飞书没走 AI Coding 路线，它做好了另一种 AI 应用模式

想搭一个 AI 应用，就一定要走 Coding 这条路吗？

最近我干了件事：

只用了一个飞书多维表格，把一堆 AI 效率产品的事给办了。

起因是飞书多维表格全面上线了新功能，「应用模式」和「AI 工作流」。

我尝试用它零代码搭了一套个人效率工作台，效果意外得好。

先看东西，这套系统长这样：

在飞书里发条消息，AI 就能自动识别意图，把它分类成待办、笔记或稍后读；

丢个公众号链接进去，它不仅能自动摘要，还能根据我的口味打分排序。

以前必须写代码才能实现的 AI 玩法，现在搭积木一样就能搞定。

接下来，我会全网首发拆解这套 AI 系统的完整搭建架构，开源整个实现教程，应该对你用飞书搭建 AI 应用有所启发。

关注公众号后台回复「飞书」，可直接领取 AI 表格模版（内含工作流）

👉 这套 AI 应用长什么样

先说整体架构思路，这套系统之所以能零代码实现，是因为它把复杂的软件架构，简化成了飞书里的 4 个模块：

1）入口层（飞书消息）：像聊天一样下达指令：

不用开发专门的对话式 AI。

通过自动生成的飞书机器人（系统自带），我可以直接给它发语音、文字、链接。是整个系统的“耳朵”，负责接收一切杂乱的信息。

2）大脑层（AI 工作流）：承担整个系统的处理逻辑。

这是核心。我配置了一个 AI 工作流。

它能在收到消息后，进行意图识别：是待办？是笔记？还是文章？然后自动拆解任务，分发给下游。

也可以配置 Agent 节点，去调用 MCP 工具，按 Prompt 生成数据，也能读写多维表格、触发消息通知等。

3）记忆层（多维表格）：最省心的“数据库”

这里有搭建 AI 应用过程中，最出色的设计。

多维表格 = AI 应用的数据库。

过去写代码，你得自己搭建 MySQL、设计字段。现在，你只需要建一张表格。

用户既可以新建多维表格；也可以在已有业务表的基础上，改造 AI 工作流与应用界面。

并且 AI 工作流能跨多张多维表格进行操作。

在本文 Case 中，待办、笔记、稍后读，分属于不同表，通过 AI 分类节点，自动判断用户输入的入库位置

4）交互层（应用模式）：把表格变成 App

面对普通用户、公司业务来说，这是本次更新的重头戏。

多维表格应用模式——能够用来零门槛搭建业务应用。

有了数据后，我们不用再对着枯燥的表格看数据了。开启“应用模式”，表格瞬间变身成一个可视化的SaaS 界面（即开头的效率工作台）。

支持组件拖拉拽、缩放，自定义系统皮肤等配置（BTW：对于企业用户来说，能节省很多软件开发项目）

整个 AI 应用模式的链条，都在飞书内部闭环：

不需要 API 对接、不需要认证，不用开发。

对于个人知识工作者、企业来说，表格即应用。

在对口的需求场景中（个人知识管理、企业 CRM 系统等），比起 AI Coding，是方便维护太多了。

📍 开始搭建

应用模式的价值，是把零散的数据表变成一个完整的业务系统。这套个人效率系统，总共做了 4 项能力：

1. 1.前置环节：接收用户输入，对意图进行分类
2. 2.稍后读：链接内容访问与 AI 信息提取
3. 3.个人待办：拆分任务信息、日期
4. 4.笔记：总结标题，入库笔记内容

而在搭建过程中，首先就要解决消息接收与任务划分的问题：

1️⃣ 统一对话入口，智能分类用户意图

需要在一个飞书多维表格中，创建一个工作流。

所有内容都要通过统一的对话入口，所以增加一个机器人，用于接发信息：

1） 选择「接受到飞书消息时」节点：

• 个人使用时，配置消息的接收方式选择为「单聊」，选择聊天的用户为自己即可。
• 如果是团队使用，则消息的接收方式选择「群组」，选择对应接发消息的聊天群（群里一定要把机器人拉进去）。

接受消息的机器人是自动创建的，无需额外配置。

通过在飞书聊天里，搜索当前多维数据表的名称（因为是自动同名的），就可以找到。

然后回到工作流配置，添加「AI 分类」节点，利用 AI 对发送的消息进行意图识别，判断消息的类型。

设置如下：

1.引用「接收到飞书消息时-消息内容」

2.在分类规则中，先添加 3 个分类类型：稍后读文章、待办事项、笔记，并填写详细描述，帮助 AI 进行准确分类。

可以适当参考我的提示进行优化调整：

稍后读文章：消息内容意图是将文章（通常是网页链接）收藏起来，以便在稍后有空闲时间时进行深度阅读、学习或浏览。待办事项：消息内容意图是需要完成的任务笔记：消息内容意图是记录的笔记。

