我把调研这件苦活改造为AI工作流，装进了飞书多维表格

可能最近各种 Agent 用的比较多，总感觉 AI 能带我超神，脑子里就不断迸发出新的想法想通过 AI 去实现。

昨天我脑海里就出现了一个挺有意思的灵感，但实话我又对这个灵感对应的行业了解得不多。

琢磨了半天，怎么才能在短时间里看到某个陌生行业足够多的产品、公司、渠道和行业信息？

想了半天想到一个特别土的办法：去参观展会活动。

展会活动这东西其实挺有意思，虽然表面上是一堆展台、海报、销售资料，但仔细看，它其实是一个行业在某个时间点上的压缩包。

谁来了，谁没来，谁在主展馆，谁在边角位，谁的产品已经能卖，谁还停留在概念图，这些信息放在一起，就很有价值。

但是呢，展会调研做起来也确实是真的费力不讨好。

要找展会，查官网，判断主办方靠不靠谱，看展商范围和自己的业务有没有关系，还要估算观展成本、差旅成本、团队有没有必要去。

更麻烦的是，这些信息不能只停在你一个人的脑子里，团队要看，同事要补充，领导要拍板。

虽然现在 AI 能帮忙找一些资料，但我绝对不是只想让 AI 替我搜几个展会名单而已。

那太浅了。

我真正想做的是：搭的是一个调研的 AI 工作流，把信息调研、信息分析、多维度评估、人机协作、团队决策反馈串起来。

你想想看，一个复杂任务里，本来就不可能只需要一种简单的思考逻辑。做市场调研，需要有人查资料，有人判断真假，有人写报告，有人做PPT，有人最后拍板。

但 AI 再强，也很容易出现一个问题，它什么都懂一点，但未必每一步都靠谱。

AI 工作流的价值就在这里，它可以让 AI 有不同角色和分工，有的负责找资料，有的负责做判断，有的负责执行，有的负责复核。人不再只是提需求的人，而是更像项目经理，在关键节点上做选择、给反馈、改方向。

听起来很高级对吧。

想了下实现起来其实也比较简单，可以分两步走：

第一步手动撸一个 skill 去帮我找资料、初步判断复核筛选信息、出表格报告。

第二步把这些筛选后的有效调研信息放到飞书中让团队一起做评估决策。

第一步 skill 的搭建

很多朋友一听 skill 就紧张，觉得是不是要写代码，是不是要懂插件，是不是要会一堆奇怪配置。坦率的讲，如果不追求一上来就全自动，搭 skill 其实就是把一个工作的 SOP 写清楚，然后交给 Agent（我们通常使用的 Claude Code 或 Codex ） 去遵守。

相当于是在教一个很能干但不了解你业务的新同事，告诉他以后遇到展会调研这件事，应该怎么查，怎么判断，怎么输出。

所以最重要的就是写清楚下面几个规则：

1. 调研的产品方向是什么？目标客户是谁？是个人、企业，还是科研院校。
2. 展会优先级怎么排？是境内展会优先，还是境外优先，哪些产品方向类别的优先级别更高。
3. 展会信息来源怎么判断可信度？是从官网还是展会平台、公众号找资料。
4. 评分怎么给？不是拍脑袋说一句值得去，而是拆成行业相关性、展商质量、渠道价值、学习价值、成本压力、时间匹配度几个维度。

只要这些规则写出来以后，skill 的雏形其实就出来了，像是一份更严格、可复用、不容易忘事的工作说明书。

回到展会调研这块，我觉得最关键的不是让 Agent 查得多，而是让它查得可判断。

很多人用 AI 做调研，会卡在一个地方，就是拿到一堆信息，然后人麻了。

看起来很多，实际没法决策。

比如一个展会名字听起来很大，但点进去发现展商跟你的业务关系很弱，另一个展会名字看起来很窄，但里面可能全是你真正想看的渠道和产品。

所以一定要让 Agent 调用写好的 skill 去执行调研任务。

我自己的感受是，真正有用的是，它每找到一个展会，都顺手帮你做一层判断，把信息从网页里捞出来，再压成团队能讨论的颗粒度。

第二步 调研结果接入飞书

说到团队讨论，就不能只存在和 Agent 的对话里，或者只存在一个 markdown 文件里，这样很难协作。你可以看，但别人不一定看，你可以判断，但别人没法方便地补充意见。

飞书文档的作用就体现出来了，多人编辑、评论、决策方便非常多，特别是多维表格，它既是表格，又像一个轻量数据库。

每一条展会信息都可以变成一条记录，展会名称、举办时间、地点、官网链接、主办方、展会方向、目标客户、推荐动作、可信来源、评分、备注、负责人、团队反馈，全都可以塞进去。

团队成员可以直接在表格里改状态，待确认，值得去，考虑参展，放弃。

这个状态一旦跑起来，协作感就出来了。

Agent 不再只是给你写一段结论，它开始把筛选后的真实有效信息同步到团队共同看的地方。

不是人围着 AI 转，而是 AI 把信息送到人本来就工作的地方。

具体接飞书多维表格的时候，需要准备三个东西给 Agent。

app_token，多维表格本身的 token。

table_id，你要写入的那张数据表 ID。

access_token，飞书开放平台给你的访问凭证。

这块需要去飞书开放平台看多维表格相关接口文档，跟着文档走并不难。

我的建议是，先跑通，再变复杂。

别跑通后 Agent 就可以直接给飞书同步调研的内容。

下面是我完整流程跑起来的大概样子。

我随便以一个我比较陌生的医疗器械行业为例，先给 ChatGPT 一个方向和基础调研规则给它。

ChatGPT 就能直接帮我生成一个核心的 skill markdown 格式文档和连同的说明文档。

把生成的 skill 文档直接丢给 Codex 或 Claude Code 这样的 Agent进行安装。

随即在 Codex 中调用这个 skill，Codex 就会按 skill 里的规则去找公开信息，优先查官网和官方来源，再做可信度判断。然后它按字段整理好，给每个展会写推荐理由和风险提示。

你确认没问题后，它把记录同步进飞书多维表格，团队直接在表格里看结果，补充反馈，改状态，决定谁去跟进。

这个闭环一旦形成，就有点像给团队多招了一个调研助理。

这里面也有坑。

最大的坑是信息可信度。展会行业里面，招商软文太多了，一个展会到底办不办，规模多大，有哪些真实展商，不能只看一篇宣传稿，所以 skill 里一定要强制要求来源。

没有来源，不入表，来源不够可信，要标风险。如果官网打不开，或者只有第三方页面，就不要假装确定，直接写待核实。

所以比较重要的一点：我们一定要去人为的进行信息的再次复核，不能全部信任 AI。

有时候改变工作方式的，不一定是什么惊天动地的新产品。

可能就是一个你手动撸出来的 skill，一张飞书多维表格，还有一次把费力活重新拆开的耐心。

既然已经看到了这里，正好也对 AI 感兴趣，不如点一个关注🌟哇，有趣有料的AI一手掌握，也欢迎点赞👍、转发🫴和推荐❤️～