最近飞书多维表格热度颇高，网上常常能刷到不少借助工作流操作飞书多维表格的文章。

在飞书文档的众多工具中，飞书多维表格是我的不二之选：
我尤其青睐它的查询页面功能——能将数据表格一键生成页面查询界面。
这一功能在分享表格时堪称绝佳选择，让内容得以通过直观、可检索的方式呈现，方便信息查找。

值得一提的是，Coze 支持通过插件对多维表格执行 CURD 操作，但在写入数据时，需依照多维表格的插件规范对数据进行结构化处理。
考虑到不少小伙伴可能对结构化数据的配置方法不太清楚，今天咱们就来进行实操演示。

1、前置条件

• 先建一个空白的多维表格，拿到飞书多维表格的 URL 地址
• 确定表格的写入列有哪些？名字是什么？

这里会问了：为什么要先做这些操作呢？

这里先不解释，咱们继续往下看。

2、整体流程概括：

工作流

智能体

3、创建智能体

进入 https://www.coze.cn/home 个人空间，创建一个新的智能体

4、新建工作流

开始节点

• 输入变量：title、feishu_filed、num，类型分别为：String、String、integer。
• num 变量：支持生成多少个写入内容，默认为 1
• feishu_filed 变量：表示飞书多维表格的列名字（需要一一对应）
• title 变量：要写入的内容

代码节点

• 接收 title、feishu_filed、num 变量
• 输出类型为：Array

因为要在这里输出飞书多维表格插件的规范格式，所以需要在这里使用代码进行格式转换

多维表格节点（插件节点）

直接在添加节点中搜索飞书多维表格，然后选择 add_records 的功能即可

• app_token：填写前置条件的飞书多维表格的 URL 地址
• records： 组装好的结构化数据格式，引入代码节点的 output

看到这里，上面前置条件的疑问点，是不是就明白了

结束节点

• 这里可以不用输出，我这里为了在生之后能看到结果，做了一个输出的节点
• 如果不需要这个场景的话，可以直接删除该节点

最后，试运行

• 输入示例数据 –

5、查看是否写入成功

进入飞书多维表格文档中，看到对应的记录即可。

6、结语

通过这次 Coze 与飞书多维表格的联通，“自动化”的思维就体现出来了。

你可以把它应用到用户反馈的收集，私人笔记等。

碎片化信息自动收集后，咱们也可以腾出精力，做其他事情。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】