复刻 ChatGPT 高级数据分析！Sdcb Chats 1.10 重磅发布：能分析Excel、做PPT

Chats 1.10.0 发布了！这是一个我个人非常喜欢，也期待已久的版本。

距离 1.9.0 发布（2025 年 11 月 27 日）已经过去了近两个月。这期间，我并不是在摸鱼，而是在憋一个"大招"------内置代码执行器（Code Interpreter）。

如果你还不了解 Sdcb Chats：简单说，这是一个支持多家主流模型服务商的 AI 网关。它不只能让你在一个统一界面里聚合管理所有模型，同时也兼容标准 API 协议，支持 Docker 一键部署与多数据库支持。

为什么是代码执行器？

Sdcb Chats 1.9发布之后，很多人好奇我下一步准备怎么走，我当时想的两个方向：

方向一：Dify 模式（Dify化）

一种是支持发布成 App 的功能，比如通过一定的系统提示词、工具集选择、模型参数设置（如温度等），可以将这样的东西打包发布成一个像 App 一样的网页，或者是一个 js 入口。用户可以通过这个网页直接使用 Chats 的预定功能和 AI 大模型聊天、完成指定任务。打包成的 js 甚至可以嵌入用户（通常是企业用户）的网页中，这样一来用户就可以直接在自己的网站上使用定制化的 AI 助手了。这个方向很有商业潜力，很多客户都在问。

方向二：Code Interpreter 模式（ADA）

另外一个方向就是实现内置的基于 Docker 的沙箱功能。因为我经常看到 ChatGPT 网站（或者像 Manus 一样）中可以执行一段 Python 脚本------或者经过一系列多步骤的过程，然后生成一张图片或者一个图表、Excel、PPT。这个功能之前 ChatGPT 叫作 Code Interpreter（代码执行器），后来为了显得更专业，改名叫"高级数据分析"（Advanced Data Analysis，ADA）。

这个功能的核心在于：它可以让 AI 模型直接操作文件、生成各种格式的输出，而不需要用户手动去处理数据和文件。

我发现，目前市面上除了 OpenAI 提供了完整体验外，像 Gemini、Grok、Qwen（基于OpenWebUI）等都没有提供类似的功能支持。

我的选择

从 Chats 的商业化角度来说，Dify 方向肯定更有"钱"景。但我个人对 ADA 方向更感兴趣一些，因为我觉得这个功能更"硬核"，也更能体现 AI 模型的能力和潜力。

所以我最终选择了 ADA 方向作为 1.10 版本发布的核心功能。经过几周的努力，1.10 版本终于完成了内置 Docker Code Interpreter 的功能！现在用户可以在 Chats 中直接请 AI 创建一个 Docker 会话，上传文件，让 AI 模型执行代码、分析数据、生成 PPT 等，非常方便实用。

强大的 Docker 沙箱：不只是 Python

为了实现这个功能，我不仅仅是加了几个 API 那么简单。

这个功能的 PoC 其实早在去年 11 月我就完成了，之后我陆续打磨，直到 2026 年元旦的时候我和 AI 做了多轮的设计，最终定稿并创建了 7 个内置工具：

create_docker_session：创建环境
run_command：执行命令
read_file / write_file / patch_file：文件操作
download_chat_files：文件流转
destroy_session：资源回收

我还内置了一套 Artifact（工件）文件夹跟踪机制。简单来说，如果大模型操作命令行工具或者其它什么脚本将文件放到了指定的 artifact 文件夹，Chats 系统就会自动帮用户保存下来，用户在聊天界面可以直接点击下载。

专属镜像：sdcb/code-interpreter

为了让体验达到极致，我不想让大家每次都去拉取巨大的通用镜像，也不想让大家费劲去配置环境。因此，我专门构建了一个 docke 镜像：sdcb/code-interpreter。

和 OpenAI 的 ADA 功能类似，这个镜像里预装了常用的工具链和依赖库：

语言环境：Python, .NET (Dotnet), Node.js, GCC
数据处理：SQLite3, Pandas, Numpy
文档办公：LibreOffice, Pandoc
多媒体：FFmpeg, ImageMagick
Web自动化：Playwright Chromium

