扣子(coze)高级实战-【今日头条】输入关键词批量采集,循环写入飞书多维表格

文章说明:

  • 文章有出现小红薯的地方,本来是为了写小红薯
  • 但是风控太严了,用 cookie 登录,直接把我的电脑端、手机端全部下线了,然后之前的设置就保留了,换成今日头条了
  • 文章全流程都是自己摸索打通的,包括(飞书、代码快、参数)等
  • 文章历史两天完成,主要在调试(坑太多)

这个工作流的思路是

  • 你输入一个关键词(比如"早八通勤妆"),它能自动在头条帮你搜出N条热门笔记,然后一条条地自动填入你建好的飞书多维表格里。
  • 这就好比雇了个24小时不休息的实习助理,专门帮你做素材搜集和整理

整个流程的骨架是这样的

  • 开始(输入关键词)
  • 搜索插件(搜笔记列表)
  • 循环节点(处理每条笔记) ->(循环体内:获取详情 → 代码拼装格式)
  • 飞书写入
  • 结束

别被这个骨架吓到,我会把它拆成你能一步步跟着点的小操作。

📌 准备工作:拿到飞书的"钥匙"

1. 创建飞书多维表格,复制链接

这是最终数据的落脚点。表格链接就相当于你家的地址,扣子得靠它才能把数据送到家。

  • 🔍 操作解读
    • 打开飞书,新建一个多维表格,名字就叫"今日头条素材库"。
    • 设计好字段(也就是表头),可以参考这套配置,按需增减:
      1. 标题 (文本)
      2. 链接 (文本
      3. 摘要 (文本)
    • 复制浏览器顶部的表格链接,保存备用,这就是传说中的 app_token
2.⭐获取多维表格的 app_tokentable_id

刚刚复制的表格链接里,其实包含了两个关键信息:app_tokentable_id

app_token 相当于整个多维表格文件的身份证,而 table_id 则是文件里某一张具体子表的身份证。

一个多维表格可以有多个子表,所以两者缺一不可

  • 🔍 操作解读

    • 在浏览器打开你的多维表格,查看地址栏的 URL。
    • URL 的结构大致是:https://xxx.feishu.cn/base/XXXXX?table=YYYYY
    Plain 复制代码
     https://my.feishu.cn/wiki/LR79wrhXhinpLekY4aEcWepdnRw?table=tblCjG3GzToBsSEd&view=vewBtNUy32
    • 获取 app_token****(Base ID)base/ 后面到 ? 之前的那串字符(示例中的 XXXXX),就是 app_token。把它复制并单独记下来。
    Plain 复制代码
     LR79wrhXhinpLekY4aEcWepdnRw

    获取 table_id****(Table ID)?table= 后面的那串字符(示例中的 YYYYY),就是 table_id。同样复制并单独记下来。

    Plain 复制代码
      tblCjG3GzToBsSEd
    • 检查 :如果你的表格有多个子表,切换到不同子表时,URL 中 table= 后面的这串 ID 会变化 。请务必确保当前打开的是你想写入数据的那张子表,再复制 table_id

📦 记忆技巧

  • app_token 帮你找到"文件"
  • table_id 帮你找到"文件里的那张表"。
3. ⭐ 创建并授权飞书应用(个人版关键步骤)

之前只讲了要飞书多维表格的链接,但这还不够。

要让扣子有权限往你的多维表格里写数据,需要去 飞书开放平台 创建一个应用来授权。

这是整个流程的关键,一步都不能省。

🔍 操作解读

  1. 进入飞书开放平台 :在浏览器中打开 https://open.feishu.cn/,使用你的个人飞书账号登录。
  2. 创建企业自建应用 :进入"开发者后台 ",点击"创建企业自建应用"。填写应用名称(如"扣子素材采集助手")、描述和图标,然后点击"创建"。
  1. ⭐ 开通多维表格权限
    1. 在应用详情页的左侧导航栏,点击"权限管理"。
    2. 在"权限管 理"页面,点击"开通权限"。
    3. 在搜索框输入"多维表格"
    4. 勾选"查看、评论、编辑和管理多维表格"及其所有子权限
    5. 确保"应用身份权限 "和"用户身份权限"下的选项都勾选上
    6. 然后点击"确认开通权限"。
  1. ⭐ 发布应用并关联多维表格
  • 发布应用 :在应用详情页顶部,点击"创建版本 ",输入版本号(如 v1.0)和更新说明,点击"保存"。接着,在右上角点击"申请线上发布 "。首次发布通常会自动通过审核,无需人工审批
  • 关联多维表格 :回到你的飞书多维表格页面,点击右上角的"... "菜单,选择"更多 " -> "添加文档应用 "。在弹出的窗口中,搜索你刚刚创建的应用名称("扣子素材采集助手 "),点击"添加"。这一步是告诉飞书,这个应用可以操作这个表格。
  1. 获取并保存 App ID 和 App Secret :在应用详情页的"凭证与基础信息 "页面,复制 App IDApp Secret 并妥善保存。这两个是应用的"账号 "和"密码",后续配置会用到。

