高考冲刺阶段，胖胖老师的更新有些慢，先向各位读者说声抱歉。当然，憋了一周，胖胖老师也给大家准备了满满的干货，那就是适合AI新手用户的开箱即用的应用分享，而且无需魔法还能微信支付并开具发票的那种，绝对适合工作繁忙的教师、事业单位办公人员来体验，AI赋能解放生产力！

首先，送上今天应用分享的思维导图

首先声明：本文分享的影音红都是采用OpenAI的API接口，在国内可用且支持付费服务订购的应用，但具体产品功能请以官网功能说明为准。

● gitmind（）

老牌思维导图工具接入AI创作，支持AI脑图生成和AI内容分析（提供文本一键提取信息，生成思维导图）。目前198元买6年服务，感兴趣的可以入手。

● boardmix（）

智能白板工具，内置AI创作助手，支持AI生成思维导图等应用场景，采用会员付费+AI点数付费双付费方式。

● 小画桌（）

老牌协作式白板工具，增加AI助手功能，支持AI思维导图生成和AI绘图功能（绘图能力与文心一格差不多），好消息目前支持最高领取88天的VIP会员。

领取地址：小画桌-免费在线协作白板

● Fabrie（）

fabrie作为协作白板新势力，融入多维表格和AI设计助手，轻松实现白板转幻灯片，是绝对好玩的白板应用。AI可以生成设计图，还支持图片转文字、图片去背景和增强清晰度，这些都是AI搞定的哦。

免费会员小福利：「链接」

● 所言即师（微信小程序）

微信小程序【【微信】】（所言即师），内置应用模板，涵盖教学设计、编写文章、翻译语句、心理辅导、资料撰写、数据分析等提问模版解决教师不会撰写提示语（prompt）的窘境。

使用方法：微信直接扫描下面二维码即可。

● aski（）

Aski.ai还有着本地服务优势，不用担心ChatGPT的地域限制，Aski可以方便地使用OpenAI的问答服务；快速响应回答，基于大陆境内的服务器，提供稳定快速的服务；中文问答优势，Aski提供中文问答AI服务，在提问的过程中，会进行中英文切换的处理，更好地帮助大家提问和获取答案；价格优势，相较于ChatGPT付费版每月20刀的高额费用，Aski则可以按需购买。

支持写作、提问和绘画多个AI引擎，省心省力。还支持移动端APP使用。

● 白瓜助手（）

白瓜助手内置数百种应用prompt模型，按需检索使用即可，而且还可以支持导出闪击PPT、【【淘密令】】等格式，实现一键制作PPT。

访问地址：「链接」

● 【【淘密令】】（【【网址】】）

相较于原版的OpenAI，Talking Ai提供了写作神器功能，可以为新手使用者带来丰富的提示语，方便大家按图索骥来体验AIGC。

新手体验AIGC，或许不是版本多少高的模型，而是要有智能的提示语或是预设的提问模型，如果是小白的话，试试Talking Ai是个不错的选择。

访问地址：Talking Ai

● Whismer（）

Whismer AI是ProductHut最近热度蹿升的私有对话模型应用，其允许用户通过添加各种资源（如文件、Web 链接和注释）来创建可自定义的知识库。 Whismer AI可以从私有资源中学习，并能够解决任何相关问题。 用户可以与他人共享定制的 AI，也可以为团队创建工作 AI，为您的客户创建客户服务 AI，为您的学生创建学习 AI，或为您的朋友创建知识共享 AI......总之玩法不少。

● ChatDOC（）

ChatDOC 是一款基于 GPT，允许 GPT 与用户所指定的文档进行对话，处理用户的专属数据的 AI 阅读辅助工具。提供以下功能：

• 多场景阅读辅助。基于 GPT 的强大能力，对于文献内容的总结、摘要、翻译、知识点查询等需求，均可在 AI 辅助下快速完成。
• 支持追问功能。允许用户像 Twitter Thread 那样，针对某一特定问答，以新的子窗口打开持续进行多轮问答。
• 强大的文本解析能力。在 ChatDOC 中，除了拥有 GPT 原本强悍的文本分析能力，此外基于开发团队在内容识别领域丰富的技术积累，使得 ChatDOC 对于表格等数据内容的处理，依然准确高效。

● 【【淘密令】】（【【淘密令】】.fun）

Mindshow是一款线上AI内容生成工具，开发者是上海所思所见科技有限公司，是一家成立于2022年的科创型企业。Mindshow主打的是大纲文字转PPT的功能，使用也很方便，打开浏览器输入【【淘密令】】.fun，就能线上快速制作PPT。

我们可以将ChatGPT、白瓜助手等ai工具生成的文本导出为markdown格式，导入【【淘密令】】即可。

● WPS智能美化（）

WPS开通会员之后，就能体验到PPT制作中的全文美化和智能美化的设计功能，新版的WPS智能美化不仅可以美化PPT页面，还可以根据文字内容自动生成整套PPT设计模板并有相应动画效果，如果是WPS超级会员的话，可以试试哦。

以上分享整理来自胖胖老师，如转载请保留相关信息。我们也十分欢迎补充与分享。欢迎大家将你觉得好用的应用分享给我们哦。

联系方式：【【邮箱】】

如何给chatgpt进行统计数据分析 chatgpt的逻辑思维能力怎么来的

Matrix 首页推荐?