大模型在使用这个镜像时，会自动加载 /app/skills.md 这个文件，里面列出了镜像中预装的工具和库：

md 复制代码

This environment is pre-configured with the following tools and libraries:
* utilities: git, LibreOffice, Pandoc, Poppler (`pdftotext`, `pdfinfo`), sqlite3, file, FFmpeg {ffmpegVersion}, git, imagemagick, playwright[chromium]
* dotnet {dotnetVersion}, commands: `dotnet build`, `dotnet run single-file.cs`, `dotnet add package`, pre-cached NuGet packages in `/opt/nuget-local`
* python {pythonVersion}, commands: `python3 - <<'PY' ...`, `pip install --break-system-packages package-name`, IMPORTANT: Many packages are pre-installed, Always check with `pip list` BEFORE installing to avoid unnecessary waits.
* C/C++ Toolchain (gcc {gccVersion}), tools: `gcc`, `g++`, `make`, `cmake`
* node.js {nodeVersion}, commands: `node`, `npm`, IMPORTANT: Many packages are pre-installed globally. Always check with `npm -g ls` BEFORE installing.

大模型可以直接调用这些工具，非常方便。

值得一提的是，作为一名 .NET 爱好者，这个镜像我是基于 .NET 做的（Base Image），因此碰巧你像我一样使用 .NET/C# 来验证一些东西的话，让大模型直接使用这个镜像就行了！

场景演示：它能做什么？

光说不练假把式，我们来看看它在实际场景中的威力。

场景一：分析 Excel 并生成图表

以前我们让 AI 分析 Excel，通常是将数据格式发给AI，然后让它帮忙写代码，用户再自己运行代码生成图表。现在可以直接让 AI 在沙箱中操作 Excel 文件，生成图表。

比如你有一个这样的excel：https://cv-public.sdcb.pub/2026/changsha_weather_2025.xlsx

里面的数据是长沙 2025 年的每日天气记录：

用户：请帮我分析这个 Excel 文件，生成一个包含每月平均气温和降水量的报告，并附上图表。

AI 会直接在 Docker 沙箱中运行 Python 代码，使用 Pandas 和 Matplotlib 生成图表，然后把结果打包成报告发给你（视频有加速）。

场景二：一句话生成 PPT

这是我最爱的功能之一。

用户：请根据上面的天气分析，帮我生成一份以"2025年长沙天气分析报告"为主题的PPT，包含封面、目录、数据分析、图表展示和结论五个部分。

AI 会调用 python-pptx 库，在沙箱中生成 .pptx 文件，然后给你一个下载链接。你下载下来直接就可以去汇报了（当然最好还是微调一下）。

这是原始 PPT 的下载链接，有兴趣的可以看看感受一下效果：https://cv-public.sdcb.pub/2026/changsha_weather_report_2025.pptx

场景三：做实验

这其实也是我最喜欢的一个场景。比如我想测试一个新的算法，或者验证一个代码片段，我可以直接让 AI 在沙箱中帮我跑代码。

比如之前我写过两篇博客：

《不服跑个分？.NET 10 大整数计算对阵 Java，结果令人意外》（博客园链接：https://www.cnblogs.com/sdcb/p/19484525/20261113-big-integer-dotnet-10-vs-java）
《.NET 10了，HttpClient还是不能用using吗？我做了一个实验》（博客园链接：https://www.cnblogs.com/sdcb/p/19500792/20260119-using-httpclient）

这里面有大量的代码、实验数据和图表，我可以直接让 AI 在沙箱中帮我跑这些代码，生成数据，然后帮我分析结果、生成图表，极大地提高了我的写作效率：

其它重磅更新

除了代码执行器，1.10 还有很多硬核更新：

1. 交错思考改进

在 1.9 版本中，我引入了交错思考（Interleaved Thinking）的概念，允许大模型在回答问题时分多步思考和行动。但只支持 Minimax-M2、Anthropic Claude等模型支持交错思考。

