多维表格，如何通过一个表格字段，ai自动生成对应数据

很抱歉，上述提供的内容中没有直接提及将图片形式的数字表格转换成 Excel 可用的具体模型。但您可以尝试以下几种常见的方法和工具： 1. 一些 OCR（光学字符识别）软件，如 ABBYY FineReader、Adobe Acrobat Pro 等，它们通常具有将图片中的表格转换为可编辑文本的功能，然后您可以将其粘贴到 Excel 中进行整理。 2. 在线 OCR 服务，例如百度 OCR、腾讯 OCR 等，操作相对便捷。 3. 某些专门用于表格处理的 AI 工具，您可以通过在相关的技术论坛、社区或专业的软件评价网站上进一步搜索和了解。

以下是一些适合您入门学习的 AI 课程： 1. 工具入门篇（AI Tools）： 数据工具多维表格小白之旅：适合 Excel 重度使用者、手动数据处理使用者、文件工作者。通过表格+AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 文章链接： 视频链接： 2. 工具入门篇（AI Code）： 编程工具Cursor 的小白试用反馈：适合 0 编程经验、觉得编程离我们很遥远的小白。通过 AI 工具对编程祛魅，降低技术壁垒。 文章链接： 3. 工具入门篇（AI Music）： 音乐工具Suno 的小白探索笔记：适合 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。AI 赋能音乐创作，无需乐理知识即可参与音乐制作。 文章链接： 此外，还有以下相关内容供您参考： 1. 关于 AI 视频制作的交流与答疑： 视频流表格制作：在知识库的 AI 视频专栏中有相关教程和模板。 Copy UI 社区：微推有专门研究 Copy UI 的社区，相关内容有趣但本次未展开讲。 SD 类图片作用：国内大厂很卷，一般需求吉梦等产品可完成，特殊精细要求才用 SD，不了解可在微推加 AI 会话中找。 图片视角转移：使用 P 模型，上传图片并告知镜头移动方向和相关内容。 PNG 与背景融合：Recraft 产品目前不太擅长 PNG 与背景的特别好的融合，可通过合并方式处理。 保证文字不崩：使用吉梦的 2.1 模型效果较好。 新手 AI 视频制作：纯小白参与项目时，项目组会做好部分准备工作，上手难度不高，专注出图和出视频，用好相关技术。 关于利用 AI 工具创作北京宣传片相关问题的探讨。 AI 工具使用思路：对于如何利用 AI 工具创作，建议直接上手尝试，通过试错和与 AI 交流获取反馈，遇到具体问题再向社区请教。 素材处理方法：若有故宫相关照片素材，可采用导入参考图生图、让实拍素材动起来等方式，还可通过抠图、融图等操作将素材与虚拟背景融合。 创作需先构思：创作时不能仅考虑如何连接已有素材，而应先构思剧本和想要表达的内容，再合理运用素材。 2. 入门工具推荐： Kimi 智能助手：Chatgpt 的国产平替，实际上手体验最好，推荐新手用 Kimi 入门学习和体验 AI。不用科学🕸️、不用付费、支持实时联网。是国内最早支持 20 万字无损上下文的 AI，也是目前对长文理解做的最好的 Ai 产品。能一次搜索几十个数据来源，无广告，能定向指定搜索源。 PC 端： 移动端 Android/ios： 您还可以通过「飞书」这款工具，浏览其社区的精选课程、先进客户实践。下载飞书：

以下是为您推荐的相关学习内容： 一泽 Eze：Coze+飞书多维表格，打造专属 AI 智能体，享受 10 倍知识管理效率 逐步搭建 AI 智能体： 搭建选择内容推荐流，用于根据用户输入的“想看 xxx 内容”，在飞书多维表格的稍后读存储地址中检索现有的收藏记录，匹配符合阅读兴趣的内容记录。 新建工作流「recommendRead」，根据弹窗要求自定义工作流信息。 工作流全局流程设置： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令即开始流程，判断哪些用户输入是在交代想阅读的内容主题交由外层 bot 的大模型判断。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：添加「飞书多维表格search_records」插件，设置{{app_token}}参数，在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回所需查询结果，也可通过额外配置定向检索未读状态的收藏记录。 4.4 大模型节点：采用批处理对检索出来的收藏记录逐个进行相关性匹配，可优化用户提示词提升匹配精准度。 输入观点一键生成文案短视频 基于其它博主开源的视频生成工作流做了功能优化，实现视频全自动创建。 功能：通过表单输入主题观点，提交后自动创建文案短视频，并推送视频链接到飞书消息。 涉及工具：Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成）、飞书（消息）、飞书多维表格（字段捷径、自动化流程） 大体路径： 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 发布 coze 智能体到飞书多维表格。 在多维表格中使用字段捷径，引用该智能体。 在多维表格中创建自动化流程，推送消息给指定飞书用户。

