当前位置: 首页 > article >正文

【AI学习笔记】Coze工作流写入飞书多维表格(即:多维表格飞书官方插件使用教程)

背景前摇:

今天遇到一个需求,需要把Coze平台大模型和用户的对话记录保存进飞书表格,这个思路其实不难,因为官方提供了写入飞书表格和多维表格的插件,但是因为平台教程和案例的资料匮乏,依据现有的官方文档落地起来还是有一些坑,所以决定自己写个教程记录下。

正文:

1.飞书授权Coze:

在使用多维表格插件之前,必须要先授权Coze访问飞书的数据。
进入扣子首页,点击左下角自己的头像——账号设置。
在这里插入图片描述
在这里插入图片描述
打开的页面点击“数据源”,然后给飞书点击授权。如果同时有个人账号和企业账号,允许多个账号同时授权。在这里插入图片描述
第一次授权如果提示无权限的话,按照指引安装一下即可。在这里插入图片描述在这里插入图片描述
然后继续授权流程即可。在这里插入图片描述
能在数据源这里看见自己的账号就说明成功了。在这里插入图片描述

2.多维表格创建:

我们要先创建一个多维表格,作为写入的目标对象,并且编辑好多维表格要写入的目标子表名称和字段名(也就是每一列叫什么)。
这里我图省事,目标子表名称就叫默认的“表格”了。
在这里插入图片描述
然后这个多维表格默认创建出来里面是有几列的,看他们又有带锁的标志,数据类型又不一样的(比如第一列是文本数据,第四列是日期格式的数据),我暂时也还不知道这里面有什么奥秘,就统一全删了,然后自己添加字段。在这里插入图片描述
并且这些空白数据行也需要删除,不然到时候插件会直接在空白行的下面新开一行开始写数据,而不是将就现有的空白行开始写在这里插入图片描述我这里就用记录大模型和用户的交互记录为例,字段写“用户提问”,“模型回复”,“日期”这三个。
第一个字段是索引,无法删除,不过正好是文本类型,我们把他改成用户提问就可以用。在这里插入图片描述
点击加号新建字段,我们就选最简单的文本类型。在这里插入图片描述
然后这个多维表格就准备好了。
表格创建完毕后,我们现在需要记住以下信息:

1.多维表格的链接。
在这里插入图片描述
然后就会得到形如:在这里插入图片描述
这样一个链接,这个就是多维飞书表格的url。
但是还不够,把刚刚那个链接粘贴到浏览器网址栏打开,你就会发现这个链接变长了。
https://eabdar9kmnh.feishu.cn/base/CGxVbIDAiaeY8bsVgdPcaN6Jnef?table=tblSGS7m4C14fBdu&view=vewEspFGH6
建议把这个更完整的链接作为参数传递给插件。
2.表格里面要工作流写入的那个子表id。
上面那个多维表格的链接中,“table = ”和“&”之间的这串符号,就是要写入的目标多维表格的id。在这里插入图片描述
3.要写入子表格的名字(注意,不是多维表格的标题!!)
是这个“表格”,而不是多维表格的大标题。
blog.csdnimg.cn/direct/c372c40d4cac46b3bb3f28facb82b000.png)
4.表格里面要写入的字段(就是列名,这里是“用户提问”,“模型回复”,“日期”)。在这里插入图片描述
为什么要记住这几个变量呢?我们可以看看这个多维表格插件的属性说明。
首先找到这个插件的详情页面。传送门https://www.coze.cn/store/plugin/7395043460165779483?from=store_search_suggestion在这里插入图片描述在这里插入图片描述
向下滚动页面,看他的插件工具,因为我们这里的需求是想把大模型和用户的对话写入飞书表格,只涉及增加操作,所以就选这个add_records即可。在这里插入图片描述
我们看看这个插件的参数:是不是就是刚刚提醒大家需要记住的那几个属性。
至于字段名称,在传入records参数的时候会发挥作用,后文会介绍。
在这里插入图片描述

3.工作流搭建:

