大语言模型

如何用AI表格低门槛手搓一个业务系统？

2026 年 1 月 12 日

用AI表格轻松打造业务系统，飞书多维表格的AI功能让数据管理更智能高效。核心内容： 1. 多维表格与EXCEL的对比：公式、VLOOKUP和数据透视表 2. 多维表格的独特优势：分类汇总、关联、附件和表单功能 3. AI在多维表格中的应用：AI字段生成和自然嵌入的工作流

最近2周认真体验了一下飞书的多维表格，尤其是它的AI功能。

作为一名自封的EXCEL高手、多年的主流BI系统的管理员，同时又积极主动拥抱AI潮流并可以手搓Data Agent的数据从业者，我来聊一下多维表格由浅入深的实操体验。

一、多维表格之表格

先从EXCEL视角来看，多维表格有很多和EXCEL相似的地方，会用EXCEL就可以入门多维表格。

1、公式：首先，最直观的体验就是，你再也不能在表格手输=然后敲公式了，只能新增字段-选择公式字段类型。其次，你在EXCEL表格中那些铭记于心多年的公式，在多维表格里只有涉及加减乘除等计算公式可以直接用，其他涉及到位置引用的公式会比较复杂，但还好公式原理大体相同。比如你要在多维表格实现（假设每一行是一天数据）日环比（在EXCEL只要输入A2/A3-1然后下拉即可)，在多维表格中则需要下面这个公式，公式复杂程度主要是位置引用造成的，基本原理是一样的。

EXCEL两个核心功能VLOOKUP和数据透视表，多维表格都照顾到了；

2、VLOOKUP：多维表格里实现LOOKUP，是专门的字段类型：查找引用，跟EXCEL公式原理一样。

3、数据透视表：可以在新增仪表盘里，添加透视表，和EXCEL一模一样。

多维表格也有很多比EXCEL更出色的功能，比如：

1、分类汇总：多维表格是把EXCEL的分类汇总功能玩明白了，视觉上友好直观，操作上也比EXCEL更简单直接。

2、关联：多维表格可以增加单向关联和双向关联字段，可以快速从表格1跳转表格2，还可以给字段增加标签，便于分类汇总或者数据透视。

3、附件：多维表格可以直观展示图片等附件。

4、表单：多维表格像其它文档一样，强调多人协作。表单填写可以更友好的让多人协作，尤其针对不太懂表格的人，操作门槛很低。但这个功能只限于数据量不大的业务。

5、查询界面：界面友好，0门槛快速查看自己关心的数据，可以看做一个业务系统里的查询界面。

从BI系统角度来看，多维表格仪表盘的功能一般。

1、图表不够丰富：多维表格只有最基础的柱状图、折线图、饼图和简单的组合图。没有复杂的矩阵图，不能实现主流BI都有的矩阵式直观展示图形对比。它支持一些复杂可视化插件，类似桑基图、日历图等。

2、没有数据库工具：主流BI都很自然集成的数据库连接工具，多维表格甚至都没有，它只提供了第三方开发的付费的数据库连接工具。

二、多维表格之多维

多维本意是指突破传统二维表格的行列限制，通过视图切换、关联关系与字段类型，实现数据的 “多维度灵活组织与呈现”，本质是让同一套数据能从不同角度被解读和使用。我更愿意把多维理解成AI。多维表格中的AI功能不是通过对话框，也不用插件，而是放在表格里，埋到工作流节点中。这样自然嵌入且无处不在，这才是AI表格的强大之处。大家都在讲AI NATIVE，我看AI表格就很NATIVE。

1、AI字段生成：

AI生成表格：我这个武侠数据表demo，就是一句话让AI生成的。它会先帮你设计字段，再填写数据。但是准确率一般，只做demo的话足够了。
AI公式：复杂的公式支持AI生成，虽然成功率不是很高，但这个功能很快能帮你熟悉它的公式语法。
字段捷径：多维表格的字段捷径里有很多分类工具：

AI文本处理：比如对应用户评论，AI可以分析生成分类字段，比如分成4类，喜怒哀乐等；
字节系数据工具：比如影刀，可以抓取抖音主页数据。还有巨量广告可以抓取巨量引擎的广告列表等。通过影刀，我们1分钟就可以抓取的周同学抖音主页数据：
AI模型自定义字段：比如投放素材管理，表现好的素材，可以通过提取图片描述，分析共同点，再通过AI图生图copy头部素材。

2、AI分析：仪表盘虽然支持的图表不够丰富，但是它支持智能分析。0门槛实现了极简的chatBI。比如周同学入驻时作品数据爆炸，后续也逐渐回归平常。

3、工作流+AI AGENT节点：

工作流：我虽然没用过n8n，但也能体会到多维表格这个工作流很好用。很多自动化流程完成可以交给它来处理。比如自动化生成周报,并发送飞书群消息。
工作流+AI AGENT节点：我们在做Data Agent的时候，在其他平台比如coze或纳米AI，都需要花功夫定义好数据源输入、数据更新等节点，才能进入分析环节。而在多维表格里完全天然省略了这一步，每一个表格都可以是数据输入。通过AI AGENT节点+数据+自定义MCP，理论上，我们可以低门槛低成本的实现所有DATA AGENT的功能。比如用Python封装一个自定义归因分析算法MCP，就可以实现自动化归因分析工作流；又比如定义好报告分析流程节点，就可以按部就班的让AI写数据分析报告。当然调用大模型需要关联自己API KEY，它免费token额度有限。
工作流也提供post接口，可以批量提交AI输出内容，做业务系统需要的接口交互方式，它都有。