在 1.10 版本中，我扩展了对更多模型的支持，包括 OpenAI Responses API、DeepSeek V3.2模型。

比如你看下面的使用量统计（来自 Chats 的截图）：

我当时使用的模型是 OpenAI 的 gpt-5.2，它通过 Response API 的交错思考将思考信息回传，在总结 201K Tokens 的对话中，有 189K 触发了请求缓存，节省了大量的计算资源和费用，还提升了模型能力，这都依赖于交错思考的功能。

到此，Sdcb Chats中已经有这些模型提供商确认支持完整的交错思考功能：

Id	Name	加入时间	交错思考
1	Azure AI Foundry	2024-09-05	✅
2	腾讯混元	2024-09-05	❓
3	零一万物	2024-09-05
4	月之暗面	2024-09-05	✅
5	OpenAI	2024-09-05	✅
6	百度千帆	2024-09-05
7	阿里百炼	2024-09-05	❓
8	讯飞星火	2024-09-05
9	智谱AI	2024-09-05	❓
10	DeepSeek	2024-12-06	✅
11	x.ai	2024-12-11
12	Github Models	2024-12-11
13	谷歌AI	2025-01-10	✅
14	Ollama	2025-01-20
15	MiniMax	2025-01-20	✅
16	火山方舟	2025-01-24	❓
17	硅基流动	2025-02-08	❓
18	OpenRouter	2025-03-05	❓
19	小马算力	2025-11-07	❓
20	Anthropic	2025-11-24	✅
21	小米Mimo	2025-12-17	✅

注：

❓代表模型提供商使用了基于 Anthropic Messages API 的实现，按协议推断应该支持，但由于未做过端到端测试，因此不确定是否能实现完整的交错思考能力------我相当肯定不能简单地说"支持"，因为有些模型在实现上可能会有差异化。
还有一些模型提供商基于 OpenAI Responses API 实现的，比如文心千帆，理论上只要支持 Responses API 也能实现交错思考，但我还没有做过测试，因此暂时不列入表格。

2. 用户体验大升级

工具调用展示 ：为了配合 Code Interpreter，我重写了工具调用的 UI（ToolCallBlock）。现在可以看到实时的控制台输出流（Log Stream），体验就像自己在看终端一样爽。
拖拽上传 ：支持直接 Ctrl+V 粘贴文件，或者拖拽文件到输入框。
生成信息统计：现在气泡上会显示 Step 数量、平均耗时等极客信息（如上已经有截图示例）。

幕后花絮

那个让人头秃的 EF Core Bug

开发后期有一个很烦人的 EF Core 问题，表现是会话追踪的数据有时候会莫名其妙地状态不对。当时我把日志丢给 AI 大模型，让它帮我分析了好久都没解决，给出的建议都在"隔靴搔痒"。

后来没办法，我只能拿出传统的"调试器大法"，一步一步地断点调试，才发现是 EF Core 在处理并发更新时的状态跟踪（Change Tracking）导致了数据污染。果然，关键时刻还是得靠人类工程师的直觉和经验啊！😅

为什么迟到了？

1.10 其实早在 2026-01-14 就发布了，为什么今天是 26 号我才发文章宣传？

一方面是我自己在进行高强度的"狗粮测试"（Dogfooding），确保在这个 Docker 沙箱里跑 rm -rf / 不会把我的宿主机炸了（开玩笑的，有安全限制）。

另一方面，我补了大量的文档。新功能的配置参数比较多，为了让大家能顺利部署，我花了几天时间重新梳理了 README 和 Release Note，大家部署前一定要去看看。

结语

Chats 1.10 是一个里程碑，它让 Chats 从一个单纯的"聊天窗口"进化成了一个"生产力工场"。我非常期待看到大家用这个功能玩出什么花样！

喜欢的朋友请给我的 GitHub 项目一个 star：

🌟 https://github.com/sdcb/chats

这是完整的更新日志：
https://github.com/sdcb/chats/blob/main/doc/zh-CN/release-notes/README.md

有什么想法也欢迎在评论区留言交流，也欢迎加入我的新创建的微信群：

如果你更习惯用 QQ 群或者上面的微信群链接失效的话，也可以加入 Chats QQ 群：498452653，我们一起探索更多 AI 技术硬核玩法。