飞书多维表 AI 内容工作台搭建全指南：从一张破表到十张联动的自媒体运营系统

用飞书多维表搭建一套完整的 AI 内容生产工作流——涵盖素材采集、选题打分、文章管理、数据复盘，再到 Codex 自动化定时采集，把自媒体运营从”满电脑翻资料”变成”打开一个地方就够了”。

为什么需要一个内容工作台？

做自媒体的人大概都经历过同一个痛点：素材分散在各处。

公众号后台存着爆文截图，X（原 Twitter）的收藏夹已经翻不到底，浏览器标签页里堆着二十几个链接，上周存的一条绝妙灵感，用的时候怎么也找不到了。每到周五想做复盘，又得从三个平台分别抄数据，手动拼到一起。

说白了，缺的不是信息，而是一个统一的地方——打开就知道手上有什么素材、今天该写哪条、上一篇文章的成绩怎么样。

这套飞书多维表 AI 内容工作台，就是在这种需求下长出来的。一开始只是一张简单的表，用着用着加到了十张，形成了一条完整的内容生产流水线。

整体架构：一条从早到晚的内容流水线

先看一下全景。这套系统叫「AI 内容工作台」，逻辑是一条线从头走到尾：

AI 内容工作台 · 系统全景（一条流水线）

进料口有三个：

来源 用途 处理方式
AI HOT 事件库 收录 AI 日报、API、RSS 中值得写的事件 每条标价值评级——S 级当天必看，A 级留着备用
公众号爆文库 存爆文的标题公式、正文结构、可借鉴的点 作为写作参考和选题灵感
X 推文情报库 每天凌晨由 Codex 定时任务从 X、BestBlogs 等地方抓取一手推文 按反直觉观点、行业判断、真实困惑分类筛选，再过一道”路人自查”——假设自己是不认识作者的路人，这条还值不值得转

这三路素材每天汇进一张**「每日素材看板」**，一天一条记录。看到值得长期保留的，就拆成知识卡片。再往后，依次是：选题池 → 文章成稿库 → 任务看板 → 封面资产库。

整套流水线走下来，信息不丢、状态可追、复盘有据。

核心亮点：选题池的四维打分体系

选题池是整个系统中最关键的一环。每天的素材在这里变成候选选题，每条选题都要打四个维度的分，每项 1 到 5 星：

维度 缩写 衡量的是什么
好奇（H） H 这个话题能不能勾起读者的好奇心
知识（K） K 读完能不能获得新知识或新认知
共鸣（R） R 是否戳中读者的痛点或经历
易写（E） E 作者自己写起来是否顺手、素材是否充足

推荐分 = H + K + R + E，满分 20。

来看一个实际例子。以 5 月 8 日的两条选题为例：

选题打分示例
  • 选题 A：AI Agent 怎么从工具按钮变成接管 Office、浏览器、终端的全天候助手 → H5 K5 R4 E4 = 18 分
  • 选题 B：拆解”公众号爆文为什么全在写 Claude Code” → H5 K4 R5 E5 = 19 分

两条都够高，都值得写。但当天先推哪条，看的不是分数，而是时效——选题 A 正卡在当天热点上，标为 P0 当天就发；选题 B 是常青题，不差这一天，压成 P1。

所以你会看到 18 分的排在 19 分前头，这并不矛盾：推荐分管”这题值不值得写”，优先级管”哪条今天先发”。

每条选题还得写清楚：

  • 核心问题：这篇文章到底要回答什么
  • 读者收益：读完能拿走什么
  • 论述缝隙：别人没说透、你能补一刀的地方

目前选题池里已经跑了 300 条选题：

真实选题池，300 条选题在跑

文章发布后，24 小时、48 小时和 7 天的互动数据各记一栏，还会反向关联当初用了哪条素材——形成了从素材到选题到成稿到数据的完整闭环。

飞书多维表 AI 在这套系统里的三个角色

飞书多维表 AI 并不是一个独立的工具，它是嵌在飞书多维表格里的 AI 能力。在这套系统中，它主要干三件事：

  1. 搭表：十张表的结构和字段，最早是用大白话一句句喂给它生成的
  2. 问数：复盘时不用写公式，直接用自然语言提问，它去表里找答案
  3. 出图：周报月榜让它直接生成图表，只管看就行
飞书多维表 AI 面板