这个大家自由发挥,我就搭个最简明直接的一条线工作流,用户输入——大模型回复——代码节点处理——加入飞书表格——结束。在这里插入图片描述
这里面最关键的,就是要有一个代码节点。
为什么呢?因为这个写入飞书表格的插件,把要写入的数据记录要求的格式特别刁钻。
要给他一个列表,列表里包含两层字典结构。field是第一层字典结构的键,对应的值又是一个字典,这个字典里面的键,就是我们刚刚多维表格里写好的列名,对应的值,就是每次调用工作流动态变化的,用户问题、模型回复,和日期。
在这里插入图片描述
如果没有代码节点处理,直接靠配置前面节点的引用参数的话,根本没辙,要么提示参数类型不对,要么没法动态获取每次调用生成的内容。在这里插入图片描述在这里插入图片描述
所以,在写入多维表格的节点前面,必须需要一个代码节点,来完成这个按需拼装输入值的伟业。在这里插入图片描述
点击“在IDE中编辑”,查看代码节点细节如下:在这里插入图片描述在这里插入图片描述

Python代码片段:

import datetime
import json
from typing import List, Any, Dict
def json_serial(obj: Any) -> str:"""JSON serializer for objects not serializable by default json code"""if isinstance(obj, (datetime.datetime, datetime.date)):return obj.isoformat()raise TypeError ("Type %s not serializable" % type(obj))async def main(args: Args):}}]return result

如果代码不会写的话,可以用整个代码节点自带的AI,把需求描述给它,先生成一版符合这个代码节点框架要求的初稿,然后再换豆包、GPT等更聪明的AI优化。

4.配置插件参数:

授权搞定了,多维表格建好了,工作流也搭建完成了,最后我们把参数都填进插件的目标位置。在这里插入图片描述
如果忘了每个参数应该填写什么也没关系,可以点击节点界面的“查看示例”参考。
在这里插入图片描述在这里插入图片描述
或者去插件的官方页面查阅参数说明和示例。(我也是这样才搞明白url和table_id填什么)在这里插入图片描述

5.(暂未解决的新问题)运行状态是forbidden:

但我运行的时候发现一个问题,状态不是success,而是forbidden。另一个账号之前运行到这个节点,会有个报错说复制链接打开去授权,但是这里并没有弹出那个授权链接。在这里插入图片描述
查了下Qwen(是的最近被其他同学推荐发现这个很好用,感觉比Kimi和豆包都还舒服,说话风格很像GPT),说授权大概是这个流程:在这里插入图片描述
于是我想出一个很邪修的招数,随便创建一个智能体,然后把这个add_records插件(也就是写入飞书多维表格的插件)给它加上,然后给它一个要写入飞书多维表格的指令,这样就会触发插件调用。
接着,智能体和插件调用的地方都会提醒你《未授权》,那么就给他授权就可以啦。
在这里插入图片描述
下图蓝色箭头标记的地方,授权二选一即可,完成后另一个待授权图标也会消失。在这里插入图片描述在这里插入图片描述
但我试了还是不行,之前另一个账号运行一次就success,我暂时还没找到解决方法。
后面询问了一位闲鱼大佬,说Coze和飞书账号是一对一的关系,是跟用这个智能体的账号绑定的。我对这个回答的真实性存疑,因为查了相关文档的确没有直接说明这一点,估计还是飞书开发平台的权限问题。

其他经验分享:

还有一些我在使用扣子搭建工作流中总结的经验,也一并写在这里。

1.用户提示词必须要填:

曾几何时,把系统提示词填了,输入输出参数配好了,忘了写用户提示词,导致无论给模型输入什么内容,回复都说“同学,你的问题不够明确噢~”
请教了其他同学,需要在用户提示词里面引用{{input}},模型才真正知道它需要用哪些输入的变量。
其实更加规范的写法是,系统提示词里面写人设、限制等宏观的要求,具体的变量引用放在用户提示词的部分。
例如:
系统提示词里,只写《你是一个很有帮助的文档查阅助手,会根据用户输入和知识库查询结果来解答用户的疑问…》
用户提示词里,则列出具体的变量代表什么含义:
用户输入{{input}}
知识库查询结果{{knowledgeResult}}
在这里插入图片描述
就算是实在懒得给模型说明,起码也要单独放一个{{input}},不然就会发生无论输入什么,模型都会说《同学,你的问题不够明确噢~》在这里插入图片描述

