当前位置: 首页 > news >正文

DeepSeek + 飞书多维表格搭建你的高效工作流

众所周知,大模型DeepSeek擅长于处理大规模语言模型推理任务,特别是在成本降低和思维链推理方面表现出色‌,我们一般把大模型必做我们的大脑,但是一个人不能只有大脑,还需要其他输入输出以及操作支配的眼耳鼻嘴手足等。在大模型使用方面,很多智能体平台都提供了一系列工具帮助用户快速搭建智能体,但是传统智能体平台还是有一定的门槛,对于普通人上手还是有一定难度。

最近看到别人使用飞书的多维表格配合DeepSeek做批量文案生成,视频脚本制作很是惊艳,特意来分享一波。

从一个例子开始

我们从一个批量生成文案的例子开始介绍这个组合的能力和使用方式。实现的效果是输入一个问题或者灵感,借助飞书提供的一系列工具,生成对应的文章、标题以及封面图标。

先来创建飞书多维表格:
在这里插入图片描述

创建完成后删除无用列:
在这里插入图片描述

接下来修改第一列字段,这里只需要修改一个列名就可以:
在这里插入图片描述

接着新建列,这里我们点击探索字段捷径,搜索“AI搜索”:
在这里插入图片描述

搜索内容选择第一列的列名即可,这样就关联上第一列的内容了:
在这里插入图片描述

接下来同样方式创建第三列,这里探索字段捷径时选择DeepSeek R1:
在这里插入图片描述

指令内容关联AI搜索的列,自定义要求可以使用下面提示词:

把内容改成一篇研究报告。请按照以下格式输出:
标题:
[文章标题]摘要
[文章摘要]正文
[文章正文]插图描述
[插图的描述,作为prompt用于生成插图。插图中一定要包含一个任务。]

接来继续创建列,探索工具选择信息提取,提取内容是DeepSeek R1输出结果列,提取信息是插图描述:
在这里插入图片描述

最后新建列中选择图片生成探索工具,提示词选择信息提取列的内容:
在这里插入图片描述

这样就完成了一个工作流的搭建:
在这里插入图片描述

AI搜索结果:

智能工牌的应用场景非常广泛,以下是一些典型的应用场景:

  1. 汽车展厅销售:用于汽车展厅接待、绕车介绍、试乘试驾、购车谈判等现场沟通场景,通过智能工牌进行现场语音采集和实时定位,结合语音质检分析平台,实现客流统计、客户轨迹跟踪、员工画像沉淀等。
  2. 地产案场接待:覆盖来访-登记-沙盘讲解-样板间带看-现场谈判等全过程,实现语音采集、质检分析和定位,帮助管理者掌握客户高频关注点和敏感点,优化销售策略。
  3. 保险展业:提供展业全过程的智能工牌语音采集、质检和分析方案,对员工实战效果进行实时追踪和反馈,生成员工能力画像。
  4. 上门服务:如电器安装、宽带安装、家电维修等现场沟通场景,通过智能工牌实现全过程的语音采集和服务过程监督。
  5. 政企大厅服务:对政府和企业(如运营商服务大厅)大厅服务人员和客户的沟通过程进行语音采集、质检和分析,提高服务质量和管理效率。
  6. 销售预测和销售管理:通过智能工牌的语音采集和数据分析,实现销售过程商机洞察、人员沟通过程复盘、提炼优秀话术、优化销售流程、评估员工能力。
  7. 客户服务:在客户服务场景中,智能工牌可以用于记录客户咨询、投诉等沟通内容,便于后续分析和改进服务质量。
  8. 会议记录:在会议场景中,智能工牌可以自动记录会议内容,提高会议效率。
  9. 安全监控:通过智能工牌的定位功能,可以实时监控员工的位置,确保工作安全。
  10. 员工培训:通过智能工牌的语音采集和数据分析,可以对员工进行培训,提升其业务能力和服务水平。
    智能工牌的应用场景随着技术的发展和市场需求的变化而不断扩展,其核心优势在于提高工作效率、优化管理流程、提升客户服务质量和员工能力。

