提示：讀取「評論」欄位，將內容分類為 bug、feature_request、praise 或 other。只輸出一個類別；若證據不足，輸出 other，不要猜測。

步驟四：選模型與推理提供者

模型不是越大越好。短摘要或固定分類可以先用速度較快、成本較低的模型；需要圖片 OCR、複雜推理或多語言內容時，再比較視覺模型或更大的模型。AI Sheets 把模型與 prompt 分開，方便用同一批樣本做 A／B 比較；記下模型 ID、提供者、日期與 prompt 版本，之後才知道結果為何改變。

步驟五：只先執行小批量並人工檢查

先檢查 10～50 筆輸出：格式是否一致、分類是否越界、空值是否合理、語言是否自然、圖片擷取的數字是否正確。官方的圖片更新也示範了可以手動修正結果、以 thumbs-up 提供範例，再重新生成其餘資料；這表示人工校正應該是流程的一部分，不是最後才抽查幾筆。

步驟六：匯出與留下資料卡

確認品質後再批次執行，將結果匯出成 CSV 或 Parquet，或上傳到 Hugging Face Hub。建議同時保存資料來源、欄位說明、模型與版本、prompt、抽樣驗證結果、已知錯誤與授權資訊，讓其他人知道這個資料集不是原始真值，而是經過 AI 輔助處理的版本。

五種常見工作流

工作流	做法	驗收重點
文字分類	從客服訊息或評論產生固定類別	類別集合固定、少數類別不被模型忽略、保留不確定樣本
結構化擷取	從文件、收據或網頁文字抽出日期、金額、公司名	數字、日期與幣別逐欄檢查，不能只看自然語言是否通順
合成問答	用既有文件或段落產生 question／answer 欄位	答案必須可回指來源，避免模型補出文件沒有的內容
圖片 OCR 與標註	用視覺模型轉錄文字、描述圖片或加上類別	小字、表格、手寫內容與敏感資料要人工複核
圖片生成與編輯	由文字欄位生成縮圖、社群素材或多種視覺版本	檢查版權、人物肖像、品牌規範與圖片中的錯字

成本、模型與本機部署怎麼選？

AI Sheets 可以降低「寫一次性腳本」的門檻，但不保證每次執行都更便宜。雲端 Inference Providers 會依模型、提供者、輸入輸出量與帳戶方案計費；圖片與長文件通常比短文字分類更耗資源。開始前先跑小樣本，記錄每列成本與重試比例，再決定是否擴大。

情境	較適合的選擇	主要取捨
快速試驗、資料不敏感	Hugging Face Space＋Inference Providers	設定最快，但要接受雲端推理費用、服務限制與資料傳輸
需固定成本或資料不能外傳	本機模型或自有 OpenAI 相容端點	控制力較高，但要自行負責硬體、模型下載、更新與監控
大規模、規則非常固定	AI Sheets 做原型，再轉成 Datasets／Python／SQL pipeline	需要工程投入，但更容易做版本、重試、測試與成本控制

本機端點需要符合 OpenAI API 規格，README 以 MODEL_ENDPOINT_URL 與 MODEL_ENDPOINT_NAME 指定服務；若使用 Ollama，也要先啟動相容的 API。這讓 AI Sheets 可以接自有模型，但不代表所有功能都能完全離線，尤其目前文字轉圖片仍依賴 Hugging Face 的推理服務。

資料品質與隱私檢查表

輸入檢查：確認欄位編碼、語言、空值與重複列；先清掉不該送出的秘密。
輸出檢查：用固定測試集檢查格式、數字、否定句、專有名詞與少數語言。
來源追蹤：每個合成欄位都保留原文或來源 ID，讓人工可以回到上下文。
模型紀錄：保存模型 ID、provider、prompt、執行時間與錯誤率。
授權檢查：確認輸入資料、模型、輸出圖片和最後發布位置的授權相容。
可重現性：不要只匯出最後的 CSV；把 prompt、範例、人工修正與版本一併保存。

哪些情況不該只用 AI Sheets？

AI Sheets 很適合探索、資料增補與中小型批次工作，但不是資料治理、資料庫或模型訓練本身。若任務需要嚴格的交易一致性、醫療／金融決策、數十億列的可靠重跑、細緻的存取控制或可證明的標註一致率，應把 AI Sheets 當成前期原型，後續改用有測試、版本與審核的 pipeline。AI 產生的欄位也不應直接被當成 ground truth。