用了兩天接入了DeepSeek R1的飛書，坦率的講，我已經被徹底折服了，今天，我必須要寫一篇文章安利一下。

　　 故事是這樣的。

　　 飛書的多維表格，在前天下午接入了滿血版的DeepSeek R1。

　　 你可能還沒意識到，這意味著啥。

　　 我說一個痛點，就是在此之前，每次當我需要用AI同時處理多篇內容或者各種數據的時候，我都要在N個窗口間反復橫跳，究極無敵煩。我甚至為此去配個超長帶魚屏顯示器。

　　 什么復制文本、打開AI、等待回答、復制回答、粘貼到表格...這一套操作下來，我的電腦總是開著一堆窗口。

　　 但現在，飛書的多維表格接入了DeepSeek R1后，這個時代的玩法，變了。

　　 真的，直接起飛了。

　　 就拿我現在經常會做的公眾號評論分析為例。

　　 因為我其實非常非常看重大家在評論區里面的評論反饋，而且每篇文章幾乎最少都有100多條評論，所以最近我有個新增的工作是，每周日會把大家這周給我的評論給爬下來存到一個excel里，然后全部再復盤看一遍。

　　 然后有一個數據我其實一直想看的，就是一級評論（對評論的回復是二級評論）的好評、中性、負面各自的占比。

　　 以前我是把這個Excel文件，直接扔到ChatGPT里，每50～100條分析一次，再把分析結果復制回飛書表格里面整理。這個過程像是在搭積木，你得一塊一塊地搬，還不能掉。

　　 上周末將近1500多條評論給我干的有點崩潰。

　　 本來剛準備讓AI幫我寫個Python來解決，結果，飛書的多維表格+DeepSeek來了，直接把內容批量化處理的能力拉到了頂。

　　 我只需要把爬下來的數據導入進多維表格，添加一個DeepSeek字段，設置好分析要求，然后...就沒有然后了。所有的文案會自動被分析成標簽結果，直接出現在表格里，還可以自動變成可視化的數據儀表盤。

　　 太牛逼了。

　　 話不多說，直接把我自己摸索出來的經驗整理成了一個詳細教程，保證你看完就會用。

　　 用我上面說的分析文章評論舉例。

　　 第一步：現在飛書中，創建一個空白的多維表格。

　　 此時，我們就擁有了一個全新的空白的多維表格了。

　　 關鍵是設置好基礎字段，我一般會刪掉后面幾列，只保留第一列用來放需要處理的內容。

　　 那在我們這個任務里，自然是用戶的所有評論了（包括未精選的)。

　　 至于公眾號的評論爬取，也挺簡單的，我直接無腦用字節那個類cursor的AI編程工具Trea寫了一個油猴腳本來爬。

　　 （這里也安利下Trea，現在可以免費用Claude3.5，香的一筆。）

　　 幾分鐘對話，你就能搞定一個腳本，然后我用我爬的昨天的那篇文章評論數據做演示。

　　 剔除掉一些被刪除的或者違反規定的，最后剩下來了一共267條一級數據，我們直接把這個csv文件導入到飛書多維表格中。

　　 接下來，就要在飛書多維表格中，召喚Deepseek來處理了，點擊表格頂部頂部“+”號，把鼠標放在“探索字段捷徑處”，搜索“Deepseek”，選擇“Deepseek R1”。

　　 這時會彈出配置窗口。

　　 看著好像很復雜的樣子，但是不用慌，非常的簡單。

　　 1. 修改指令內容，也就是選擇哪列需要AI處理的（這里就是“評論內容”列）

　　 2. 設置“自定義要求” ，這就是你給DeepSeek的Prompt。

　　 用人話總結就是，你要讓DeepSeek對這一列數據做什么樣的處理。

　　 我的Prompt就是一個非常簡單的幾句話：

　　我是一個AI公眾號作者，我想分析一下我文章下面的評論對我的文章是否認可。請幫我根據我的文章內容分析完以后，輸出認可、一般或者不喜歡。我的文章是：XXXXX

　　 然后還有一個設置項是關聯賬號，這里的關聯賬號可以不用管，飛書給每個人送了100萬的Token，普通用戶還是能用一陣子的，如果你的量跟我一樣非常大，還是可以綁定自己的火山引擎賬號充一些余額的。