输出结果:

标题:智能工牌多场景应用研究报告:技术赋能下的行业数字化转型
摘要
本报告系统梳理了智能工牌在10大行业的创新应用实践,重点分析其通过语音识别、定位技术和大数据分析实现的业务赋能价值。研究显示,智能工牌在提升客户服务体验、优化销售流程、强化过程管理等方面具有显著效果,已成为企业数字化转型的重要工具。报告还探讨了技术实现路径及未来发展趋势,为相关行业智能化升级提供参考。
正文
一、智能工牌核心技术架构
智能工牌基于物联网技术集成三大核心模块:高精度语音采集系统支持360°全向收音与降噪处理;多模定位系统融合UWB/蓝牙实现厘米级定位;边缘计算模块搭载NLP算法实时处理语音数据。数据通过5G网络实时同步至云端分析平台,形成"采集-分析-反馈"的闭环系统。
二、典型行业应用场景分析
(一)销售服务领域

  1. 汽车展厅场景:某高端品牌4S店部署后,客户停留时间分析准确率提升至98%,通过语音质检发现56%的销售未完整讲解安全功能,针对性培训后成交率提升22%
  2. 地产案场应用:头部房企项目实现带看路线智能规划,系统根据客户关注热词自动推荐户型,谈判环节敏感词预警使转化周期缩短3.8天
    (二)服务监管领域
  3. 政企服务大厅:某市政务中心部署后,服务响应速度缩短40%,通过话术分析优化22项办事流程
  4. 上门服务场景:家电企业安装人员佩戴率100%,服务标准化达标率从65%提升至89%,投诉率下降37%
    (三)运营管理领域
  5. 保险展业管理:某寿险公司试点3个月,优秀话术提炼效率提升5倍,新人成单周期缩短60%
  6. 会议管理系统:科技公司应用后会议纪要生成时间减少75%,关键事项跟踪完成率提升至92%
    三、技术实现路径
  7. 语音处理:采用端侧ASR模型实现离线转写,字错率<5%
  8. 数据分析:构建行业专属知识图谱,客户关注点识别准确率超90%
  9. 隐私保护:通过声纹脱敏技术和本地化存储满足GDPR要求
    四、行业影响与发展趋势
    当前智能工牌已渗透68个细分行业,据第三方数据显示,2023年市场规模达47亿元,年复合增长率31.2%。未来发展方向呈现三大特征:①与数字孪生技术结合构建三维行为画像 ②AI生成式技术赋能实时话术指导 ③跨系统数据融合形成企业智能中枢
    插图描述
    “未来科技感的汽车展厅,佩戴智能工牌的销售顾问正在为客户讲解车型,工牌发出淡淡蓝光。背景大屏实时显示客户停留热力图和语音分析数据看板,空中漂浮着可视化对话关键词云,展厅地面有发光的客户移动轨迹线。整体画面体现科技与服务的融合。” 使用鲜艳的蓝紫渐变科技色调,赛博朋克风格,8k超清细节,光线追踪效果。

信息提取:

“未来科技感的汽车展厅,佩戴智能工牌的销售顾问正在为客户讲解车型,工牌发出淡淡蓝光。背景大屏实时显示客户停留热力图和语音分析数据看板,空中漂浮着可视化对话关键词云,展厅地面有发光的客户移动轨迹线。整体画面体现科技与服务的融合。” 使用鲜艳的蓝紫渐变科技色调,赛博朋克风格,8k超清细节,光线追踪效果。

生成图片效果:
在这里插入图片描述

效果还是蛮好的。

飞书字段捷径中心能力

下面介绍一下飞书字段捷径中心提供的能力:
在这里插入图片描述

还提供了很多AI工具:
在这里插入图片描述

我们可以直接使用这些工具快速搭建我们的工作流,批量生成内容。

总结

飞书多维表格与DeepSeek的深度整合,通过低门槛自动化流程实现了内容创作的效率革命。该组合支持批量生成爆款标题、小红书笔记、视频脚本等,核心优势在于将大模型能力转化为结构化业务工具。用户仅需在多维表格中配置「主题列」,通过字段捷径绑定DeepSeek R1模型并输入特定提示词,即可实现从选题到成稿的全流程自动化。例如生成标题时,系统可依据数字痛点+情绪词的结构批量输出20个候选标题,并自动筛选评分≥4的优质内容;生成正文时则通过「场景锚定」「认知解构」「行动转化」三层架构实现内容结构化输出。