从零开始：用飞书多维表 AI 一句话搭建最小可运行版本

别一上来就搭十张表。那套是从一张破表慢慢加到十张，花了将近一年。对新手来说，五张表就够跑起来：

表名 核心字段
素材库 标题、来源链接、来源平台、本地文件位置、适合方向、是否已用过
选题池 标题、核心问题、读者收益、切入角度、目标平台、H/K/R/E 四个评分、推荐分、状态、关联素材
生产任务 负责人、截止时间、草稿状态、审稿状态、发布状态
发布日历 按日期排公众号、头条、X、小红书的发布安排
数据复盘 阅读、收藏、评论、转化线索、复盘结论

最省事的方式：这五张表不用自己画，交给飞书多维表 AI 一句话生成。

打开飞书，新建一个多维表，找到里面的 AI 入口。关键是需求描述要写得越细越好，别说”帮我搭个内容工作台”这种空话。可以这样写：

帮我做一个内容团队用的内容工作台，要五张表。素材库，记标题、来源链接、来源平台、本地文件位置、适合方向、是否已用过。选题池，记标题、核心问题、读者收益、切入角度、目标平台，外加好奇/知识/共鸣/易写四个评分、推荐分、状态、关联素材。生产任务，记负责人、截止时间、草稿状态、审稿状态、发布状态。发布日历，按日期排公众号、头条、X、小红书的发布安排。数据复盘，记阅读、收藏、评论、转化线索、复盘结论。

把需求发给飞书多维表 AI

AI 会按照需求自动开始搭建：

AI 开始按需求搭建整套工作台

几秒钟后，五张表一口气全建好，还自动填了示例数据：

5 张表一口气全建好

验证标准：飞书里至少出现五张表，每张表能看出用途，选题池那四个评分能点星，推荐分会自动算总数。

第一步要做的事：先把复盘跑起来

表搭好了，别急着追全自动。先跑最容易偷懒掉、又最能证明表有用的那环——复盘。

飞书多维表 AI 的「问数」功能，就是用大白话提问，它去表里找答案，不用写公式、不用拉透视表。试试这些问题：

  • 最近 30 天推荐分最高的是哪几条选题？
  • 哪些选题写完了但还没发？
  • 上个月哪个平台平均阅读更高？
  • 素材库里标了”已用过”的有多少，压着没动的又有多少？
AI 问数：一句话直接出答案

重点不在它答得多漂亮，而是它能不能找对记录、能不能把结果指回原表。指得回去，你才好顺手改个状态、补个字段。

出图也是同理。先别做那种给人参观的大屏，做三张自己周五真会看的：

  1. 本月各平台发了几篇
  2. 选题都卡在哪个状态
  3. 哪类题阅读最好

下午打开飞书，图摆在那，数据明明白白。

飞书多维表 AI 自动生成的内容看板

进阶玩法：用 Codex 实现全自动采集

前面三步全在飞书网页里操作，零命令行基础也能搞定。但如果愿意多花一点心思，把 Codex 和飞书 CLI 装上，就能实现全自动化——定时任务每天自己抓数据、整理好、写进多维表。