附：也可以让 Agent 自动搭建工作流

除了跟着教程一步步搭建外，也可以「通过 AI 创建」工作流。自动创建的效率不错，能够准确配置符合需求的节点，并完成参数与提示词配置。

基本可以代理完成 70% 的配置量，部分细节当然最好人工再配置细化下。

这就是我「通过 AI 创建」的过程：

2️⃣ 分别配置 AI 子流程

整个工作流中，涉及到三个不同的 AI 流程：稍后读、待办、笔记。

这里，以我“稍后读文章”的收集为例，进行详细说明，方便你理解如何在工作流中，配置 Agent 节点。

1）配置稍后读要保存的信息

在这份飞书多维表格，根据稍后读的管理需要，表的字段如下：

当然，除了这些基础字段，你也可以自行增加更多定制化的字段。

比如，推荐评分（结合个人画像、文章信息对重要性进行打分）、阅读时长（根据文章字数、信息复杂度预测阅读时长）。

2）获取消息中的内容

接下来，回到刚才的工作流中，搭建通过 AI 获取 URL 中关键信息的流程。

具体的操作步骤是这样的，

在「稍后读文章」的分支中，创建 AI Agent 节点，并且在工具选择「读取 URL 链接内容」

1. 1.Prompt ：让 AI 明确需要从链接中提取哪些信息以及一些注意事项，可直接输入下面的提示词，其中{{ }}内容需要单独引用
2. 2.输出字段：开启「自定义输出格式」，添加 标题、作者、平台、发布日期、摘要、链接 的数据字段，选择合适的类型，方便后续的数据写入。

3）把数据添加到飞书多维表格

添加节点「新增记录」，选择需要写入的数据表，设置每个字段的数据来源，如下进行配置：

这一步的目的，就是把之前 Agent 获取到的信息，添加到我们的稍后读多维表格中。

4）用机器人消息，通知 AI 工作流结果

最后，为了能在发消息后，直接知道这些消息是否被正确的记录，还可以设置一个自动通知。

可以通过引用 AI 分类的信息，就能实现一个通知节点，返回不同类型任务的状态结果。

所以在 3 个分支之后，添加统一的「发送飞书消息」节点：

• 选择场景：回复第 1 步接收到的消息
• 消息类型：可选择普通消息或者卡发消息
• 配置发送的消息内容：【引用AI分类-匹配分类】已记录

另外，「待办事项」和「笔记」也可以在各自的子分支里，参考以上流程配置。

整体完成后，就可以点击【保存并启用】。

至此，后台的自动化流程均已完成，此时已经可以去给机器人发消息，自动记录稍后读、待办和笔记了。

🎉 最后，搭一个应用界面

还记得开头的个人效率工作台界面吗？

那是通过飞书应用模式，搭建出来的前端界面，方便用户在一个界面统一查看、管理不同数据表的信息。

整个搭建流程是大致这样：

1）创建应用：

在要搭应用模式的多维表格内，点击左下角的「应用」按钮，创建应用：

2）配置应用：

在这里可以配置整个应用的外观，也可以添加更多的功能菜单与页面。

点击下方的「添加组件」按钮，则可以添加各种组件。

3）配置页面组件：

应用内提供了非常丰富组件、插件，包括列表、图表、视图等，可根据需求高度定制化一套 SaaS 界面。

组件引用的数据，均来自于多维表格。

更进一步，以「笔记回顾」的卡片列表为例，点击「右上角菜单-配置」按钮，还可对数据范围、操作功能、外观等精细化配置。

另外，还可以每个组件的背景颜色、描边粗细精细化配置。

应用模式整体配置都比较直观，跟着各种配置按钮，能够比较直观的完成各种 DIY 设置。

至此，凭借本文，你应该对如何使用应用模式 + AI 工作流有了全盘的了解。

🎐 写在最后：回到最初的问题

想搭一个 AI 应用，真的非要从 hello world 开始吗？

飞书的这次更新，给了我们提供了一个零代码的 AI 应用搭建方案，

把一个完整 AI 应用的交互操作、Agent 处理、数据存储，都无缝地聚合在了一个我们高频使用的协作文档体系里。

普通人创造自己专属 AI 应用的门槛，被无限拉低，与编辑一份办公表格一样简单。（是的，其难度和 Excel 函数相比，很难说谁更简单）

过去，很多人只能作为 AI 能力的消费者；

现在，通过这种可视化的拖拽和配置，人们可以成为自己工作流的架构师。

只用在原有办公文档上延展，我们能将精力落回在自己的业务管理需求上，直觉化、Agent 化地拼搭自己需要的业务系统。

这也是 AI Native 更具普适性的一种体现：不炫技、让技术融入原有的工作、生活习惯。

工具只是起点，更重要的还是亲自下场，感受、搭建、迭代。

当自己量身打造的第一个 AI 应用跑起来时，那种爽快，远比看再多教程都来得真切。

希望这篇文章，能成为你动手的开始。

如果本文能对你有所启发，记得关注～

文章来自于微信公众号 “一泽Eze”，作者 “一泽Eze”