相关文章:

DeepSeek + 飞书多维表格搭建你的高效工作流

众所周知,大模型DeepSeek擅长于处理大规模语言模型推理任务,特别是在成本降低和思维链推理方面表现出色‌,我们一般把大模型必做我们的大脑,但是一个人不能只有大脑,还需要其他输入输出以及操作支配的眼耳鼻嘴手足等。…...

uniapp+<script setup lang=“ts“>使用 uni.$emit和uni.$on全局传递数据

注意: 在A页面直接使用 uni.$emit(changeCategoryKey, childCategory)传递,在B页面使用 uni.$on(changeCategoryKey, (val) > {console.log(val, 取值);});只在组件传递有效,页面跳转后是无效的 跳转页面使用的传递数据的方法如下&…...

综合使用pandas、numpy、matplotlib、seaborn库做数据分析、挖掘、可视化项目

目录 1.结构化数据挖掘 1.1依赖库导入和数据读取 1.2各品牌机型及售价统计 1.3视频录制规格与价格关联性分析 2.结构化数据预处理 2.1筛选特征 2.2特征标签归一化及编码 1.结构化数据挖掘 1.1依赖库导入和数据读取 导入必要的依赖库,读取 csv 格式数据集转化为 Data…...

docker中kibana启动后,通过浏览器访问,出现server is not ready yet

问题:当我在浏览器访问kibana时,浏览器给我报了server is not ready yet. 在网上试了很多方法,都未能解决,下面是我的方法: 查看kibana日志: docker logs -f kibana从控制台打印的日志可以发现&#xff…...

十、Redis 主从复制:原理解析、配置实践与优化策略

Redis 主从复制:原理解析、配置实践与优化策略 Redis 作为高性能的 NoSQL 数据库,主从复制(Master-Slave Replication) 是其核心特性之一。主从复制用于数据冗余、读负载分担、故障恢复,是 Redis 构建高可用架构的基础。本文将深入解析 Redis 主从复制的配置方法、复制机…...

使用JMeter(组件详细介绍+使用方式及步骤)

JSON操作符 在我们使用请求时,经常会遇到JSON格式的请求体,所以在介绍组件之前我会将介绍部分操作符,在进行操作时是很重要的 Operator Description $ 表示根元素 当前元素 * 通配符,所有节点 .. 选择所有符合条件的节点 .name 子元素,name是子元素名称 [start:e…...

lamp平台的应用

一.lamp介绍 网站: 静态网站 动态网站 【php语言 .php结尾的文件】 作用:运行php语言编写的动态网站应用 lamp LinuxApache【负责解析静态资源】MySQL【负责存储网站产生的数据】PHP【负责解析动态资源】 如上图所示,是lamp平台中三…...

蓝桥杯4T平台(串口打印电压值)

知识点:串口(单片机发送数据)按键ADC 题目 配置 代码 adc.c uint16_t getadc2(void) {uint16_t adc0;HAL_ADC_Start(&hadc2);adcHAL_ADC_GetValue(&hadc2);return adc; } adc.h uint16_t getadc2(void); main.c #include "lcd.h" #include…...

使用ASIWebPageRequest库编写Objective-C下载器程序

使用 ASIWebPageRequest 库编写 Objective-C 下载器程序是一个简单且高效的方式来处理 HTTP 请求。在 ASIHTTPRequest 和 ASIWebPageRequest 中,ASIWebPageRequest 是专门用于下载网页及其资源的库。 1. 安装 ASIWebPageRequest 首先,你需要安装 ASIHT…...