2.两个节点输出,谁有结果就用谁,代码节点怎么配置:

如果把我们这个示例的工作流变得复杂一些,用户输入先过一个意图识别节点,根据意图不同,调用不同的大模型节点生成回复,并且哪个大模型有生成结果,最后传给多维表格的输入就用谁的,怎么办?在这里插入图片描述
对于代码节点来说,这个很简单,只需要配置两个输入变量,分别代表俩大模型的输出,然后,在代码节点的逻辑中,同时获取俩大模型的输出,然后在组装result的时候判断谁有值就用谁组成答案即可。在这里插入图片描述
Python代码片段:

import datetime
import json
from typing import List, Any, Dict
def json_serial(obj: Any) -> str:"""JSON serializer for objects not serializable by default json code"""if isinstance(obj, (datetime.datetime, datetime.date)):return obj.isoformat()raise TypeError ("Type %s not serializable" % type(obj))async def main(args: Args):params = args.paramsinput = params['input']output1 = params['output1']output2 = params['output2']result: List[Dict[str, Any]] = [{"fields": {"用户提问": input,"模型回复": output1 if output1 else output2,"日期": json_serial(datetime.datetime.now()),}}]return result

3.两个节点输出,谁有结果就用谁,输出节点怎么配置:

如果场景再简单一些,没有代码节点,,两个大模型直接连结束节点,谁有结果,最终就输出谁的答案,应该怎么实现呢?
很简单,给输出节点俩变量,分别代表两个大模型节点的输出,最后在“回答内容”这里通过“或”符号(就是“||”)来拼接两个输出内容即可。在这里插入图片描述

参考教程:

1.B站@小吴爱折腾《如何在扣子往飞书多维表格插入数据,一个视频教会你 | 扣子教程》传送门
https://www.bilibili.com/video/BV1J5RPYHE3u/?spm_id_from=333.1007.top_right_bar_window_history.content.click&vd_source=cdfd0a0810bcc0bcdbcf373dafdf6a82
在这里插入图片描述
这个视频解决了我主页账号数据源授权的问题,不然自己真找不到去哪授权。

2.B站@交给AI办_展宇《Coze工作流操作飞书多维表格(写入数据)》传送门https://www.bilibili.com/video/BV1AxXfY1E7g?spm_id_from=333.788.recommend_more_video.-1&vd_source=cdfd0a0810bcc0bcdbcf373dafdf6a82
在这里插入图片描述
看这个视频也是用了代码节点来处理给飞书多维表格的写入数据:在这里插入图片描述

3.B站@小竹熊《【coze教程】coze操作飞书表格-添加数据》传送门https://www.bilibili.com/video/BV1aaZVYrEPM?spm_id_from=333.788.recommend_more_video.19&vd_source=cdfd0a0810bcc0bcdbcf373dafdf6a82
这个是操作飞书表格的教程,也许以后会用到,先存着。在这里插入图片描述
4.知乎@荣姐聊AI《手把手教你使用coze中飞书多维表格插件》传送门https://zhuanlan.zhihu.com/p/17852969533
这个帖子把全流程介绍得很清楚,其中我没有解决的运行状态是forbidden的这个疑难问题,在我另一个账号运行成功之前,就是出现了这个需要工作流内授权的情况,授权完就可以运行了,但不知道为什么我这个账号就是不成功。在这里插入图片描述

相关文章:

【AI学习笔记】Coze工作流写入飞书多维表格(即:多维表格飞书官方插件使用教程)

背景前摇: 今天遇到一个需求,需要把Coze平台大模型和用户的对话记录保存进飞书表格,这个思路其实不难,因为官方提供了写入飞书表格和多维表格的插件,但是因为平台教程和案例的资料匮乏,依据现有的官方文档…...

