AI函数利用大模型的能力对数据进行智能化处理，在一些场景对数据进行处理时，不用再关注函数用法，只需要通过自然语言的指令即可进行数据处理。
在这里，我们新增提供了三个AI函数translateAI，classifyAI，taskAI。下面我们将详细介绍这三个函数的使用场景以及用法。
在使用AI函数功能前需要确保已配置AI服务，具体配置参考管理系统>系统设置>配置AI。使用AI函数需要购买Y+AIGC许可。
1. translateAI：智能翻译函数
语法：translateAI(dim[] dim, string lan, float temperature)；
说明：通过大模型对字段中的数据，按lan进行翻译。
lan：需要翻译的语言，支持语言名称以及简写，如"中文","Chinese","zh_CN"。
temperature:可选，范围0~1，小数位数1位。
示例：对用户评价按英语翻译。
translateAI(col['用户评价'], "英语");
基于内置的咖啡数据集，假设我们要将市场分布翻译为英文并进行展示，则可以使用translateAI函数。
首先我们创建一个计算列，如下图
添加表格组件，绑定“市场分布”、“市场分布_英文"，即可看到函数执行结果。
2. classifyAI：智能分类函数
语法：classifyAI(dim[] dim, string lan, float temperature)；
说明：通过大模型对字段中的数据，按category进行分类。
category：分类数组。
temperature：可选，范围0~1，小数位数1位。
示例：对用户评价按积极、消极进行分类。
classifyAI(col['用户评价'], "积极, 消极");
基于内置的咖啡数据集，假设我们要将省份划分为东部，西部，中部，北部，南部，则可以使用classify_AI函数。
首先我们创建一个计算列，如下图
添加表格组件，绑定“省份”、“省份_分类"，即可看到函数执行结果。
3. taskAI：按指定任务处理函数
语法：taskAI(dim[] dim, string task, float temperature)；
说明：通过大模型对字段中的数据，按task描述进行处理。
task：数据处理描述。
temperature：可选，范围0~1，小数位数1位。
示例：对城市中的名称进行修正。
taskAI(col['城市'], "修正错误的地理名称，正确的直接返回");
假设我们数据中存在错误的省份信息，需要进行纠正，则可以使用taskAI函数。
首先我们创建一个计算列，如下图
添加表格组件，绑定“省份”、“错误修正"，即可看到函数执行结果。