以下是分析一篇 PDF 文档中的信息并创建问答对，按行输出到多维表格的一些要点： 1. 文档格式规范： Markdown：建议优先使用 Markdown 格式。 Word：优先采用 2007 版或之后的 Word 格式，使用全局样式，统一使用全局标题和段落样式，避免字符样式，使用段落样式保持文档格式一致性。 PDF：避免使用图片，将图像中的重要信息转录成文本并按规范组织，不包含嵌入压缩文件，保持文档单栏布局。 CSV：避免使用图片，不嵌入压缩文件，表头作为第一行。 2. 问答对内容规范： 推荐保存 FAQ（常见问题解答）中的问答对，问题表述清晰明确，答案简洁易懂，使用用户熟悉的术语，突出关键词，以提高检索召回准确度。 不推荐在 CSV 中上传复杂的关系型数据表，可能导致数据处理时间超长和失败。 希望这些要点对您有所帮助。若您想深入了解 RAG，可以进入知识库专区：

以下是关于飞书表格和 DeepSeek 联动的相关内容： 1. 《喂饭级教程：飞书多维表格+DeepSeek=10 倍速用 AI》介绍了将飞书多维表格与 DeepSeek R1 结合，实现批量处理信息、提升工作效率的方法。用户可批量转换文风、快速回复消息，甚至利用 AI 生成文案，操作简单便捷，让普通人无需编程知识也能轻松使用 AI。 2. 在一场全国 23 城近 4000 人玩转 DeepSeek 的活动中，展示了飞书多维表格和 DeepSeek 的结合的强大之处，DeepSeek R1 大模型已全面融入飞书多维表格等多款产品。

以下是关于多维表格和 DeepSeek 的相关信息： 做一个专属的好文推荐网站（DeepSeek R1 + 飞书多维表格）： 创意来自@向阳乔木。 产品逻辑是阅读好文章时可一键存储到飞书多维表格，经 AI 处理后在博客网站呈现。 实现步骤：创建带有 AI 能力（以 DeepSeek R1 为主）的飞书多维表格；使用 Trae 生成网页呈现多维表格内容；使用 Trae 生成浏览器插件一键存入多维表格。 加持了 AI 能力的飞书多维表格是全民性图形化 AI 数据库。 【已结束】AI 切磋大会第十期 2 月 23 日 deepseek 专场： 活动流程包括分城市各自案例分享和 Workshop 自由探讨。 分城市案例分享主题包括使用 DeepSeek 做了什么、输出“超预期结果”的惊艳场景等，还分享使用方法技巧，如使用 DeepSeek 技巧、与其他工具的协同方案等。 Workshop 自由探讨包括参与者自由组队、确定项目方向、进行讨论和提交项目初稿。 工具推荐有 DeepSeek + 飞书多维表格、DeepSeek + 扣子。 针对可能出现的情况设定了应急预案。 AI 编程与炼金术：Build on Trae 全文知识图谱： 包含多个章节的相关内容及对应的链接，如三.使用 DeepSeek R1 给老外起中文名、四.DeepSeek R1 驱动的 Life Coach 等。