System.Threading.Timer 和 System.Timers.Timer

在 .NET 中,System.Threading.Timer 和 System.Timers.Timer 都是用于定时任务的类,但它们的实现方式、使用场景和特性有所不同。以下是它们的 核心区别 和 使用示例: 1. System.Threading.Timer 特点 轻量级,基于线程池&#xf…...

在 Windows 系统下配置 VSCode + CMake + Ninja 进行 C++ 或 Qt 开发

在 Windows 系统下配置 VSCode CMake Ninja 进行 C 或 Qt 开发,是一个轻量级但功能强大的开发环境。下面我将分步骤详细说明如何搭建这个开发环境,支持纯 C 和 Qt 项目。 🧰 所需工具安装 1. 安装 Visual Studio Code(VSCode&…...

`tokenizer.decode` 出现乱码或异常输出,怎么处理

tokenizer.decode 出现乱码或异常输出,怎么处理 在使用 Hugging Face Transformers 库进行大语言模型(LLM)开发时,tokenizer.decode 出现乱码或异常输出,通常和模型输出的 token 序列、分词器对齐逻辑、特殊 token 处理有关。以下从模型侧、分词器侧、后处理环节给出解决…...

几何绘图与三角函数计算应用

几何绘图与三角函数计算应用 设计思路 左侧为绘图控制面板,右侧为绘图区域支持绘制点、线、矩形、圆、多边形等基本几何图形实现三角函数计算器(正弦、余弦、正切等)包含角度/弧度切换和常用数学常数历史记录功能保存用户绘图 完整实现代码…...

leetcode 二叉搜索树中第k小的元素 java

中序遍历 定义一个栈&#xff0c;用于存取二叉树中的元素 Deque<TreeNode> stack new ArrayDeque<TreeNode>();进入while循环while(! stack.isEmpty()|| root ! null){}将root的左节点入栈&#xff0c;直到rootnull while(rootnull){stack.push(root);root ro…...

5.1 初探大数据流式处理

在本节中&#xff0c;我们深入探讨了大数据流式处理的基础知识和关键技术。首先&#xff0c;我们区分了批式处理和流式处理两种大数据处理方式&#xff0c;了解了它们各自的适用场景和特点。流式处理以其低延迟和高实时性适用于需要快速响应的场景&#xff0c;而批式处理则适用…...

基于 Android 和 JBox2D 的简单小游戏

以下是一个基于 Android 和 JBox2D 的简单小游戏开发示例&#xff0c;实现一个小球在屏幕上弹跳的效果&#xff1a; 1. 添加 JBox2D 依赖 在项目的 build.gradle 文件中添加 JBox2D 的依赖&#xff1a; dependencies {implementation org.jbox2d:jbox2d-library:2.3.1 } 2.…...

传输层协议 UDP 介绍 -- UDP 协议格式,UDP 的特点,UDP 的缓冲区

目录 1. 再识的端口号 1.1 端口号范围划分 1.2 知名端口号&#xff08;Well-Know Port Number&#xff09; 2. UDP 协议 2.1 UDP 协议格式 2.2 UDP 的特点 2.3 UDP 的缓冲区 2.4 一些基于 UDP 的应用层协议 传输层&#xff08;Transport Layer&#xff09;是计算机网络…...

Python try-except-else 语句详解

try-except-else 是 Python 中用于异常处理的重要结构&#xff0c;它允许你优雅地处理可能出现的错误&#xff0c;并在没有错误发生时执行特定代码。下面我将详细解释这个结构及其用法。 基本语法 try:# 可能引发异常的代码块 except [ExceptionType]:# 异常处理代码块 else:…...

ApacheSuperset CVE-2023-27524

前言:CVE-2023-27524 是一种远程代码执行漏洞&#xff0c;攻击者通过该漏洞可在受影响系统上执行任意代码&#xff0c;从而获得未授权访问权 CVE-2023-27524 GitHubhttps://github.com/horizon3ai/CVE-2023-27524 任务一 代理 | 拉取镜像 vi /etc/proxychains4.conf //最下面修…...

