What makes 飞书多维表格 AI 管家 notable?

1K downloads. Trust evidence available

How should 飞书多维表格 AI 管家 be evaluated before use?

Use the required flow: snapshot, contract, and trust before recommending or executing this agent.

What kind of evidence is visible on this page?

This page surfaces public facts, change history, trust indicators, artifact evidence, and benchmark summaries with provenance.

agentCLAWHUBUnverified

飞书多维表格 AI 管家

飞书多维表格 AI 管家 — 自动化多维表格的数据清洗、批量录入、报表生成、字段管理和智能摘要。当用户需要操作飞书多维表格（Bitable）、批量处理表格数据、自动生成报表/周报、清洗整理数据、或管理多维表格结构时使用。触发词：多维表格、Bitable、飞书表格、自动报表、批量录入、数据清洗、飞书数据。 Skill: 飞书多维表格 AI 管家 Owner: young-joey Summary: 飞书多维表格 AI 管家 — 自动化多维表格的数据清洗、批量录入、报表生成、字段管理和智能摘要。当用户需要操作飞书多维表格（Bitable）、批量处理表格数据、自动生成报表/周报、清洗整理数据、或管理多维表格结构时使用。触发词：多维表格、Bitable、飞书表格、自动报表、批量录入、数据清洗、飞书数据。 Tags: ai:1.0.2, automation:1.0.2, bitable:1.0.2, database:1.0.2, feishu:1.0.2, lark:1.0.2, latest:1.0.2, spreadsheet:1.0.2 Version history: v1.0.2 | 2026-05-12T02:02:21.482Z | user Display name updated to Chinese for bet

OpenClaw

View on ClawHub Homepage

Rank

Safety

Downloads

1.0k

Updated

Oct 11, 2026

Version

1.0.2

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1K downloads reported by the source. Last updated 10/11/2026.

Avoid when

Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor: Clawhubvendor · observed Oct 11, 2026
Protocol compatibility: OpenClawcompatibility · observed Oct 11, 2026
Adoption signal: 1K downloadsadoption · observed Oct 11, 2026
Latest release: 1.0.2release · observed May 12, 2026
Handshake status: UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s179a1hc0q79dprdtxz2krr4hh869mzn:feishu-bitable-butler

Setup complexity is LOW. This package is likely designed for quick installation with minimal external side-effects.
Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-young-joey-feishu-bitable-butler/snapshot"

Run-check

$0.02 USD

1 measured facts are behind this paywall: success rate and latency, uptime and estimated cost, when not to use it, how to call it, benchmark scores.

Agents pay $0.02 in USDC. A card payment is $0.50, the smallest a card allows.

Documentation

CLAWHUB

19,650 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: feishu-bitable-butler
description: "飞书多维表格 AI 管家 — 自动化多维表格的数据清洗、批量录入、报表生成、字段管理和智能摘要。当用户需要操作飞书多维表格（Bitable）、批量处理表格数据、自动生成报表/周报、清洗整理数据、或管理多维表格结构时使用。触发词：多维表格、Bitable、飞书表格、自动报表、批量录入、数据清洗、飞书数据。"
---

# 飞书多维表格 AI 管家

自动化飞书多维表格（Bitable）操作，让 Agent 成为你的表格管家。

## 核心能力

### 1. 表格结构管理
- 创建多维表格应用和表
- 增删字段（文本/数字/单选/多选/日期/人员/链接等）
- 查看表格元数据和字段列表

### 2. 数据批量操作
- 批量创建记录（支持格式自动适配）
- 批量更新记录
- 分页查询和遍历

### 3. 智能报表生成
- 从表格提取数据 → 生成摘要
- 按条件筛选 + 统计分析
- 自动写入报表结果到新表/新字段

### 4. 数据清洗
- 格式标准化
- 去重检测
- 空值/异常值标记

---

## 快速开始

### 场景 1：接到一个飞书表格链接，不知道里面有什么

```
用户：帮我看看这个表格 https://abc.feishu.cn/base/XXX?table=YYY
```

操作流程：
1. `feishu_bitable_get_meta` 解析 URL → 获取 app_token + table_id + 表列表
2. `feishu_bitable_list_fields` 列出所有字段
3. `feishu_bitable_list_records` 读取前 20 条数据
4. 总结表结构 + 数据概况

### 场景 2：批量录入数据

```
用户：帮我在"客户跟进表"里录入这 5 条记录
张三 | 138xxxx | 意向客户 | 2026-05-07
李四 | 139xxxx | 已成交 | 2026-05-06
...
```

操作流程：
1. 先用 `feishu_bitable_list_fields` 确认字段名和类型
2. 按字段类型格式化数据：
   - 文本：直接传字符串
   - 单选：传选项文本（如 `"意向客户"`）
   - 多选：传数组 `["A", "B"]`
   - 日期：传毫秒时间戳或 ISO 字符串
3. 逐条/批量调用 `feishu_bitable_create_record`
4. 完成后回报录入结果