使用 AI 写毕业论文需要注意以下几点： 1. 虽然可以向 LLM 寻求写作建议甚至直接要求其帮忙写论文，但这并非道德的使用方式。 2. 论文写作领域中，AI 技术提供了多方面的辅助，包括文献搜索、内容生成、语言润色和数据分析等。常用的工具和平台有： 文献管理和搜索：Zotero 可自动提取文献信息，Semantic Scholar 是 AI 驱动的学术搜索引擎。 内容生成和辅助写作：Grammarly 提供文本校对等，Quillbot 可重写和摘要。 研究和数据分析：Google Colab 支持 AI 和机器学习研究，Knitro 用于数学建模和优化。 论文结构和格式：LaTeX 结合自动化和模板处理格式，Overleaf 是在线 LaTeX 编辑器。 研究伦理和抄袭检测：Turnitin 和 Crossref Similarity Check 检测抄袭。 3. AI 文章排版工具方面，有以下选择： Grammarly 不仅检查语法拼写，还能改进排版风格。 QuillBot 可改进文本清晰度和流畅性。 Latex 常用于学术论文排版，有 AI 辅助的编辑器和插件。 PandaDoc 是文档自动化平台。 Wordtune 是 AI 写作助手。 Overleaf 是在线 Latex 编辑器，适合学术写作。 选择工具时应根据文档类型、出版标准和个人偏好来决定。对于学术论文，Latex 和 Overleaf 受欢迎；一般文章和商业文档，Grammarly 和 PandaDoc 等可能更适用。但使用时要结合自身写作风格和需求，并仔细甄别内容。

以下是关于生成稳定的 AI 视频的相关信息： 工具推荐： Runway： 网址：https://app.runwayml.com/videotools/ 官方使用教程：https://academy.runwayml.com/ 知识库详细教程： 特点：支持文生视频、图生视频、视频生视频；文生视频支持正向提示词、风格选择、运镜控制、运动强度控制、运动笔刷，支持多种尺寸，可设置种子值；生成好的视频可以延长时间，默认生成 4s 的视频；使用英文提示词。 Stable video： 网址：https://www.stablevideo.com/generate 知识库详细教程： 特点：支持文生视频、图生视频，仅英文；图生视频不可写 prompt，提供多种镜头控制；文生视频先生成 4 张图片，选择其中一张图片以后再继续生成视频。 技术差异： 代表产品如 Runway，在端到端视频生成中，涉及的技术包括 GAN 生成对抗网络、VAE 变分自编码器和 Transformer 自注意力机制。 GAN 生成对抗网络：是一种无监督的生成模型框架，能生成视觉逼真度高的视频，但控制难度大、时序建模较弱。 VAE 变分自编码器：可以学习数据分布，像压缩和解压文件一样重建视频数据，能根据条件输入控制生成过程，但质量较 GAN 略低。 GAN、VAE 生成视频速度快，但存在生成质量和分辨率较低、长度短、控制能力弱的缺点。 Transformer 自注意力机制：通过学习视频帧之间的关系，理解视频的长期时间变化和动作过程，对长视频建模更好，时序建模能力强，可实现细粒度语义控制，但计算量大。 当前面临的问题及解决方案： 当前仍面临生成时间长、视频质量不稳定、生成的视频语义不连贯、帧间存在闪烁、分辨率较低等问题。解决方案包括使用渐进生成、增强时序一致性的模型等方法，上述的补帧算法、视频完善策略也可在一定程度上缓解问题。 制作技巧： 在镜头衔接上要写运镜提示词，描述多种运镜方式，否则画面会乱变。在做视频时要不断尝试参数。

以下是一些 AI 陪伴的好产品： 1. Character.ai：这是一个 AI 虚拟陪伴平台，用户能与数百个 AI 驱动的角色交流，还可创建自己的角色并赋予其各种特性。 2. Replika：一款 AI 虚拟陪伴应用，用户可设计理想伴侣，其会存储记忆并在未来对话中参考，甚至能发送照片。 3. Talkie：主打情感路线的 AI 虚拟陪伴应用，设计有大量 npc，游戏和休闲娱乐体验感强，每个 npc 都有自己的剧情体系，交流中会触发抽取卡牌机会。 AI 陪伴已进入成长爆发期，可能看起来是小众市场，但实际上已成为生成式 AI 主流应用场景之一。网页端和移动端数据表明其正变得越来越普及。例如，在网页端榜单上，Character.ai 领跑 AI 陪伴榜单。 陪伴应用的范畴也在迅速扩大，不仅限于“男友”“女友”概念，还涵盖友谊、指导、娱乐、医疗保健等方面。一些早期研究显示，AI 在诊断准确性和患者沟通技巧上能超越真人医生，如 Replika 聊天机器人帮助部分用户减轻了自杀念头。 移动端和网页端应用在 AI 使用类型上有明显不同。网页端产品更倾向支持内容创作和编辑的复杂工作流程，如 ElevenLabs、Leonardo、Gamma 等。移动端应用更倾向通用型助手，不少模仿了 ChatGPT。