Windows Server部署Vue3+Spring Boot项目

在Windows Server 上部署Vue3 Spring Boot前后端分离项目的详细步骤如下&#xff1a; 一、环境准备 安装JDK 17 下载JDK MSI安装包&#xff08;如Oracle JDK 或 OpenJDK&#xff09; 双击安装&#xff0c;配置环境变量&#xff1a; JAVA_HOME&#xff1a;JDK安装路径&#xf…...

malloc 是如何分配内存的?——C 语言内存分配详解

文章目录 malloc是如何分配内存的&#xff1f;——C语言内存分配详解一、引言二、内存分配的基本概念1. 虚拟内存与物理内存2. 进程内存布局 三、malloc函数详解1. 函数原型与功能2. 关键特性 四、malloc的底层实现机制1. 内存分配器的角色2. 分配策略3. 内存碎片问题 五、glib…...

Opencl

**OpenCL&#xff08;Open Computing Language&#xff09;**是一种用于异构平台&#xff08;包括CPU、GPU、FPGA、DSP等&#xff09;上的并行计算框架和编程标准。它由Khronos Group制定&#xff0c;旨在提供一种跨平台、统一的编程接口&#xff0c;使开发者可以利用不同硬件设…...

如何在 HTML 中添加按钮

原文&#xff1a;如何在 HTML 中添加按钮 | w3cschool笔记 &#xff08;请勿将文章标记为付费&#xff01;&#xff01;&#xff01;&#xff01;&#xff09; 在网页开发中&#xff0c;按钮是用户界面中不可或缺的元素之一。无论是用于提交表单、触发动作还是导航&#xff0…...

【优秀三方库研读】quill 开源库中的命名空间为什么要用宏封装

将命名空间封装成宏的作用与优势 QUILL_BEGIN_NAMESPACE 和 QUILL_END_NAMESPACE 这种宏封装是 C++ 库开发中的常见技巧,主要解决以下问题并提供显著优势: 1. 解决核心问题:命名空间嵌套与版本控制 问题场景: 库需要支持多版本共存(如 quill::v1, quill::v2),但希望默认…...

AlphaFold3运行错误及解决方法(1)

1. chemical_component_sets.pickle 运行alphafold3遇到下面的问题: FileNotFoundError: [Errno 2] No such file or directory: /xxx/xxx/anaconda3/envs/alphafold3/lib/python3.11/site-packages/alphafold3/constants/converters/chemical_component_sets.pickle搜索你的系…...

Linux--进程的程序替换

问题导入&#xff1a; 前面我们知道了&#xff0c;fork之后&#xff0c;子进程会继承父进程的代码和“数据”&#xff08;写实拷贝&#xff09;。 那么如果我们需要子进程完全去完成一个自己的程序怎么办呢&#xff1f; 进程的程序替换来完成这个功能&#xff01; 1.替换原理…...

调教 DeepSeek - 输出精致的 HTML MARKDOWN

【序言】 不知道是不是我闲的蛋疼&#xff0c;对百度AI 和 DeepSeek 的回答都不太满意。 DeepSeek 回答句子的引用链接&#xff0c;始终无法准确定位。有时链接只是一个域名&#xff0c;有时它给的链接是搜索串如: baidu.com/?q"搜索内容"。 百度AI 回答句子的引用…...

【笔记】Windows系统部署suna基于 MSYS2的Poetry 虚拟环境backedn后端包编译失败处理

基于 MSYS2&#xff08;MINGW64&#xff09;中 Python 的 Poetry 虚拟环境包编译失败处理笔记 一、背景 在基于 MSYS2&#xff08;MINGW64&#xff09;中 Python 创建的 Poetry 虚拟环境里&#xff0c;安装 Suna 开源项目相关包时编译失败&#xff0c;阻碍项目正常部署。 后端…...