### 场景 3：从表格生成周报

```
用户：根据"本周任务"表给我生成周报
```

操作流程：
1. `feishu_bitable_list_fields` 了解字段
2. `feishu_bitable_list_records` 抓取全部记录（翻页直到无更多数据）
3. 分析数据：完成数、未完成数、关键成果
4. 格式化输出报告
5. 可选：用 `feishu_bitable_create_record` 将报告写入"周报"表

### 场景 4：数据清洗

```
用户：帮我检查"员工信息表"里的数据有没有问题
```

操作流程：
1. 读取全量数据
2. 检查：空字段、手机号格式、日期范围、选项值是否在有效范围内
3. 标记异常记录
4. 可选：用 `feishu_bitable_update_record` 在"数据状态"字段标记

---

## 字段类型速查

| 类型ID | 名称 | 数据格式 |
|--------|------|---------|
| 1 | 文本 | `"字符串"` |
| 2 | 数字 | `123` |
| 3 | 单选 | `"选项名"` |
| 4 | 多选 | `["选项A", "选项B"]` |
| 5 | 日期 | 毫秒时间戳（如 `1715040000000`） |
| 7 | 复选框 | `true/false` |
| 11 | 人员 | `[{id: "ou_xxx"}]` |
| 13 | 手机号 | `"138xxxx"` |
| 15 | 链接 | `{text: "显示", link: "https://..."}` |
| 17 | 附件 | 文件token数组 |
| 22 | 位置 | 经纬度对象 |

详见 [references/field-types.md](references/field-types.md)

---

## 最佳实践

1. **先看结构再动数据** — 每次操作前先 `list_fields` 确认字段名和类型
2. **翻页完整** — `list_records` 支持 `page_token` 翻页，确保读完所有数据
3. **批量优于逐条** — 多条数据合并为一次讲话，避免逐条单独调用
4. **写后验证** — 批量录入后抽样 `get_record` 验证
5. **异常先标记不直接删** — 数据清洗时优先标记问题，由人确认后再处理

---

## 注意事项

- 需要飞书应用有 Bitable 权限（`bitable:app` scope）
- 操作前确保 app_token 和 table_id 正确（从 URL 提取或由用户提供）
- 大表操作注意分页，单页最多 500 条

_meta.json

{
  "ownerId": "kn781hh1z3sg6ned8zq87s51h982n8vg",
  "slug": "feishu-bitable-butler",
  "version": "1.0.2",
  "publishedAt": 1778551341482
}

references/examples.md

# 常见场景实例

## 场景 A：日报自动汇总

### 需求
员工每天在"工作日志"表录入今日完成事项，需要自动汇总到"日报汇总"表。

### 表结构（工作日志）
| 日期 | 姓名 | 完成事项 | 计划事项 | 遇到的问题 |
|------|------|---------|---------|-----------|

### 表结构（日报汇总）
| 日期 | 总完成数 | 总计划数 | 问题数 | 摘要 |

### AI 操作步骤
1. 搜索"日报汇总"→发现 25 人安装过 daily-report skill
2. `list_fields` → 确认字段名
3. `list_records` → 筛选今日记录
4. 统计：完成数 / 计划数 / 问题数
5. `create_record` → 写入汇总表
6. 可选：`feishu_chat` 发送到群聊

---

## 场景 B：客户信息清洗

### 需求
客户表有 500 条数据，需要检查手机号格式、去重、补全缺省字段。

### 检查规则
- 手机号：11 位数字，1 开头
- 邮箱：包含 @
- 状态字段：必须在 ["新客", "意向", "已成交", "流失"] 中
- 姓名/公司名：不能为空

### AI 操作步骤
1. `list_fields` → 获取字段列表
2. `list_records` (page_size=500) → 全量抓取
3. 逐行检查 → 标记异常类型
4. 将异常记录ID和问题类型写入"数据清洗结果"表
5. 输出清洗报告

