Excel中的Copilot聊天历史和更改历史技能:让每一次分析都可追溯、可延续

简介: Excel中的Copilot聊天历史和更改历史技能:让每一次分析都可追溯、可延续

在日常使用Excel时,我们经常会遇到这样的问题:

  • 上周让Copilot分析过的数据,忘记当时问了什么问题;
  • 同事修改了表格,不知道改了哪些内容;
  • 公式被误删,却找不到原来的计算逻辑;
  • AI生成的数据分析结果,希望能够追溯来源。

针对这些场景,微软在8月上线了两项非常实用的新能力:

✅ Copilot聊天记录(Chat History)

✅ 历史变更技能(Change History)

这意味着Copilot不再只是“即时问答助手”,而正在成为能够帮助用户记录工作过程、追踪修改轨迹、保存分析上下文的“工作记忆助手”。

一、Copilot聊天记录:让分析工作不断档

很多用户已经习惯在Excel中通过Copilot完成:

  • 数据清洗
  • 公式生成
  • 趋势分析
  • 图表制作
  • 数据洞察

但过去有一个痛点:

关闭文件后,再次打开时,之前与Copilot的对话无法快速找到。

如今上线的聊天记录功能,解决了这一问题。

用户可以通过Copilot窗口左上角菜单查看历史会话。

系统将自动保存:

  • 提问内容
  • Copilot回复结果
  • 分析过程
  • 上下文对话

并按照最近时间排序。

最近使用过的会话会自动显示在顶部。

二、从中断处继续工作

对于经常处理大型数据的用户来说,分析工作往往不是一次完成的。

例如:

上午:

帮我分析近三个月销售趋势

下午:

继续分析华东区域数据

第二天:

结合库存数据进一步分析

以前需要重新解释背景。

现在只需打开历史会话即可继续提问。

Copilot能够帮助用户快速回到之前的分析上下文。

(左侧为之前生成的质量柏拉图分析,再次打开可以延续工作)

三、历史变更技能:看懂工作簿发生了什么

除了记住聊天过程,Copilot还新增了更加强大的能力:

历史变更技能(Change History)

该功能帮助用户理解:

  • 工作簿发生了哪些变化
  • 谁修改了内容
  • 什么时候修改
  • 修改了哪些公式
  • 人工与AI分别完成了什么调整

对于多人协作办公来说,这是一项非常重要的能力。

四、不只是记录,更能解释变化

传统版本历史只能告诉你:

文件被修改过。

而Copilot能够进一步解释:

  • 为什么数据发生变化
  • 哪些区域被更新
  • 哪些公式被替换
  • 哪些内容由AI生成

让用户真正理解修改背后的业务含义。

例如:

销售报表中利润计算公式发生变化。

Copilot可能告诉你:

毛利润计算公式已由销售额减采购成本调整为销售额减含税采购成本。

相比逐个单元格查看,大幅提升排查效率。

五、恢复历史状态,降低误操作风险

在实际工作中最头疼的问题之一:

公式被删除了。

数据被覆盖了。

发现错误时已经过去很久。

历史变更技能支持帮助用户恢复到之前的工作状态。

例如:

  • 恢复某个公式
  • 撤销错误编辑
  • 返回指定历史版本

有效降低数据丢失风险。

六、未来的Copilot不仅会分析,更会记忆

从聊天记录到历史变更技能,我们可以看到Copilot的发展方向正在发生变化。

过去:

✅ 帮你完成任务

现在:

✅ 帮你记住任务

✅ 帮你理解过程

✅ 帮你追溯变化

✅ 帮你恢复历史状态

Copilot正在从单纯的AI助手进化为真正的数字化工作伙伴。

对于经常处理复杂数据、多人协作和长期项目的用户来说,这两项功能的价值可能远超一次简单的数据分析。

相关文章
|
24天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9457 31
|
1天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1153 0
|
10天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
8天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
705 1
|
5天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型全解析:核心原理拆解,性能实战测评与落地部署教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为System One Model(系统一模型),对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
455 0
|
22天前
|
人工智能 测试技术 API
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
Jev是TypeSafe AI推出的“系统一模型”,不生成文本,专做毫秒级结构化决策:Choice(多选)、Score(打分)、Noul(是非概率)。响应快193倍、成本低444倍,适合工单路由、内容审核、测试定级等高频判断场景。
2530 4
最近全网爆火的 Jev 到底是什么?适合干什么、怎么用,一篇讲透!
|
3天前
|
存储 缓存 测试技术
QWT 3D 模块重构记:旧渲染管线改进介绍及实时瀑布图示例
QWT 3D模块完成重大重构:解耦窗口与图形(Plot+Item),摒弃OpenGL 1.x固定管线,迁至Core Profile着色器渲染;支持多图元同场景叠加,并以实时3D瀑布图验证——滑动窗口、固定色域、64帧×256点达61fps。兼容Qt 5.12+/6,LGPL协议。
170 120
|
15天前
|
Windows
【保姆级】.NET Framework 3.5离线安装教程(2026最新实测)
.NET Framework 3.5是微软经典运行库,专为兼容老软件、老游戏设计。Win7自带,Win10/11需手动启用(在线或离线安装)。它与4.x系列并存不冲突,缺它会导致“找不到组件”报错。本文详解两种安装方式及常见问题解决,小白也能轻松上手。(239字)
2036 0