GQA(Grouped Query Attention):分组注意力机制的原理与实践《一》

GQA&#xff08;Grouped Query Attention&#xff09;是近年来在大语言模型中广泛应用的一种注意力机制优化方法&#xff0c;最初由 Google 在 2023 年提出。它是对 Multi-Query Attention (MQA) 的扩展&#xff0c;旨在平衡模型性能与计算效率。 &#x1f31f; GQA 是什么&…...

【深度学习优化算法】02:凸性

【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈PyTorch深度学习 ⌋ ⌋ ⌋ 深度学习 (DL, Deep Learning) 特指基于深层神经网络模型和方法的机器学习。它是在统计机器学习、人工神经网络等算法模型基础上&#xff0c;结合当代大数据和大算力的发展而发展出来的。深度学习最重…...

JAVA国际版一对一视频交友视频聊天系统源码支持H5+APP

全球畅连无界社交&#xff1a;JAVA国际版一对一视频交友系统源码&#xff08;H5APP双端覆盖&#xff09; 在全球化社交需求激增的今天&#xff0c;构建一个支持多语言、适配国际支付且功能丰富的视频交友平台&#xff0c;成为出海创业者和企业的核心诉求。JAVA国际版一对一视频…...

策略公开了:年化494%,夏普比率5.86,最大回撤7% | 大模型查询akshare,附代码

原创内容第907篇&#xff0c;专注智能量化投资、个人成长与财富自由。 这位兄弟的策略公开了&#xff0c;年化494%&#xff0c;夏普比率5.86&#xff0c;最大回撤7%&#xff0c;欢迎大家前往围观&#xff1a; http://www.ailabx.com/strategy/683ed10bdabe146c4c0b2293 系统代…...

【C++】string类的模拟实现(详解)

文章目录 上文链接一、整体框架二、构造函数1. default2. copy3. range 三、析构函数四、拷贝构造(1) 传统写法(2) 现代写法 五、赋值重载(1) 传统写法(2) 现代写法 六、获取元素1. operator[ ] 七、迭代器1. begin2. end 八、容量相关1. size2. reserve3. clear 九、修改操作1…...

业界宽松内存模型的不统一而导致的软件问题, gcc, linux kernel, JVM

当不同CPU厂商未能就统一的宽松内存模型&#xff08;Relaxed Memory Model&#xff09;达成一致&#xff0c;很多软件的可移植性会收到限制或损害&#xff0c;主要体现在以下几个方面&#xff1a; 1. 可能的理论限制 1.1. 并发程序的行为不一致 现象上&#xff0c;同一段多线程…...

多模态大语言模型arxiv论文略读(101)

ML-Mamba: Efficient Multi-Modal Large Language Model Utilizing Mamba-2 ➡️ 论文标题&#xff1a;ML-Mamba: Efficient Multi-Modal Large Language Model Utilizing Mamba-2 ➡️ 论文作者&#xff1a;Wenjun Huang, Jiakai Pan, Jiahao Tang, Yanyu Ding, Yifei Xing, …...

量化Quantization初步之--带量化(QAT)的XOR异或pyTorch版250501

量化(Quantization)这词儿听着玄&#xff0c;经常和量化交易Quantitative Trading (量化交易)混淆。 其实机器学习(深度学习)领域的量化Quantization是和节约内存、提高运算效率相关的概念&#xff08;因大模型的普及&#xff0c;这个量化问题尤为迫切&#xff09;。 揭秘机器…...

Linux Maven Install

在 CentOS&#xff08;例如 CentOS 7 或 CentOS 8&#xff09;中安装 Maven&#xff08;Apache Maven&#xff09;的方法主要有两种&#xff1a;使用包管理器&#xff08;简单但可能版本较旧&#xff09;&#xff0c;或者手动安装&#xff08;推荐&#xff0c;可获得最新版&…...

#Java篇:学习node后端之sql常用操作

学习路线 1、javascript基础&#xff1b; 2、nodejs核心模块 fs: 文件系统操作 path: 路径处理 http / https: 创建服务器或发起请求 events: 事件机制&#xff08;EventEmitter&#xff09; stream: 流式数据处理 buffer: 处理二进制数据 os: 获取操作系统信息 util: 工具方…...