这一层靠两个工具配合：

工具 角色
Codex 负责动脑——生成并执行命令，设定时任务
lark-cli（飞书官方命令行） 负责动手——真正读写飞书多维表

安装 Codex

Codex 有两种用法：桌面 App 和命令行 CLI。推荐桌面 App，因为后面要讲的「自动化定时任务」是桌面 App 独有的功能，CLI 不支持。

方式一：桌面 App（推荐）

去 OpenAI 官方的 Codex 页面下载，macOS 和 Windows 都有。装好后用 OpenAI / ChatGPT 账号登录即可。

方式二：命令行 CLI（终端党可选）

# 任选一种方式安装
npm install -g @openai/codex
brew install --cask codex          # macOS 也可以用 Homebrew

第一次运行会提示登录 OpenAI 账号，跟着终端提示走完即可。这一步不能跳过——账号没登录好，后面让它读文件、执行命令会在不该卡的地方卡住。

装好 Codex，看到版本号即成功

安装飞书 CLI（lark-cli）

这是 Codex 操作飞书多维表的”手”：

# 安装（官方推荐方式）
npx @larksuite/cli@latest install

# 初始化配置
lark-cli config init

授权登录

授权过程比想象中简单——不用去开放平台建应用，也不用一个个勾权限。运行下面的命令，会弹出一个授权链接或二维码，用飞书 App 扫一下、点同意，一次性全授权好：

# 登录授权（会弹链接/二维码，扫码点授权，scope 会累加）
lark-cli auth login --recommend

# 确认登录状态
lark-cli auth status

# 关键验证：能列出你有权限的多维表，才算真正打通
lark-cli base +table-list --as user
扫码后弹出授权确认页
授权成功

注意：授权这一步必须自己扫码点同意，AI 替代不了。如果 +table-list 列不出表，多半是扫码时漏点了同意，或者授权没覆盖到那张表——重新跑一遍 lark-cli auth login --recommend 再扫一次就好。

终端成功读到飞书里的十张表

用 Codex 一句话自动建好整套表

不想在飞书里一个个手动建表？把下面整段提示词发给 Codex（桌面 App 或终端都行），它会用 lark-cli 帮你把库、表、字段、选题打分、推荐分公式全建出来，还会写一条测试记录读回来验证。

提示词较长，但结构清晰，每一步都有对应命令。需要在 Codex 每步 dry-run 后确认才正式执行。

你是我的飞书多维表搭建助手。我本机已装好 lark-cli 并用 --as user 登录过飞书（有多维表读写权限）。请你用 lark-cli 帮我把一套「AI 内容工作台」建出来。全程用真实命令，不要编造命令或字段类型；每个写操作先 --dry-run 给我看命令，我确认后再正式执行。

第一步 确认环境（任一步失败就停下，告诉我是登录问题还是权限问题）：
  lark-cli auth status
  lark-cli base +table-list --as user

第二步 建库 + 第一张表，记下返回的 base_token：
  lark-cli base +base-create --name "AI 内容工作台" --table-name "01 每日素材看板" \
    --fields '[{"name":"日期","type":"date"},{"name":"来源渠道","type":"select","options":[{"name":"AI日报"},{"name":"公众号"},{"name":"X"},{"name":"本地"}]},{"name":"今日Top事件","type":"text"},{"name":"素材摘要","type":"text"},{"name":"采集状态","type":"select","options":[{"name":"待采集"},{"name":"已采集"}]}]' --as user

第三步 用 base +table-create --base-token <上一步的token> 逐张建下面的表：
  · 02 AI HOT事件库：事件标题(text)、分类(select 模型/产品/行业/论文/技巧)、价值评级(select S/A/B)、来源链接(url)、摘要(text)
  · 03 公众号爆文库：标题(text)、对标账号(text)、标题公式(text)、结构拆解(text)、可借鉴点(text)、全文可访问(checkbox)
  · 04 X推文情报库：推文主题(text)、X账号(text)、爆点类型(select 反直觉/行业判断/真实困惑/技术辩论)、信号摘要(text)、可引用点(text)、原文链接(url)
  · 05 知识卡片库：卡片标题(text)、类型(select 事实/观点/案例/标题公式)、内容(text)、改写口径(text)、使用边界(text)
  · 06 选题池（重点，带打分）：选题标题(text)、核心问题(text)、读者收益(text)、切入角度(text)、目标平台(select多选 公众号/X/小红书/今日头条/社群)、H好奇分(rating 1-5)、K知识分(rating 1-5)、R共鸣分(rating 1-5)、E易写分(rating 1-5)、推荐分(formula：把 H/K/R/E 四个评分相加)、优先级(select P0/P1/P2)、选题状态(select 候选/写作中/已发布/弃用)
  · 07 文章成稿库：文章标题(text)、发布平台(select)、写作状态(select 写作中/待发布/已发布)、文档链接(url)、文章链接(url)、24h互动(number)、48h互动(number)、7d互动(number)、复盘结论(text)

第四步 每建完一张表，跑 base +field-list --base-token <token> --table-id <表id> 核对字段确实建上了。

第五步 往「01 每日素材看板」写一条测试记录验证打通，再读回来：
  lark-cli base +record-upsert --base-token <token> --table-id <表id> --json '{"今日Top事件":"测试-内容工作台搭建成功"}' --as user
  lark-cli base +record-list --base-token <token> --table-id <表id> --limit 5 --as user