Matrix?是少数派的写作社区，我们主张分享真实的产品体验，有实用价值的经验与思考。我们会不定期挑选 Matrix 最优质的文章，展示来自用户的最真实的体验和观点。?文章代表作者个人观点，少数派仅对标题和排版略作修改。

好几天之前，我就在 ChatGPT 选单里看到了 Code Interpreter。它正在灰度测试中 ―― 先给一部分用户试用，如果反响不错并做了一定改进，就能推广给更多用户。

可惜当时我没能正确理解它的含义，犯了一个大错误――望文生义。我以为 Code Interpreter 是指「代码解释器」，也就是给代码添加注释进行讲解的。可那不是 ChatGPT 早就有了的功能吗？干嘛还专门弄个新的模式出来呢？

后来经朋友提醒我才发现，Code Interpreter 的功能不是「解释代码」，而是执行代码。在这个模式下，你可以上传文件作为输入，让 Code Interpreter 编写代码对输入文件做处理，并且在自带的虚拟环境中执行。根据代码内容的不同，它可以利用文本、数字、图形、表格等方式给你展示结果，甚至还可以给你一个下载链接，把你指定的输出以文件形式下载回本地。

当我意识到这一点时，真可以用「惊讶」和「懊恼」来形容。我迫不及待尝试后，赶紧写作本文，告诉你这个功能。以免你跟我一样望文生义，重蹈覆辙。

下面我用一个实际的例子给你演示。

首先我们需要一个演示数据集。这里我选择了一个名为 的贷款安全数据集。它是一张表格，属于简单结构数据，其中包含若干行，每一行代表一条贷款记录；而每列则代表某一相关属性特征，例如贷款等级，房屋拥有情况，贷款时长等信息。

最后一列 代表贷款成功或失败，也即这次放款是否安全。其中 代表不安全。 代表贷款安全回收。

首先我们需要将数据集上传到 Code Interpreter 中。上传按钮很不显眼，在输入框的旁边。

上传后，Code Interpreter 会自动进行分析，并为每列数据提供解释。

我点击了「show work」来看看究竟 Code Interpreter 是如何分析出上述结果的。

原来，Code Interpreter 直接编写了 Python 代码，读取了上传后的 文件，然后执行 命令，打印出来前 5 行，根据列名称和具体显示的数据综合分析信息，然后做了回答。

数据已经准备好，我们现在可以开始输入提示语了。我觉得使用英文与 Code Interpreter 对话很别扭，因此我提出：

请用中文翻译上面的内容，并且对于专业术语加以简单明了的解释。谢谢

你可能会纳闷儿，老师你干嘛要这么客气呢？不就是个机器……，别瞎说。礼多人不怪，AI 也一样。你跟它客气，它回答起来也会比较认真。在《人工智能这么强，我直接把工作都交给它可以吗？》一文中，我给你解释过具体的证据。

闲言少叙，这是 Code Interpreter 返回的结果。

你看，用中文回答是不是感觉好多了？对比一下你就会发现，这里的「可循环信贷利用率」等专业术语，都已有具体解释了。Code Interpreter 还在最后提出「告诉我您希望对这些数据进行哪种分析或任务」。

此时，你可以要求 Code Interpreter 做一些简单分析，并要求绘制图表（如分布图）。但对于我而言，这样的机械操作实在太无趣了 ―― 每个步骤都需要我来提示，那我还要你这 AI 干啥？

因此，我的下一个提示语，是这样的：

能否根据目前的数据集，思考它可以做哪些分析？请一步步思考，并且给我你有信心的答案。谢谢

注意这一段提示语中的两个技巧，你可以尝试吸收：「一步步思考」是尝试启动大语言模型的思维链；「有信心的答案」是指设定阈值，避免 ChatGPT 天马行空随意乱答。

这是 Code Interpreter 的反馈结果。

Code Interpreter 列出了可能的分析类型。

第一步是描述性分析，比如基本数量分布等。

第二步是相关性分析，总结其他变量间的相关性。

第三步是建立预测模型，其中提到了决策树，随机森林和逻辑回归等方法。也提到必须将之分为训练及测试数据集，且要「使用测试级来评估模型性能」。这种意识非常棒，已经超出了机器学习常见入门水平。

