KeyFrame內部研究專用

Claude Tag还没用上,飞书的多维表格智能体来了

小天fotos6 min中文
觀看原始影片

三句話摘要

飛書多維表格智慧體如何成為企業AI應用的正規化轉變,以及為什麼這會引發"人人都做AI"的浪潮。 飛書多維表格智慧體透過降低使用門檻、內建許可權管理、事件驅動自動化,將AI應用的真正瓶頸從技術問題轉為社會問題的解決,預示著一場"人人都用AI"的浪潮即將在國內爆發。 社會學而非技術問題——企業AI應用卡點不在模型能力,而在組織採納。多維表格智慧體透過在飛書群裡展示AI成果、獲得點贊,建立"我知道你知道我知道"的共同知識,自然推動團隊的AI文化形成,類似於"接龍"改變了群組織的活躍度。

重點整理

  1. 社會學而非技術問題——企業AI應用卡點不在模型能力,而在組織採納。多維表格智慧體透過在飛書群裡展示AI成果、獲得點贊,建立"我知道你知道我知道"的共同知識,自然推動團隊的AI文化形成,類似於"接龍"改變了群組織的活躍度。

  2. 許可權與安全的天然平衡——智慧體原生住在表格裡,自動繼承使用者的資料許可權,提問超出許可權範圍直接拒答。這比通用大模型需要搭建複雜許可權系統簡單得多,既滿足安全需求,又不喪失功能。

  3. 事件驅動的24小時自動化——監聽業務指標變化(ROI跌破2、庫存天數<7、高價值客戶30天未復購)自動觸發預警和通知,無需人工定時檢查,相當於省下一個AI員工。

  4. 知識資產化的競爭新格局——經驗從黑箱變成可複製的系統,早點把直覺變成Agent的人獲得競爭優勢,晚的人會被加速淘汰。

實用技巧與重點

  • 多維表格智慧體的核心功能:
  • 操作許可權:根據資料許可權自動隔離可執行操作
  • 觸發規則示例:ROI跌破2→圈負責人+管理群通知;庫存<7天→通知供應鏈補貨;高價值客戶30天未復購→運營預警
  • 一鍵分享到群,所有成員可用,無需許可權配置
  • 資料能力驗證:
  • 飛書多維表格AI在所有真實業務資料分析測評榜單中全部拿第一
  • 與其他工具對比:
  • vs Claude龍蝦:許可權管理、資料安全(龍蝦許可權太大或需複雜系統;智慧體天生隔離)
  • vs Cloud Tag:貼近業務流程深度(Tag讓Agent進群;多維表格讓Agent進業務)
  • 混搭用法:
  • 多維表格智慧體發現問題→圈龍蝦執行復雜任務

結論

飛書多維表格智慧體透過降低使用門檻、內建許可權管理、事件驅動自動化,將AI應用的真正瓶頸從技術問題轉為社會問題的解決,預示著一場"人人都用AI"的浪潮即將在國內爆發。

完整解析

當Andrej Karpathy宣傳Anthropic的Cloud Tag是AI應用的正規化轉變時,講者起初質疑,但深入研究後發現這股浪潮在國內會更猛烈。問題在於,不是每個人都能用Cloud Tag,但飛書多維表格智慧體是國內企業每天使用的工具——這才是真正的切入點。

很多人聽到"多維表格智慧體"這個名字就想笑,覺得不過是產品炒作。但講者從社會學角度深入剖析:企業AI應用的最大痛點從來不是技術問題,而是員工不願意用AI。他用"接龍"的例子說明——很久以前在群裡組織活動沒人參與,直到有人發明接龍這個形式,團隊瞬間活躍起來。接龍建立的是"共同知識":不只是大家都知道,而是大家都知道大家都知道。當員工在飛書群裡分享自己建立的智慧體並獲得點贊時,就在建立這樣的集體心理,加速整個團隊的AI使用文化。

從產品功能看,多維表格智慧體解決了三個核心問題。第一是建立門檻極低——點點滑鼠輸入需求,幾分鐘就能建立一個可執行的智慧體,分享連結到群裡全部人都能用,完全無需像整合龍蝦那樣搭建複雜的資料庫連線橋樑。第二是許可權和資料安全——智慧體天生住在表格裡,會根據發起人的實際許可權自動決定能做什麼,問了不該問的問題直接拒答。這比通用大模型需要精心設計複雜的許可權系統簡單得多,既實現安全隔離,又不喪失可用性。第三是事件驅動的全自動化——設定ROI跌破2就在群裡圈負責人並同步到管理群,庫存可售天數跌到7以下自動通知供應鏈補貨,高價值客戶30天沒復購自動提醒運營。這些預警在業務事件發生的瞬間觸發,無需任何人工干預,相當於為企業增加了一個24小時不知疲倦的AI員工。

講者用實際案例演示了這套系統。他先用官方行業夥伴案例加上招聘資訊,構造了一個完整的電商多維表格,包含商品、投放、訂單、庫存、人員等全線資料。當他手動改動ROI資料時,智慧體迅速傳送了預警,在運營群裡圈了負責人,同時在管理群同步了資訊——整個過程自動進行,無需人工觸發。他還提到,如果配置"一鍵調整預算"的功能,負責人甚至可以點一下卡片就直接搞定。

對於"多維表格會不會分析錯"的顧慮,講者拿出真實資料佐證:在飛書的多個真實業務資料分析測評榜單上,多維表格AI全部拿了第一,說明其理解和分析表格資料的能力是可靠的。與此同時,當需要做更復雜的任務時,可以讓多維表格智慧體圈龍蝦來配合——智慧體發現問題,龍蝦負責深度分析或執行復雜操作,兩者結合發揮各自優勢。

但講者也坦誠指出了一個現實的挑戰:如果你把多年踩坑積累的經驗做成智慧體分享出去,別人可能立刻復刻走,這不是在加速自己被淘汰嗎?他的回答是:不要讓經驗停留在腦子裡,而要儘早將其轉化為可執行、可統計、可署名的資產。這樣做的人會成為AI浪潮中的吃螃蟹者,而那些死守經驗黑箱的人會逐漸掉隊。經驗的價值在於如何系統化和規模化,而不是藏著掖著。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。