小白也能用AI开发「小红书自动归档多维表格」采集神器,躺平整理笔记真香

大家好我是阿星👏🏻!

你平常有没有看到好选题,想带链接保存下来的时候呢?又不太方便直接整理到excel里🤔

现在,我们将通过AI coding的方式,构建chrome插件。一键采集心仪小红书笔记并瞬间传送到飞书文档的~效果👇

不用做任何下载,填写地址、飞书appid

轻轻在浏览器里点击采集即可~

所有标题、正文、点赞数、评论数、标签都被存到多维表格里啦~

核心结构如下:

创建多维表格应用

首先打开API文档。

小白不用纠结什么是api,就是钥匙🔑。代码这东西太精密了,要让外界精密地和飞书多维表格对接就得有🔑。

API文档有很多很多,你要用到的只是飞书多维表格API里的新增记录这一项,文档地址传送门:

open.feishu.cn/document/se...

另外给多维表格添加应用。

为什么要添加?

光有钥匙🔑还不行,代码很挑剔不是谁都接待,往往是封装好的才能对接。相当于火箭先在工地上装个发射台,才能上天,这个应用你就当是接驳的,送你的代码上天用的发射台。

先去右上角创建一个应用。

然后在你刚才创建的应用里👉🏻新增记录👉🏻调试台

拿到app token和app secret。

先保存下来。

初步查看API文档

要测试就要有API------至于为什么要测试,因为API这个东西你最后几步编程也要看能否跑通,到时候用cursor测试还是浪费你钱,现在飞书上试试,能跑通的话,到时候直接复制粘贴直接让cursor写。

现在咱们只主打一个知道API那一坨代码在哪里就可以了,不用每一句都看懂。

AI能看懂就行了,AI就是咱们实习生,不会再问就行了。

先随便看看👇🏻

你可以从API文档里发现,最关键的就是这几行,也就是fields字段:比如可以提炼为下面的格式,相当于火箭的body身体。我们最后测试用的也是这几行。

先填到测试台的请求体,也就是body里

json 复制代码
{
  "fields": {
    "url": "<页面的URL>",
    "标题": "<提取的标题title文本>",
    "作者": "<提取的作者username文本>",
    "正文": "<提取的正文note-text文本>",
    "标签": ["提取的标签tag", "文本"],
    "点赞": 19,
    "收藏": 21,
    "评论": 23
  }
}

创建多维表格

与此同时,在飞书多维表格里创建一个表头一样的飞书多维表格。

注意tableid是table后面这串字符👇🏻,

先复制保存下来。

然后要开通改一下新增记录权限,并发布!不发布相当于暗恋不表白,没用。

点击发布,一个完整的服务就被你发布了,多么复杂的科技就被这简单的可视化界面搞定了🤔。

给多维表格连上应用

然后回去打开多维表格,多维表格里也要连上我们创建的飞书应用,才能工作。

如果你前面忘了做上线那一步,

你会发现搜不到自己刚创建的应用,尴尬了😂

回到工作台。左下角点版本管理与发布,上线新版本就行了。

回到刚才多维表格里添加应用的地方,重新添加一次即可。

测试API

接着,我们回到控API调试控制台,继续填写测试参数,

你会发现调试台上还让填一个apptoken,千万别填成文章开头创建的应用的apptoken,跟着下面这个图,把你创建的多维表格的地址栏里base后面的一串填进去就可以了👇🏻

另外一个appid直接复制控制台的。

类型选tenant,不要选user!!!!!!!

参数过期就点下获取token就可以了

测试~

可以发现,内容已经成功写入了。

这说明我们上面测试过的,这段请求体是正确的,之后可以放心发给AI:

json 复制代码
{
  "fields": {
    "url": "<页面的URL>",
    "标题": "<提取的标题title文本>",
    "作者": "<提取的作者username文本>",
    "正文": "<提取的正文note-text文本>",
    "标签": ["提取的标签tag", "文本"],
    "点赞": 19,
    "收藏": 21,
    "评论": 23
  }
}

这段能跑通的API,先放在这里。

梳理小红书页面元素

解决了如何通信,我们要解决通信什么的问题。

到底爬小红书的啥啊?

我们来解决捕获标题、作者、正文元素的问题,根据F12翻出的元素找到对应值。

你会发现最后就集中在note和text相关的块块里有笔记内容,在data-clas-count里也有相关数据。

其实你也可以让AI给你找,前提是自己有数,不然很容易被忽悠......