⚠️ 避坑提醒:应用发布后,最好等待几分钟再操作,权限同步需要一点时间。

1️⃣ 第一步:创建工作流并设置"开始"节点

  • 🖱️ 操作解读
    • 登录扣子平台(coze.cn ),左侧菜单点 "资源库""工作流""创建工作流",名字就叫"今日头条批量采集"。
    • 在画布上找到"开始"节点,点击它,在右侧面板设置输入变量。
  • 🧩 参数配置 :我们需要定义以下变量,方便后续调用:
    • keywordString,输入搜索关键词。
    • countNumber ,搜索数量,建议先填 5 测试(我就用默认的了)。

🧠 设计意图 :开始节点决定了工作流接收什么"原料"。这里定义 keywordcount 两个参数,供后续搜索插件使用。

2️⃣ 第二步:添加"头条搜索"插件

  • 🔍 操作解读
    • 在左侧节点列表找到 "插件" ,点开,搜索 "头条搜索"
    • 找到官方出品的"头条搜索"插件,选择 search 工具,点击添加。
    • 将"开始"节点底部的连线点,拖到"搜索"插件节点顶部的连接点上,让数据能流过去。
    • 点开搜索插件配置面板,找到 input_query 字段,点击输入框,通过"添加变量 "→"节点引用 "→选择开始节点keyword
  • ⚠️ 踩坑预警
    • 官方搜索插件相对稳定,但若返回数据为空,先检查 input_query 是否引用正确。
    • 输入参数除了 input_query 之外,其他可以留空。

3️⃣ 第三步:添加"循环"节点,逐个处理每条新闻

这是批量操作的灵魂,能让机器自动完成重复的提取工作。

  • 🔍 操作解读
    • 添加节点,搜索 "循环" ,将它连接在"头条搜索"插件的后面。
    • 点击"循环 "节点,在右侧配置:
      1. 循环数据 :点击输入框,通过"添加变量"→"节点引用"→选择 头条搜索/search 节点的输出字段。在引用时逐层展开,选择 data 下的 doc_results 列表(格式为 Array<Object>)。
      2. 循环次数:可以留空,系统会自动根据列表长度来循环。
  • 💡 核心思路 :插件返回的是一个新闻列表,循环节点能让下面的步骤(大模型提炼、代码拼装等)对列表里的每一条新闻都执行一次,这样就实现了批量处理。

4️⃣ 第四步:添加"代码"节点,拼装飞书格式

这是解决"飞书不收"问题的关键,必须把数据格式做得分毫不差。

  • 🔍 操作解读

    • 在大模型节点后,添加一个 "代码" 节点。

    • 语言选 Python 。点击代码节点,先别急着写代码,先点开 "输入"参数

    • 代码编辑区,粘贴以下代码(注意把字段名改成和你的飞书表格列名一模一样):

    Python 复制代码
     async def main(args):
         # 当前循环的是 单个对象(item)
         item_str= args["params"]["input"]
     
         # 直接取 title 和 url
         title = item_str["title"]
         url = item_str["url"]
         summary = item_str["summary"]
         #return item
         # 返回
         records = [{
             "fields": {
                 "标题": title,
                 "摘要": summary,
                 "链接": url
             }
         }]
         
         return {"records": records}
  • 📦 代码解读

    • 飞书的 add_records 插件只认 Array<Object> 格式,也就是 [{ "fields": {"列名": "值"} }] 这样的结构。
    • 代码节点的作用,就是把上游散乱的字段,严格按照这个格式封装好。
    • fields里的key必须和你的飞书表格列名一模一样,一个字都不能差,包括空格、大小写,否则飞书那边会报错。

5️⃣ 第六步:添加"飞书多维表格写入"插件

这是最后一步,把处理好的数据送入飞书表格。

  • 🔍 操作解读
    • 在代码节点后,添加插件,搜索 "飞书" ,找到官方的 "飞书多维表格" ,选 add_records 功能。
    • 配置参数:
      1. app_token :粘贴在准备工作中获取的 app_token(即 base/ 后面的那串字符)。
      2. table_id :粘贴在准备工作中获取的 table_id(即 ?table= 后面的那串字符)。
      3. records :点击"添加变量"→"节点引用"→选择 代码节点records
  • 首次使用需授权:点击"飞书多维表格"插件节点上的"去授权"按钮。在弹窗中选择"单独授权",使用已创建好应用并关联了表格的飞书账号登录并授权。