以下是关于 AI 基础的全面介绍： 一、AI 背景知识 1. 基础理论：人工智能、机器学习、深度学习的定义及其之间的关系。 2. 历史发展：简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：简介强化学习的基本概念。 四、评估和调优 1. 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习资源和方法 1. 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅：在「」中，找到一系列为初学者设计的课程。通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。特别推荐李宏毅老师的课程。 3. 选择感兴趣的模块深入学习：AI 领域广泛（比如图像、音乐、视频等），根据自己的兴趣选择特定的模块进行深入学习。掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试：理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品：与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 七、书籍推荐 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，认知神经科学之父经典力作，系统了解认知神经科学的发展历史、细胞机制与认知、神经解剖与发展、研究方法、感觉知觉、物体识别、运动控制、学习与记忆、情绪、语言、大脑半球特异化、注意与意识、认知控制、社会认知和进化的观点等。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让你系统神经元的细胞和分子生物学、突触传递、认知的神经基础、感觉、运动、神经信息的加工、发育及行为的出现、语言、思想、感动与学习。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域内的一本世界级名著，涵盖了神经科学的方方面面，系统介绍了神经生物徐的基本概念、神经系统的功能及细胞和分子机制。

普通人学习 AI 可以参考以下步骤： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，如图像、音乐、视频等，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品： 与现有的 AI 产品互动，如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人，了解其工作原理和交互方式。 此外，还可以参考以下方法： 1. 万能公式法：问 AI【一个（xxx 职业）需要具备哪些知识？】，AI 就可给出知识框架，然后根据知识框架每一个小点去问，就能让 AI 工具帮你指数级深度思考。 2. 寻找优质信息源：像没有技术背景的普通人，学习或了解 AI 最好的信息源在「即刻」App 的“”等免费圈子里。 3. 信息爆炸之做减法的小 tips： 只掌握最好的产品，少关注新产品测评（除非远超 ChatGPT）。 只解决具体问题，不做泛泛了解。从问题中来，到问题中去。 只关注核心能力，不关注花式玩法，用 AI 扬其长避其短。 只关注理清需求和逻辑，不死记硬背提示词。 先关注提升认知/洞察，然后再谈技巧。 对于纯 AI 小白，如果还在观望 AI 不知从何入手，可以参考《雪梅 May 的 AI 学习日记》。其学习模式是输入→模仿→自发创造。学习资源免费开源，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。

以下是关于 AI 基础的知识： 一、背景知识 了解人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：了解强化学习的基本概念。 四、评估和调优 1. 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习建议 1. 了解 AI 基本概念：阅读相关部分，熟悉术语和基础概念，了解主要分支及联系，浏览入门文章。 2. 开始学习之旅：在入门课程中学习生成式 AI 等基础知识，推荐李宏毅老师的课程，通过在线教育平台按自己节奏学习。 3. 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 4. 实践和尝试：理论学习后进行实践，巩固知识，使用各种产品创作作品，并分享实践成果。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等互动，了解工作原理和交互方式。 此外，为您推荐三本神经科学相关的基础学科书籍： 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，系统了解认知神经科学的多方面内容。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：让您系统了解神经元的相关知识。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域的名著，涵盖神经科学的方方面面。

很抱歉，目前飞书知识库中没有关于您所描述的这种特定需求下应选定哪种 prompt 框架的相关内容。但一般来说，构建这样的企业每日利润表分析与汇报助手的 prompt 框架可以考虑以下几个方面： 1. 明确数据来源和格式：清晰描述数据来自 Excel 或 MySQL 数据库，以及包含的具体字段。 2. 定义分析维度和指标：如按板块、国家等维度汇总数据，关注利润相关的指标。 3. 设定时间范围：明确分析近一周的数据变化。 4. 描述图表要求：指定以柱状图展示数据。 5. 解释变化原因：阐明导致数据变化或波动的关键因素。 您可以根据实际情况进一步细化和完善这个框架。