最后总结下来对应关系是👇🏻

提示词的6个组成部分

接着我们撰写提示词👇一共分为6个部分,

你的总提示词必须有下面这些内容,自己整理成一个大提示词发给cursor就行了👇

1、项目概述

sql 复制代码
插件基础信息

名称:Redbook Collect

功能定位:网页信息提取+飞书多维表格写入

运行环境:Chrome浏览器

2、核心功能流程

css 复制代码
graph TD
A[用户点击插件] --> B{配置检测}
B -->|未配置| C[弹出配置窗口]
B -->|已配置| D{页面检测}
D -->|非小红书笔记页| E[显示提示]
D -->|有效笔记页| F[执行数据提取]
F --> G[构建JSON数据结构]
G --> H[调用飞书API写入]

3、配置参数和独立标签页

告诉AI,用户需要输入的必要参数:

表格URL(含app_token和table_id)

app_token

app_secret

以及,用户和插件之间的交互方式:独立标签页配置(配置项较多(如飞书的 app_token、table_id、app_secret 等),弹窗(Popup)空间有限,独立标签页提供更大的布局空间。)

4、html上的数据提取范例

告诉AI它分别需要抓取的是小红书页面上的哪些元素。

5、交互逻辑设计

告诉AI整个的工作原理是什么,就是代码的蹦迪路线是什么。

kotlin 复制代码
认证流程:

用app_token/app_secret获取tenant_access_token
携带token进行数据写入



URL参数解析逻辑:
原始URL → 提取app_token → 提取table_id


请求体结构:
{
"fields": {
    "url": "String",
    "标题": "String",
    "作者": "String",
    "正文": "String",
    "标签": ["String"],
    "点赞": Int,
    "收藏": Int,
    "评论": Int
  }
}

6、其他辅助

告诉AI其他可能遇到的情况:

异常处理:

  • 配置缺失提醒(用户没有填好密钥还怪你软件不行)
  • 非目标页面提醒(用户打开baidu让你采集小红书)
  • 认证令牌刷新机制(隐含)

开发辅助

  • 完整API请求示例
  • 关键变量提取示例(关键变量就是你得先填好的飞书账号密码和表格地址,加上要从小红书页面上抠下来的标题、作者、点赞这些具体内容)
  • 提供小红书某一个页面的HTML结构参考也就是👇小红书中要被提取信息的html中,所有的F12出来的html全都发给大模型,作为附件(可选,我亲测没有这个附件也还行)。

现在恭喜你终于可以开始编程了。同时提醒大家,稍微复杂点的AI编程都是这样提前设计很长的提示词的,不是和AI聊天聊出来的。

用cursor辅助编程

首先在本地随便创建一个英文的 文件夹,然后在cursor里打开这个文件夹👇总结上面的6项为一个提示词发过去之后很快项目就出来了

它还给出了整个Readme文档。(说明文档)

在Chrome测试插件

我们放到浏览器里试试。

打开开发者模式,加载已解压的扩展程序

然后就可以载入使用啦~

系统可能会提醒你找不到icon。其实只用在你的项目根目录下创建3张照片如下命名即可:

记得在右上角pin一下!

点击插件图标,配置appid那些参数

注意,插件里第一行就是appid (注意不是tenant!!!) ,第二行就是appscrect,就是控制台里的这一对👇🏻

加上飞书多维表格地址就行了👇🏻

随便找个文章试试,哇哦很快就可以采集上~

采集成功即为绿色👇

你会发现多维表格里神奇了多了几行~

但是你会看到有的字段没有采集到信息🤔!!!

别捉急,可以让AI严格按照下图对应关系再采集一遍:

和AI重申之后你就会发现,它又行了!每个字段都给你咔咔爬下来了👍

是不是很方便哦~特别是对标签的收纳,让我们一眼就知道自己关注的话题集中在哪个领域

往期文章:

相关推荐
江畔柳前堤5 小时前
roLabelImg 详细安装教程
开发语言·人工智能·后端·云原生
阿里云大数据AI技术5 小时前
分链路差异化设计的DSP准实时数仓|钛动科技基于阿里云实时计算 Flink 版 + DLF Paimon + EMR Serverless StarRocks 的实践
人工智能·flink
陕西企来客5 小时前
2026年7月AI智能搜索曝光趋势研判
大数据·人工智能·机器学习·ai智能搜索曝光
阿里云大数据AI技术6 小时前
从算力到智能体,面向 Agentic AI 的基础设施演进
人工智能·agent
hangyuekejiGEO6 小时前
GEO技术服务选型指南
大数据·人工智能·python
阿里云大数据AI技术7 小时前
EMR Serverless Spark AI Function 的双维降本实践
人工智能·sql·spark
维基框架7 小时前
GitHub源码处理提速 一趟扫描反而更慢
人工智能·github
冬奇Lab7 小时前
代码库知识库系列(05):向量检索 vs 知识图谱——加了调用图并没有变更好
人工智能
AKAMAI7 小时前
你的源服务器可能是你做出的最昂贵决定
运维·人工智能·云计算
冬奇Lab7 小时前
【无标题】
人工智能·开源