代码随想录算法训练营 | 图论 | 孤岛总面积、沉没孤岛

101. 孤岛的总面积//思路大概是先计算面积&#xff0c;然后如果有接触路面就返回false。可能稍微多余算了太多无用面积。 #include<bits/stdc.h> using namespace std; void sum(vector<vector<bool>>& finded,const vector<vector<int>>&a…...

迷你世界脚本出生点接口:Spawnport

出生点接口&#xff1a;Spawnport 彼得兔 更新时间: 2023-04-26 10:19:56 具体函数名及描述如下: 序号 函数名 函数描述 1 getSpawnPoint(...) 获取默认出生点 2 setSpawnPoint(...) 设置出生点位置 3 getChunkValidSpawnPos(...) 获取区块有效刷新点…...

双链路提升网络传输的可靠性扩展可用带宽

为了提升网络传输的可靠性或增加网络可用带宽&#xff0c; 通常使用双链路冗余备份或者双链路聚合的方式。 本文介绍几种双链路网络通信的案例。 5GWiFi冗余传输 双Socket绑定不同网络接口&#xff1a;通过Android的ConnectivityManager绑定5G蜂窝网络和WiFi的Socket连接&…...

Pytest测试用例执行跳过的3种方式

文章目录 1.前言2.使用 pytest.mark.skip 标记无条件跳过3.使用 pytest.mark.skipif 标记根据条件跳过4. 执行pytest.skip()方法跳过测试用例 1.前言 在实际场景中&#xff0c;我们可能某条测试用例没写完&#xff0c;代码执行时会报错&#xff0c;或者是在一些条件下不让某些…...

【蓝桥杯】每天一题,理解逻辑(3/90)【Leetcode 快乐数】

闲话系列&#xff1a;每日一题&#xff0c;秃头有我&#xff0c;Hello&#xff01;&#xff01;&#xff01;&#xff01;&#xff01;,我是IF‘Maxue&#xff0c;欢迎大佬们来参观我写的蓝桥杯系列&#xff0c;我好久没有更新博客了&#xff0c;因为up猪我寒假用自己的劳动换了…...

深度学习Save Best、Early Stop

一、Save Best 今天的大模型&#xff0c;在训练过程中可能会终止&#xff0c;但是模型其实是可以接着练的&#xff0c;假设GPU挂了&#xff0c;可以接着训练&#xff0c;在原有的权重上&#xff0c;训练其实就是更新w&#xff0c;如果前面对w进行了存档&#xff0c;那么可以从…...

数据库与存储优化

一、MySQL深度优化 索引优化 B树索引结构 结构特点&#xff1a; 平衡多路搜索树&#xff0c;所有数据存储在叶子节点&#xff0c;非叶子节点仅存键值和指针。叶子节点通过双向链表连接&#xff0c;支持范围查询高效遍历。 优势&#xff1a; 减少磁盘IO&#xff08;高扇出&#…...

Android15请求动态申请存储权限完整示例

效果: 1.修改AndroidManifest.xml增加如下内容: <uses-permission android:name="android.permission.MANAGE_EXTERNAL_STORAGE" /><uses-permission android:name="android.permission.WRITE_EXTERNAL_STORAGE" /><uses-perm...

C/C++蓝桥杯算法真题打卡(Day3)

一、P8598 [蓝桥杯 2013 省 AB] 错误票据 - 洛谷 算法代码&#xff1a; #include<bits/stdc.h> using namespace std;int main() {int N;cin >> N; // 读取数据行数unordered_map<int, int> idCount; // 用于统计每个ID出现的次数vector<int> ids; …...

【数据结构与算法】Java描述:第二节:LinkedList 链表

一、链表的概念与结构 1.1 概念&#xff1a; 通俗的来说&#xff0c;链表是由一个个结点连接起来的就叫链表。 1.2 结构&#xff1a; 链表存储的数据 在 物理上是不一定连续的&#xff0c;它是由前面链接后面&#xff0c;一个个连起来的。 二、Java底层的 LinkedList 2.1…...

