飞书多维表格 AI 管家

飞书多维表格 AI 管家 — 自动化多维表格的数据清洗、批量录入、报表生成、字段管理和智能摘要。当用户需要操作飞书多维表格(Bitable)、批量处理表格数据、自动生成报表/周报、清洗整理数据、或管理多维表格结构时使用。触发词:多维表格、Bitable、飞书表格、自动报表、批量录入、数据清洗、飞书数据。

Audits

Pass

Install

openclaw skills install feishu-bitable-butler

飞书多维表格 AI 管家

自动化飞书多维表格(Bitable)操作,让 Agent 成为你的表格管家。

核心能力

1. 表格结构管理

  • 创建多维表格应用和表
  • 增删字段(文本/数字/单选/多选/日期/人员/链接等)
  • 查看表格元数据和字段列表

2. 数据批量操作

  • 批量创建记录(支持格式自动适配)
  • 批量更新记录
  • 分页查询和遍历

3. 智能报表生成

  • 从表格提取数据 → 生成摘要
  • 按条件筛选 + 统计分析
  • 自动写入报表结果到新表/新字段

4. 数据清洗

  • 格式标准化
  • 去重检测
  • 空值/异常值标记

快速开始

场景 1:接到一个飞书表格链接,不知道里面有什么

用户:帮我看看这个表格 https://abc.feishu.cn/base/XXX?table=YYY

操作流程:

  1. feishu_bitable_get_meta 解析 URL → 获取 app_token + table_id + 表列表
  2. feishu_bitable_list_fields 列出所有字段
  3. feishu_bitable_list_records 读取前 20 条数据
  4. 总结表结构 + 数据概况

场景 2:批量录入数据

用户:帮我在"客户跟进表"里录入这 5 条记录
张三 | 138xxxx | 意向客户 | 2026-05-07
李四 | 139xxxx | 已成交 | 2026-05-06
...

操作流程:

  1. 先用 feishu_bitable_list_fields 确认字段名和类型
  2. 按字段类型格式化数据:
    • 文本:直接传字符串
    • 单选:传选项文本(如 "意向客户"
    • 多选:传数组 ["A", "B"]
    • 日期:传毫秒时间戳或 ISO 字符串
  3. 逐条/批量调用 feishu_bitable_create_record
  4. 完成后回报录入结果

场景 3:从表格生成周报

用户:根据"本周任务"表给我生成周报

操作流程:

  1. feishu_bitable_list_fields 了解字段
  2. feishu_bitable_list_records 抓取全部记录(翻页直到无更多数据)
  3. 分析数据:完成数、未完成数、关键成果
  4. 格式化输出报告
  5. 可选:用 feishu_bitable_create_record 将报告写入"周报"表

场景 4:数据清洗

用户:帮我检查"员工信息表"里的数据有没有问题

操作流程:

  1. 读取全量数据
  2. 检查:空字段、手机号格式、日期范围、选项值是否在有效范围内
  3. 标记异常记录
  4. 可选:用 feishu_bitable_update_record 在"数据状态"字段标记

字段类型速查

类型ID名称数据格式
1文本"字符串"
2数字123
3单选"选项名"
4多选["选项A", "选项B"]
5日期毫秒时间戳(如 1715040000000
7复选框true/false
11人员[{id: "ou_xxx"}]
13手机号"138xxxx"
15链接{text: "显示", link: "https://..."}
17附件文件token数组
22位置经纬度对象

详见 references/field-types.md


最佳实践

  1. 先看结构再动数据 — 每次操作前先 list_fields 确认字段名和类型
  2. 翻页完整list_records 支持 page_token 翻页,确保读完所有数据
  3. 批量优于逐条 — 多条数据合并为一次讲话,避免逐条单独调用
  4. 写后验证 — 批量录入后抽样 get_record 验证
  5. 异常先标记不直接删 — 数据清洗时优先标记问题,由人确认后再处理

注意事项

  • 需要飞书应用有 Bitable 权限(bitable:app scope)
  • 操作前确保 app_token 和 table_id 正确(从 URL 提取或由用户提供)
  • 大表操作注意分页,单页最多 500 条