规则：base_token、table_id、记录 ID 只写本地，不要贴到聊天之外；rating/formula 字段拿不准就先建普通类型再补。最后给我一份简短报告：建了几张表、各自 table_id、测试记录写读是否成功。

成功标准：Codex 报告里给出每张表的 table_id，飞书里能看到「AI 内容工作台」库、各表字段对得上、「01 每日素材看板」里有一条”测试-内容工作台搭建成功”的记录。后续想扩展到十张表，用同样的 +table-create 命令继续加就行。

安装 AI HOT：给系统喂入每天的新鲜素材

表建好了，还需要源源不断的素材喂进来。这里用的是 AI HOT（aihot.co），一个每天整理好的中文 AI 资讯源，有公开 API，不用配 key。

给 Codex 安装它的 skill：

curl -fsSL https://aihot.co/install-codex-skill.sh | bash

装完后在 Codex 里说一句”今天 AI 圈有什么”，它就会拉回当天的精选列表。

小提示：自己写脚本调它的 /api/public 接口需要带浏览器 User-Agent，否则会返回 403 错误；skill 已经内置处理了这个问题，所以用 skill 方式最省心。

设成每天自动跑：Codex 的定时任务

到这一步，你已经能手动跑完整个流程了。但没有人想每天自己动手，所以把采集全交给 Codex 的「自动化」功能。

每天自动跑：Codex 定时任务采集并写入多维表

Codex 桌面 App 里有一个自动化面板，能把一段提示词存成定时任务，到点自动运行。目前挂的任务包括：

  • 夜间素材抓取入库（每天 10:30）
  • Grok 任务夜间抓取与 X 候选（每天 12:00）
  • 自生长知识库每日工作台刷新（每天 8:40）
  • 每日写文选题卡
  • 写文素材滚动采集
Codex 自动化面板

每个任务就是一段写死的提示词，告诉 Codex 去哪抓、抓完整理成什么格式、写进飞书哪张表。

点开一个任务：边界、步骤、校验、输出全写清楚

怎么建一个自动化任务？

其实就三步：

  1. 在 Codex 桌面 App 左侧打开「自动化」
  2. 新建一个任务，把提示词贴进去
  3. 设好运行时间（每天几点，或自定义）

难点不在点哪个按钮，而在提示词怎么写——写得含糊它就跑飞，写得够死它就天天稳。每个任务建议按以下四个模块来写：

模块 说明
① 目标 + 边界 要它干什么、绝对不许干什么（比如”只采集整理、不直接发布、不改表结构、不点任何授权”）
② 执行步骤 第一步跑什么、第二步生成什么、写进飞书哪张表，能写命令就写命令
③ 成功校验 满足什么才算成功（”日期要对上””至少 5 条候选”），不满足要说清失败原因
④ 输出要求 跑完给一份简短报告——抓了几条、写进哪几张表、有没有报错

可直接使用的模板

下面这段可以直接贴进自动化任务里，时间设成每天早上 8:30，它就会每天自动把 AI 日报和选题整理进多维表：

每天早上 8:30 帮我把最新的 AI 内容素材采集、整理、写进飞书多维表。

任务边界：只抓取、整理、写入多维表；不直接发布到任何平台；不改飞书表结构；不动我其他设置；不点任何授权页面。

执行步骤：
1. 用 AI HOT skill 拉当天的 AI 日报和精选事件（直接说「今天 AI 圈有什么」）。
2. 写入前先 lark-cli base +field-list 核对「02 AI HOT事件库」的字段名，别猜。
3. 把值得写的事件用 lark-cli base +record-upsert 写进「02 AI HOT事件库」，字段对齐：事件标题、分类、价值评级、来源链接、摘要。
4. 从今天的素材里挑 3-5 个能写的角度，写进「06 选题池」，给每条打上好奇/知识/共鸣/易写的初始分。

成功校验：事件库和选题池各自至少新增 1 条；写完用 +record-list 读回确认看得到；写不进去要说清是字段名错还是权限错，别假装成功。

输出要求：跑完给我一份简短报告——拉到几条日报、写进事件库几条、生成几条候选选题、有没有报错。base_token、table_id、记录 ID 只写本地，不要贴出来。