　　 價格也是超級便宜，火山引擎是真的卷麻了。

　　 都搞完以后，你就直接點確定就行，他就會嘟嘟的給你生成了，你可以退出去去干別的，一會回來再看。

　　 很快，大概幾分鐘時間，我的267條數據，就分析完了，真尼瑪解放雙手，實在是太屌了，而且用推理模型做這種分析任務，準確性簡直是絕殺，我之前接過GPT4o來做，但是真的不準，R1牛逼太多了。

　　 無敵。

　　 但是可能有朋友會說了，這玩意準是準，但是也太亂了，根本沒有可控性啊，亂七八糟的結構化，這要怎么統計嘛。

　　 確實，推理模型本身Prompt遵循是不咋地，但是山人自有妙計，為啥非要一次性處理完成嘛，我們再加一步不久得了。

　　 再新建一列，在字段類型中一樣選擇“字段捷徑”，然后，選擇智能標簽。

　　 填上三個標簽，然后把字段選成DeepSeek輸出結果。

　　 這一步，用人話翻譯就是，把前面DeepSeek那些不夠結構化的結果，用3個標簽來表達。

　　 然后我們直接點確定，超級快，1分鐘，標簽直接全部打完了。

　　 最搞笑的是，還有一個無匹配標簽，我去看了一眼那條評論，確實沒法歸類。。。

　　 最后，再利用多維表格最強大的儀表盤，直接把數據變成圖表，可視化的看下統計結果。

　　 在所有的評論中，包括沒精選的，有86.7%的認可率，只有2.63%的不喜歡。

　　 只能說，謝謝粉絲爸爸們的抬愛。我以后一定加倍給大家生產好內容。

　　 除了我自己這個超級實用的場景，好玩的東西我也做了一個，不過就是給朋友玩的小東西，看頭像分析性格。

　　 DeepSeek R1自己本身不是多模態的嘛，所以其實讀不了圖，但是我們可以做個流，先用豆包那個超牛逼的視覺理解模型，給頭像圖片來一段非常詳細的描述，再讓R1根據這段描述，來推理用戶的性格。

　　 非常的好玩。

　　 而且我問了一下大家，大家居然普遍反饋還挺準的。

　　 我也把玩意變成了飛書多維表格模板，大家可以拿去給自己的朋友們玩。

　　 https://datakhazix.feishu.cn/base/FKKKb3k5VaPE2zsHxwScz1AenFh?from=from_copylink

　　 還有一個21群群友@Irene做很實用的case，也把大家之前分享過的寫圖片生成prompt的方式，整了一個多維表格的模板。

　　 上傳一張圖片，反推提示詞（第三列）、自動獲取關鍵詞（第一列）、生成類似風格的新提示詞（第四列），最后翻譯成英文。

　　 以后只需上傳圖片，就能得到所有需要的結果。一條龍服務，全程AI自動化。

　　 說真的，這一套批量自動化的流程，上限遠比我們想象的更高更恐怖，比如我隨手就能搭一個Emo風格文案改寫的工作流。

　　 又或者批量把文章改寫成短視頻腳本，或配上自帶的AI搜索直接一鍵整理AI早報，甚至可以玩各種各樣的靈感創意，比如用AI星座占卜、賽博算命等等等等。

　　 這兩天，每次打開多維表格處理工作，看著任務自動完成，我只需最后驗收成果。

　　 只能說，太爽了。

　　 科技的進步不是讓機器變得像人，而是讓人從機器般的工作中解放出來。

　　 多維表格配合DeepSeek R1，成功將自動化這個概念推進了一大步。

　　 集合批量數據、RPA的超級優點為一身。

　　 我們很多人都曾被繁瑣操作壓得喘不過氣，可現在，你只要會說人話，學會一點飛書多維表格，就能把一個令人生畏的任務迅速拆分給AI，讓它自主完成九成流程。

　　 這是科技最美的注腳。

　　 24年的3月，當我決定把公司開在飛書上的時候。

　　 我覺得這也是我。

　　 最棒的選擇。

　　 我愛飛書。