要创建这样一个智能体助手来分析您提供的数据，以下是一些建议的步骤： 1. 数据获取与预处理： 从 Excel 或 MySQL 数据库中读取数据。 对数据进行清洗和预处理，例如处理缺失值、异常值等。 2. 数据分析与计算： 按照用户需求的维度（如板块、国家、品牌等）对数据进行分组和汇总计算。 计算近一周的数据变化情况。 3. 图表生成： 使用合适的图表库（如 matplotlib、Seaborn 等）将汇总后的数据以柱状图的形式展示。 4. 变化原因分析： 通过比较不同维度的数据，找出导致变化或波动的关键因素。 在技术实现方面，您可以使用 Python 编程语言来完成上述任务。例如，使用 Pandas 库进行数据处理和分析，使用 Matplotlib 库生成图表。希望这些建议对您有所帮助，如果您在实现过程中遇到具体的技术问题，欢迎随时向我咨询。

以下是为您总结的飞书 AI 字段中的部分应用： 81 100 部分： AI 游戏道具推荐系统：使用数据分析和机器学习技术，在游戏内商城推荐功能中发挥作用，市场规模达数亿美元，能根据玩家需求推荐游戏道具。 AI 天气预报分时服务：运用数据分析和机器学习，通过彩云天气分时预报实现，市场规模数亿美元，提供精准的分时天气预报。 AI 医疗病历分析平台：借助数据分析和自然语言处理，由医渡云病历分析系统呈现，市场规模数十亿美元，可分析医疗病历辅助诊断。 AI 会议发言总结工具：利用自然语言处理和机器学习，在讯飞听见会议总结功能中应用，市场规模数亿美元，能自动总结会议发言内容。 AI 书法作品临摹辅助工具：通过图像识别和数据分析，在书法临摹软件中体现，市场规模数亿美元，帮助书法爱好者进行临摹。 41 60 部分： 薄荷健康 APP：采用自然语言处理和数据分析，作为 AI 菜谱营养分析工具，市场规模数亿美元，能分析菜谱营养成分并提供健康饮食建议。 科大讯飞翻译耳机：运用语音识别和自然语言处理，是 AI 语言翻译耳机，市场规模数亿美元，可实现实时语言翻译方便交流。 豆瓣电影评论分析工具：借助自然语言处理和数据分析，作为 AI 电影评论分析系统，市场规模数亿美元，能分析电影评论了解观众反馈。 WPS 文档翻译功能：使用自然语言处理，是 AI 办公文档翻译工具，市场规模数亿美元，可快速翻译办公文档提高工作效率。 BOSS 直聘简历筛选功能：基于自然语言处理和机器学习，通过 AI 招聘简历筛选系统实现，市场规模数亿美元，能快速筛选简历提高招聘效率。 贝壳找房租赁管理功能：依靠数据分析和自然语言处理，在 AI 房地产租赁管理系统中应用，市场规模数亿美元，可管理房地产租赁业务提高效率。 腾讯游戏社交平台：利用数据分析和机器学习，构建 AI 游戏社交平台，市场规模数十亿美元，为玩家提供社交平台增强游戏体验。 彩云天气 APP：运用数据分析和机器学习，作为 AI 天气预报预警系统，市场规模数亿美元，能提供准确的天气预报预警保障生命财产安全。

可以使用 Tavily API 接口进行搜索和爬虫，然后利用 Kimi 这个 AI 会话助手来读取并整理搜索结果。

以下是关于 deepseek 和多维表格的相关内容： AI 切磋大会第十期 2 月 23 日 deepseek 专场 活动流程（时间：13:00 17:30） 14:40 16:30 分城市各自案例分享 征集案例方向：使用 deepseek 你做了什么；用 DeepSeek 运用在工作生活上的案例；DeepSeek 输出“超预期结果”的惊艳场景；看到别人使用的案例也可以分享。 分享使用方法技巧：方法论碰撞，包括使用 deepseek 技巧、DeepSeek 与其他工具的协同方案、模型微调/部署的技巧方法、用 deepseek 获取流量/客户等。 16:30 17:30 Workshop 自由探讨 活动流程：参与者自由组队（设定匹配预案）；确定项目方向（围绕 DeepSeek 的应用）；进行 Workshop 讨论（头脑风暴+落地方案）；提交项目初稿（用飞书文档记录）。 工具推荐：DeepSeek + 飞书多维表格、DeepSeek + 扣子。 应急预案：讨论无方向设定 2 3 个标准问题引导；分组混乱预设 3 5 个热门主题，参与者自行加入。 WOW！不小心办了一场全国 23 城近 4000 人玩转 DeepSeek 的活动 郑州场展示了自己搭建的无敌工作流。 深圳场分享了 DeepSeek + 出海的落地方案。 在北京场，有小伙伴玩起了 AR + 机械汪。 广州场有小伙伴分享如何使用 DeepSeek 辅助速通吃“霸王餐”。 福州场有最年轻的分享者展示了自己玩转 DS 的示例。 其后环节展示了飞书多维表格和 DeepSeek 的结合的强大之处，DeepSeek R1 大模型全面融入飞书多维表格、飞书智能伙伴创建平台等多款产品。