早上打开飞书，看到的已经是排好序的候选选题，不是一片空白。

实操中踩过的坑

在搭建和使用过程中总结了几个容易出问题的地方，分享出来帮你避坑：

  1. 装 Codex 报错——先检查有没有装 Node.js（运行 node --version 看看）
  2. +table-list 列不出表——多半是授权 scope 没给够，回飞书开放平台补权限
  3. 字段类型别乱用——状态字段用单选、日期字段用日期、评分用 rating，类型选错了后面数据会乱
  4. 别贪多——五张表跑顺了再考虑加表，循序渐进
  5. 安全意识——base_token、table_id、记录 ID 这些敏感信息不要贴进公开文章里

这套系统解决不了什么

最后必须说一句大实话：好文章还得人写。

选题值不值得写、观点站不站得住脚，这些 AI 替代不了。这套系统做的事情，是把你从繁琐的素材收集、状态跟踪、数据抄录中解放出来，让你把精力花在真正需要动脑的地方——想清楚一个问题、把一个观点写透、用真实的经验帮到读者。

如果全靠 AI 胡编乱造，读者上一次当，后面就不会再来了。实操类文章尤其如此——需要你一步步去做、去截图、去分析，把真实的过程展现出来。

这套工作台，本质上是一个帮你省时间的工具，不是一个替你思考的机器。

常见问题（FAQ）

Q1：完全没有技术基础，能搭起来吗？

可以。前三步（用飞书多维表 AI 一句话建表、用问数做复盘、用出图做看板）完全在飞书网页里操作，不需要任何命令行知识。只有后面的 Codex 自动化部分才需要装命令行工具。

Q2：必须用飞书吗？其他表格工具行不行？

这套方案的核心依赖飞书多维表的 AI 能力和 lark-cli 命令行接口。其他表格工具（如 Airtable、Notion 数据库）各有自己的能力和接口，但具体的操作方式会不同，无法直接照搬。

Q3：推荐分 20 分满分，多少分以上算值得写？

没有绝对标准。分数更多是用来排序和对比的。在实际使用中，15 分以上的选题通常质量不错，但最终还要结合时效性、个人擅长程度来决定。

Q4：选题的四个维度打分（H/K/R/E）主观性强，怎么保证一致性？

确实有主观性。建议的做法是：先用一两周时间积累评分经验，慢慢形成自己的感觉。可以每隔一段时间回头看当初打的分，校准一下标准。不需要精确到完美，比拍脑袋强就行。

Q5：Codex 定时任务跑飞了怎么办？

提示词写得越详细、边界划得越清楚，任务就越不容易跑飞。如果出了问题，看 Codex 的输出报告里写的是什么错误——是字段名不对、权限不够，还是数据源没返回。根据报告调整提示词即可。

Q6：lark-cli 授权有效期多久？需要定期重新授权吗？

lark-cli auth login --recommend 授权的 scope 会累加，具体的过期时间取决于飞书的授权策略。如果发现 lark-cli auth status 显示已过期，重新跑一次登录授权即可。

Q7：整套十张表和五张表的核心区别是什么？

五张表覆盖了素材→选题→生产→发布→复盘的基本流程。十张表在此基础上增加了更细分的环节：AI HOT 事件库、公众号爆文库、X 推文情报库、知识卡片库、封面资产库等。本质上是同一条流水线的不同颗粒度——跑顺了五张，自然知道下一步该加什么。

Q8：AI HOT 的数据源质量如何？每天大概能抓到多少条？

AI HOT 是一个每天整理好的中文 AI 资讯源。具体每天的内容数量和质量取决于当天 AI 领域的动态。使用时建议对抓回的素材做人工筛选，不要全盘接收——系统的价值评级（S/A/B）就是为筛选设计的。

一张表看懂全流程

阶段 做什么 用到什么 门槛
搭表 一句话生成五张基础表 飞书多维表 AI 零门槛
复盘 用自然语言问数据、生成图表 飞书多维表 AI 问数 零门槛
进阶建表 用 Codex + lark-cli 自动建整套表 Codex + lark-cli 需安装命令行工具
数据采集 安装 AI HOT skill，每天自动拉资讯 AI HOT + Codex 需安装 skill
自动化 设定时任务，每天自动采集入库 Codex 自动化面板 需桌面 App

从零到全自动，每一步都有对应的入口，不需要一次做完。找到自己当前最痛的那个点，先用对应的那一步解决它，其他的以后再加。