🔧 测试技巧 :授权时如果遇到"获取授权码为空 "或失败 ,建议多刷新重试几次。一般2-3次就能成功。如果插件里没看到 app_tokentable_id 输入框,可以先手动输入参数名,再点击"去授权"。

6️⃣ 第七步:连接、测试与发布

  • 🖱️ 连接
    • 在循环体内,将代码节点底部连到"飞书写入"插件顶部。
    • 点击左上角返回主画布,检查所有连线是否正确:开始 → 头条搜索 → 循环 → 结束
  • 🧪 测试调优
    • 点击画布右上角的 "试运行"
    • 输入一个关键词,比如"AI工具",采集数量先填 3
    • 点击运行,观察节点变绿,最后看飞书多维表格里是不是多出了3行数据。
    • 如果写入失败:
      1. 检查1 :代码节点里的 fields 里的 key 和飞书表格列名是否一模一样
      2. 检查2app_tokentable_id 是否分别粘贴正确,没有搞混。
      3. 检查3:飞书应用权限是否已开通并发布,表格是否已关联该应用。
  • 🚀 发布:测试通过后,点"发布",再回到智能体或API中调用即可。


⚠️ 常见踩坑与排错

现象 原因 解决
搜索插件返回空数据 input_query 未正确引用开始节点的 keyword 检查插件配置面板,确认引用路径为 开始节点 → keyword
飞书写入报错"格式错误"或"fields cannot be extracted" 代码输出的 fields 里的 key 和飞书表格列名不一致 回代码节点核对每个 key,包括空格、标点全角半角
循环中途中断 某条新闻的字段为空(如 title 为 null) 在代码节点加保护:title = args.title or ""
插件授权失败 应用权限未生效或发布未完成 ① 检查是否已创建版本并发布;② 等待几分钟再试;③ 确认"权限管理"中已开通多维表格权限
写入时提示找不到表格 app_token 或 table_id 填错,或表格未关联应用 重新检查 URL 中的两串字符是否正确复制;确认表格已添加文档应用

最浪费时间的是代码块,一度三次放弃,始终不能正确解析,最后一步一调试才通过的,主要原因:

  • item_str= args["params"]["input"] :params 这货是固定的,input 是你参数名
  • "fields": {}:这货必须叫 fields
  • 这种时候不适合单步调试,必须完整的调试,看报错日志

💡 留给读者思考:方案三,实现完全自动化

到这里,你已经跑通了整个流程。

那么,如何让它更上一层楼,实现完全自动化呢?这就是留给你的"方案三"思考题

它的雏形其实已经在你手上了。

在扣子平台里,你可以给任何智能体或工作流添加"定时触发器"------设置在每天早上8:00自动执行,固定好关键词,到点就能自动把最新的爆款笔记送入你的飞书表格。

这个方案的挑战不在于"能不能做",而在于"怎么做才稳"。你需要思考:

  1. 触发器的稳定性 :如何确保设置好的定时任务不"掉链子"?是检查工作流日志,还是增设异常告警?
  2. Cookie的动态更新:Cookie是有有效期的,不能一劳永逸。能否设计一个机制,让它能在失效前自动更新,或者通过其他API(如官方开放平台)来规避这个问题?
  3. 关键词的自动轮换 :如果我想监控"AI工具 "、"内容创作 "、"小红书运营"等多个关键词,是创建多个定时任务,还是能在工作流里自动循环处理关键词列表?

当你把这些问题都想清楚并动手去验证,你就不再是跟着教程做的"小白 ",而是能独立设计自动化方案的"创作者"了。

相关推荐
victory04311 小时前
DeepSeek-R1 86页加长版:通过强化学习激励大语言模型的推理能力 技术报告中文翻译
人工智能
郑寿昌1 小时前
2026传感器革命:智能感知新纪元
人工智能
杰之行1 小时前
Fast-DDS Transport 层架构详解
c++·人工智能
陈天伟教授1 小时前
图解人工智能(19)机器学习基本流程
人工智能
lusasky1 小时前
GPU芯片那些事
人工智能
码农阿强1 小时前
技术解析|doubao‑seedance 全系列模型深度解读:API 开放生态赋能 AI 视频生成工程化
人工智能·音视频
大拿爱科技1 小时前
声音克隆接入短视频流程时,哪些环节最容易出问题?
人工智能·aigc·音视频·语音识别
人月神话-Lee1 小时前
【图像处理】二值化与阈值——从灰度到黑白的决策
图像处理·人工智能·计算机视觉
瑞华丽PLM1 小时前
瑞华丽工业软件研发效能全景展示
人工智能·算法·cae·工业软件·国产软件·瑞华丽plm·瑞华丽