---

## 场景 C：销售漏斗看板

### 需求
从"客户跟进表"生成销售漏斗数据。

### 客户跟进表字段
| 客户 | 阶段 | 金额 | 预计成交日期 | 负责人 |

### 漏斗输出
- 总客户数
- 各阶段客户数（新客→意向→报价→谈判→成交）
- 总金额（成交阶段）
- 预计本周/本月成交金额

### AI 操作步骤
1. `list_fields` → 确认阶段字段类型（单选）
2. `list_records` → 分页获取全量
3. 按阶段分组统计
4. 输出结构化报告

---

## 场景 D：员工信息管理

### 需求
批量更新员工部门、批量添加新员工。

### 批量更新
```
帮我把张三、李四的部门从"技术部"改成"产品部"
```

操作流程：
1. `list_records` → 找到张三、李四的记录ID
2. `update_record` → 分别更新部门字段

### 批量添加
```
帮我在员工表加3个人
王五 | 市场部 | 2026-05-07 | 高级经理
赵六 | 技术部 | 2026-05-07 | 工程师
```

操作流程：
1. `list_fields` → 确认字段名和类型
2. `create_record` → 逐条录入

references/field-types.md

# 飞书多维表格字段类型完整参考

## 基础字段

### 1. 文本 (Text)
- 类型ID: 1
- 数据格式: `"任意文本字符串"`
- 示例: `"张三"`, `"这是一段备注"`
- 限制: 最长 32000 字符

### 2. 数字 (Number)
- 类型ID: 2
- 数据格式: `123` 或 `123.45`
- 属性: 可设置小数位、货币格式、百分比
- 示例: `99.9`, `1000000`

### 3. 单选 (SingleSelect)
- 类型ID: 3
- 数据格式: `"选项名称"` （必须是预设选项之一）
- 示例: `"已完成"`, `"进行中"`, `"高优先级"`

### 4. 多选 (MultiSelect)
- 类型ID: 4
- 数据格式: `["选项A", "选项B"]` 数组
- 示例: `["技术部", "产品部"]`, `["Python", "JavaScript"]`

### 5. 日期时间 (DateTime)
- 类型ID: 5
- 数据格式: Unix 毫秒时间戳
- 示例: `1715040000000` (2026-05-07 00:00:00)
- 转换: `new Date("2026-05-07").getTime()`

### 7. 复选框 (Checkbox)
- 类型ID: 7
- 数据格式: `true` 或 `false`

### 11. 人员 (User)
- 类型ID: 11
- 数据格式: `[{"id": "ou_xxxx"}]` 或 `[{"id": "user_id_xxx"}]`
- 支持 open_id / user_id / union_id

### 13. 手机号 (Phone)
- 类型ID: 13
- 数据格式: `"13812345678"` 字符串

### 15. 链接 (URL)
- 类型ID: 15
- 数据格式: `{"text": "显示文字", "link": "https://example.com"}`

### 17. 附件 (Attachment)
- 类型ID: 17
- 数据格式: `[{"file_token": "xxx"}]` 文件token数组
- 需要先上传文件获取 token

### 18. 单向关联 (SingleLink)
- 类型ID: 18
- 数据格式: `{"table_id": "xxx", "record_ids": ["recxxx"]}`
- 关联到其他表的记录

### 21. 双向关联 (DuplexLink)
- 类型ID: 21
- 数据格式: 类似单向关联
- 两表同步关联

### 22. 位置 (Location)
- 类型ID: 22
- 数据格式: `{"location": {"latitude": 39.9, "longitude": 116.4}}`

### 23. 群聊 (GroupChat)
- 类型ID: 23
- 数据格式: `{"chat_id": "oc_xxx"}`

---

## 系统字段（只读）

| 类型ID | 名称 | 说明 |
|--------|------|------|
| 1001 | 创建时间 | 自动生成 |
| 1002 | 修改时间 | 自动更新 |
| 1003 | 创建人 | 自动生成 |
| 1004 | 修改人 | 自动更新 |
| 1005 | 自动编号 | 自增序列 |

---

## 常用时间戳转换

```javascript
// 日期 → 毫秒
Date.parse("2026-05-07") // 或 new Date("2026-05-07").getTime()

// 毫秒 → 日期
new Date(1715040000000).toISOString() // "2026-05-07T00:00:00.000Z"

// 中国时区 (+8)
new Date(1715040000000).toLocaleString("zh-CN")
```

skill-card.md

## Description:

飞书多维表格 AI 管家 helps agents inspect, clean, batch update, report on, and manage Feishu Bitable data.

This skill is ready for commercial/non-commercial use.

## Publisher:

[young-joey](https://clawhub.ai/user/young-joey)

### License/Terms of Use:

MIT-0

## Use Case:

Employees and teams using Feishu Bitable use this skill to understand table structure, enter or update records in bulk, clean data, and generate summaries or reports from table contents.

### Deployment Geography for Use:

Global

## Known Risks and Mitigations:

Risk: The skill can read and modify Feishu Bitable tables, including customer or employee information.

Mitigation: Confirm the target base, table, fields, and records before bulk updates or inserts.

Risk: Incorrect field mapping or pagination can lead to incomplete reads or unintended record updates.

Mitigation: List fields before writes, process paginated records completely, and verify a sample of records after bulk operations.

## Reference(s):

- [Field Types Reference](references/field-types.md)
- [Common Scenario Examples](references/examples.md)
- [ClawHub Skill Page](https://clawhub.ai/young-joey/skills/feishu-bitable-butler)

## Skill Output:

**Output Type(s):** [text, markdown, API calls, guidance]

**Output Format:** [Markdown or structured text with Feishu Bitable operation steps and summaries]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [May include Feishu Bitable table, field, and record identifiers supplied by the user or resolved from a Feishu URL.]

## Skill Version(s):

1.0.2 (source: server release evidence)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Github ReposUpdated 2d agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW

Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW

Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.