第四步就有点儿莫名奇妙了，虽然 Code Interpreter 提出使用支持向量机 (SVM)、朴素贝叶斯等几个新模型，但要做的事情和第三步是重复的。

好在，我们使用 AI 作为助手，而不是枪手。我们大可以将第四种分析类型省略，只让 Code Interpreter 将前三个步骤做一下。这里为了方便展示，我让 AI 一次只做一个步骤。下面是执行各个步骤的效果。

第一步，描述性分析。Code Interpreter 给出了这个数据集的一些基本统计信息。包括记录数量、最常见的贷款等级、平均被雇佣不足一年人员数量、平均雇佣年限、平均债务收入、最常见贷款期限数量等。

第二步，相关性分析。Code Interpreter 识别出属于不同变量之间的正负相关关系。例如，短期雇佣与雇佣年限是相反的概念，因此 和 之间存在负相关性；债务收入比高的贷款申请者往往会使用循环信贷，因此 和 之间存在正相关性；而 和一些其他变量之间存在负相关性，这意味着对那些高债务收入比的人贷款，可能不太安全。

Code Interpreter 还不忘提醒咱们，这些相关性不意味着因果关系，尚需要考虑更多变量的交互和非线性关系。如果是我的学生回答此题，仅仅最后这一句，就会让我非常欣慰。

第三步，构建预测模型。

Code Interpreter 中规中矩地进行了数据预处理。

我看了一下具体执行的代码：

之后是模型的训练和性能测试环节。

点开 ，对应的代码是这样：

之后，Code Interpreter 自动进行了结果的汇总输出与阐释。

该模型在测试数据集上的准确率为 61.7%。虽然不高，但 Code Interpreter 指出相对于随机预测的准确率 50%，还是要好一些。有意思的是，它还自动提出了如何对准确率进行提升。例如超参数优化、特征工程、使用其他模型等。特别地，Code Interpreter 提出需要不仅仅关注准确率，还要考虑模型可解释性、训练和预测时间等其他指标。

非常好！不过你是说，让我自己去逐一尝试上述提升策略？那怎么可能？！Code Interpreter 既然你画了道儿，就得你来走嘛。

于是我这样提问：

你能否实施改进策略，并且在同样的测试集上进行测试？谢谢

这是 Code Interpreter 的回答。

你看？AI 开始认真干起来了不是？

这是 Code Interpreter 一通改进之后的结果：

从 61.7% 提升到了 64.9%，准确率高吗？我觉得谈不上。但是这是一个非常有意思的开端，意味着 Code Interpreter 可以自动帮助我们执行提升准确率的策略，而且获得了成效。

我想跟你谈谈尝试 Code Interpreter 之后的感受。我想用「惊艳」二字来形容。具体来说，就是「分析得当，执行流畅」。

咱们应该思考一下 Code Interpreter 出现的意义。曾几何时，很多小伙伴拿到宝贵的一手数据，却不知道如何分析。在几年前，你会看到很多不同学科的人一窝蜂跑去学习 Python。因为在彼时，只有学会了 Python 或者 R 后，你才可能对数据进行功能丰富且合理可行的分析。很多人因为不具备相关的技术能力，往往坐拥金山，但就是不知道怎么挖掘。

要学完 Python 或者 R 的初级操作，你至少需要学一门课程，或者啃一本教材。但是现在，你只需要和 Code Interpreter 对话，就能把这样的分析结果保质保量快速做出来，甚至比数据分析师基础入门水平都要靠谱，不亦乐乎？

ChatGPT 的 Code Interpreter，目前还在 Alpha 阶段。功能非常初级，时常遇到环境更新导致的不稳定，还有各种限制。例如说你可以让它帮你绘制统计图，英文显示都很好，但所有中文显示都是这个样子：

你当然可以让 Code Interpreter 自己去改进。但是它折腾一通，也只能给你展示这种无奈：

但是，我们有理由相信，这些问题随着技术产品的迭代改进，都会逐步解决的。

你在数据分析的过程中，使用过其他的 AI 产品吗？有什么可以推荐给大家的？欢迎留言，咱们一起交流讨论。

祝（自动）数据分析愉快！

如果你觉得本文有用，请充电。

如果本文可能对你的朋友有帮助，请转发给他们。

欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。

点击这个链接加入少数派会员，立享 9 折优惠！获得专属会员内容、会员播客以及会员定制周边。在更多的领域和方向帮你打开脑洞，找到新的兴趣点，与少数派一起洞悉当下，探索新知。

• AI 帮我找卡片挺好，但能不能帮我创作出新的相关卡片啊？
• 摸索那么多工具后，怎样才能避免「效率成瘾」？
• 自己录制和剪辑视频，如何解决占用空间过大的问题？
• 想打造个性化高效工作流，可不会编程怎么办？
• 世界很大，英语不好的你如何去看看？

> 下载 少数派 2.0 客户端 、关注 少数派公众号 ，解锁全新阅读体验

> 实用、好用的 正版软件 ，少数派为你呈现