LLM run

lmstudio lmstudio ollama ollama N 卡使用自带UI gpu加速推理 ,选择满足条件的&#xff0c; ds模型选择列表 https://ollama.com/library/deepseek-r1 a卡当前支持的显卡型号 I卡 gpu加速配置 2025.3 intel Official project optimization https://www.modelscope.cn/m…...

k8s面试题总结(十)

1.为什么HDFS不适合存储小文件&#xff1f; 元数据存储在NameNode内存中&#xff0c;一个节点的内存是有限的。存储大量的小文件会消耗过多的寻道时间 同等大小一个大文件的访问速度一定比多个小文件访问速度快 3.NameNode存储block的数量是有限的 比如你一个block元数据需要消…...

android中activity1和activity2中接收定时消息

android中activity1和activity2中接收定时消息 业务类 import java.util.Timer; import java.util.TimerTask;public class MyAnager {private MyAnager() {}private static MyAnager instance;//回调接口onRecvTaskpublic interface OnMsgListener {void onRecvTask(String a…...

Non-Homophilic Graph Pre-Training and Prompt Learning

Non-Homophilic Graph Pre-Training and Prompt Learning KDD25 ​#paper/⭐#​ 目的&#xff1a;对异配图进行prompt ‍ ​​ 方法 邻居节点的综合嵌入 s v 1 ∣ V ( S v ) ∣ ∑ u ∈ V ( S v ) h u ⋅ s i m ( h u , h v ) , \mathbf{s}_{v}\frac{1}{|V(S_{v})|}\su…...

Ollama 框架本地部署教程:开源定制,为AI 项目打造专属解决方案!

Ollama 是一款开源的本地大语言模型&#xff08;LLM&#xff09;运行框架&#xff0c;用于管理和运行语言模型。具有以下核心特点&#xff1a; 开源可定制&#xff1a;采用 MIT 开源协议&#xff0c;开发者能自由使用、阅读源码并定制&#xff0c;可根据自身需求进行功能扩展和…...

unittest框架 核心知识的系统复习及与pytest的对比

1. unittest 介绍 是什么&#xff1a;Python 标准库自带的单元测试框架&#xff0c;遵循 xUnit 架构&#xff08;类似Java的JUnit&#xff09;。 核心概念&#xff1a; TestCase&#xff1a;测试用例的基类&#xff0c;所有测试类需继承它。 TestSuite&#xff1a;测试套件&a…...

vue面试宝典之二

39.vue2和vue3中源码是如何解析模版的 new vue&#xff08;&#xff09;的时候实例化了类之后根据传进去的option进行模版的类型div还是text还是啥进行匹配&#xff0c;同时拿到节点的值进行绑定&#xff0c;比如正则匹配{{}}将匹配到的变量拿去跟option中的data查找到具体的值…...

ESLint 深度解析:原理、规则与插件开发实践

在前端开发的复杂生态中&#xff0c;保障代码质量与规范性是构建稳健、可维护项目的基石。ESLint 作为一款强大的代码检查工具&#xff0c;其默认规则与插件能满足多数常见需求&#xff0c;但面对特定团队规范或项目独特要求&#xff0c;自定义 ESLint 插件便成为有力的扩展手段…...

洛谷P1091

题目如下 思路 谢谢观看...

随机树算法 自动驾驶汽车的路径规划 静态障碍物(Matlab)

随着自动驾驶技术的蓬勃发展&#xff0c;安全、高效的路径规划成为核心挑战之一。快速探索随机树&#xff08;RRT&#xff09;算法作为一种强大的路径搜索策略&#xff0c;为自动驾驶汽车在复杂环境下绕过静态障碍物规划合理路径提供了有效解决方案。 RRT 算法基于随机采样思想…...

江科大51单片机笔记【9】DS1302时钟可调时钟(下)

在写代码前&#xff0c;记得把上一节的跳线帽给插回去&#xff0c;不然LCD无法显示 一.DS1302时钟 1.编写DS1302.c文件 &#xff08;1&#xff09;重新对端口定义名字 sbit DS1302_SCLKP3^6; sbit DS1302_IOP3^4; sbit DS1302_CEP3^5;&#xff08;2&#xff09;初始化 因为…...