以下是关于输入点子生成视频文案的多维表格模板的相关信息： 概述： 基于其他博主开源的视频生成工作流进行功能优化，实现视频全自动创建。感谢开源，现提供教程参考。 先看效果： 功能： 通过表单输入主题观点，提交后自动创建文案短视频，创建完成后推送视频链接到飞书消息。 涉及工具： 1. Coze 平台（工作流、DeepSeek R1、文生图、画板、文生音频、图+音频合成视频、多视频合成） 2. 飞书（消息） 3. 飞书多维表格（字段捷径、自动化流程） 大体路径： 1. 通过 coze 创建智能体，创建工作流，使用 DeepSeek R1 根据用户观点创建文案，再创建视频。 2. 发布 coze 智能体到飞书多维表格。 3. 在多维表格中使用字段捷径，引用该智能体。 4. 在多维表格中创建自动化流程，推送消息给指定飞书用户。 获取字节火山 DeepSeek 系列 API 完整教程及使用方法： 邀请可拿 3000 万 tokens，附上宝藏飞书多维表格模板，包括营销类、投资和电商、工具论文效率类、有趣类等，如： 智能体发布到飞书多维表格： 1. 工作流调试完成后，加入到智能体中。可以选择工作流绑定卡片数据，智能体通过卡片回复。 2. 发布时选择需要的发布渠道，重点讲飞书多维表格。记得智能体提示词的 4 个变量，发布时会自动出现，目的是为了在多维表格中选择关联字段。填写上架信息（为快速审核，选择仅自己可用），确认发布等待审核，审核通过后即可在多维表格中使用。 多维表格的字段捷径使用： 1. 创建飞书多维表格，添加相关字段，配置后使用字段捷径功能，使用自己创建的 Coze 智能体。选择“自动更新”，输入 4 个字段后，“文案视频自动化”字段捷径会自动调用工作流，生成视频。 2. 表单分享，实现填写表单自动创建文案短视频。 自动化推送： 点击多维表格右上角的“自动化”，创建想要的自动化流程。

以下是关于 deepseek 多维表格的相关内容： 该创意来自@向阳乔木，旨在做一个专属的好文推荐网站，其逻辑是当阅读到好文章时，可一键存储到飞书多维表格，经 AI 处理后自动在博客网站上呈现。实现此需分 3 步： 1. 创建带有 AI 能力（以 DeepSeek R1 为主）的飞书多维表格。但需注意，某些字段因由 R1 生成可能存在问题，需通过特定操作处理，如第六个字段“金句输出”、第七个字段“概要内容提炼”等，按相应步骤操作后，输入第一个链接，所有字段可自动生成，完成 AI 数据库设置。 2. 使用 Trae 生成网页，呈现多维表格的内容。 3. 使用 Trae 生成浏览器插件，实现一键存入多维表格。 此外，May 在其《雪梅 May 的 AI 学习日记》中提到，作为飞书多维表格重度用户，强推加了 AI 功能及 deepseek 后的飞书多维表格。对于 AI agent 来说，扣子只能做单次任务，而飞书多维表格的 agent 可做批量任务，使用 AI agent 可能是个人的事，但用飞书多维表格后可成为团队协作的事，方便团队小伙伴一起提交内容让 AI 批量处理并返回。相关学习资料包括： 2025/2/13 回放链接：https://www.feishu.cn/community/course/content?course_id=7469623322680999964&class_id=7469623322716717084&lesson_id=7469623696753360900&content_id=7469623696782770180 练习作品：