Tabbit決策端 · DeepSeek
解析 CSV、設計表結構、寫校驗
- 在工作區定位 CSV，解析出 200 列資料、26 個欄位，並分析每個欄位的數值分佈、空值和列舉特徵。
- 首選官方介面 lark-cli，發現沙箱拿不到登入憑證後，自己改走瀏覽器方案，不需要人介入。
- 按資料特徵幫 26 個欄位配類型，並制定「先試寫、再全量、後校驗」的匯入流程。
真實錄影 · 一條指令 · 200 筆訂單 · 26 個欄位
一條指令，200 筆訂單，零差異入庫。DeepSeek 負責設計，Tabbit 負責動手。
DeepSeek（V4 Flash High）讀懂一句話，先解析本機 CSV 的 200 列、26 個欄位；官方介面走不通時，自動改用 Tabbit 接管真實瀏覽器，複用已登入的飛書工作階段完成建表、寫入和校驗。最後 200 筆訂單、26 個欄位與原 CSV 逐一比對，0 差異。
- 200
- 筆訂單記錄
- 26
- 個欄位，類型自動設計
- 0
- 欄位差異
- 4m 15s
- 螢幕上的任務耗時
DeepSeek × Tabbit任務CSV 匯入多維表格耗時4m 15s
當時輸入的指令
/tabbit 打开 https://wcqo17bzyh.feishu.cn/wiki/Hbgf…pUsX 并把 电商订单 & 售后看板_订单_表格.csv 的数据填写到多维表格中，每个字段都选择合适的类型。
/tabbit 用來把「操作瀏覽器」這件事交給 Tabbit；表格連結已做去識別處理。
00 · 完整錄影
58 秒，看完整條自動化鏈路
錄影無剪輯，按任務實際過程加速播放。一側是 DeepSeek 的規劃與工具呼叫，另一側是 Tabbit 驅動瀏覽器裡的飛書頁面。本頁後面的每一步，都來自這一次工作階段。
01 — 誰決策，誰執行
兩個角色，一件事
沒有寫死的腳本。一邊分析資料、設計方案，另一邊在瀏覽器裡把方案落地。
執行端 · Tabbit
接管真實瀏覽器，複用已登入的飛書
- 複用使用者本機瀏覽器裡已登入的飛書工作階段，不需要設定 API Key 或應用憑證。
- 透過飛書頁面暴露的 21 個 feishu_base_* WebMCP 結構化工具建表寫欄位，不是模擬滑鼠點擊。
- 全程只需要使用者在授權彈窗裡點一次「允許一次」。
02 — 執行鏈路
從一句話到一張能用的表，七步
階段劃分來自錄影與任務軌跡。
- 01探查
定位並解析 CSV
自動檢索工作區，找到《电商订单 & 售后看板_订单_表格.csv》：200 列資料、26 個欄位，涵蓋訂單、地址、物流、商品、金額和時間六類業務資料。
- 02換路
API 受阻，自動切換方案
先嘗試用 lark-cli 走官方介面，沙箱環境讀不到系統鑰匙圈、拿不到登入憑證。智慧代理沒有停，直接改用 Tabbit 複用瀏覽器裡已登入的飛書工作階段。
- 03授權
一次點擊，打開目標表
Tabbit 發起瀏覽器存取請求，使用者點「允許一次」後，自動打開知識庫裡的空白多維表格：只有 1 個預設文字欄位和 5 筆空占位記錄。
- 04設計
為 26 個欄位配類型
重新命名預設主欄位，批次建立其餘 25 個欄位：訂單號做文字主鍵，低基數列舉用單選，金額數量用數字，時間用日期時間。
- 05試寫
先寫 5 筆，回讀驗證
先更新表內 5 筆占位記錄，寫入前 5 筆 CSV 資料並回讀：單選選項自動對應、數字儲存正確、毫秒時間戳和顯示時間一致。
- 06全量
分兩批寫完剩餘 195 筆
試寫通過後，剩餘資料分兩批（100 + 95）寫入，最終正好 200 筆，沒有刪除操作、沒有冗餘記錄。
- 07校驗
逐欄位比對，0 差異
拉取表格全量記錄與原 CSV 逐欄位對比。第一輪報出的時間「不一致」是介面回傳格式差異，修正校驗邏輯後二次校驗：200 × 26，0 差異。
03 — 表結構設計
不是全塞進文字欄，而是按資料特徵配類型
26 個欄位被分成五類。這張表就是智慧代理交給飛書的「施工圖」，也是多維表格後續能篩選、統計、算公式的前提。
| 欄位類型 | 數量 | 涵蓋欄位 | 設計邏輯 |
|---|---|---|---|
| 文字（主欄位） | 1 | 訂單號 | 帶字母前綴的唯一編號，不能當數字，作為表主鍵。 |
| 單選 | 3 | 訂單狀態、訂單站點、物流公司 | 低基數列舉（5 / 4 / 5 種取值），彩色標籤可以直接按值篩選。 |
| 文字 | 10 | 省/市/區、詳細地址、聯絡人、聯絡方式、物流單號、產品ID、產品名稱、父記錄 | 自由文字與編碼類內容；11 位手機號用文字存，避免長數字精度遺失。 |
| 數字 | 9 | 購買數量、各類單價/總價/優惠金額、發貨耗時、價格折扣率 | 整數、小數、時長與比率，支援加總、平均等統計計算。 |
| 日期時間 | 3 | 下單日期、快遞下單時間、發貨時間 | 含時分秒，自動適配 UTC+8 時區，支援按日期篩選。 |
04 — 結果與校驗
200 筆 × 26 個欄位，0 差異
寫完不算完。智慧代理把表格全量拉回來，和原 CSV 逐欄位比對，確認一致後才交付。
01
正好 200 筆記錄
5 筆占位列寫入前 5 筆資料，剩餘 195 筆分兩批（100 + 95）寫入。最終正好 200 筆，無刪除、無冗餘。
02
每種類型都生效
單選欄位自動出彩色標籤，數字欄位可以跑公式，日期時間欄位開箱即可按日期篩選。
03
0 差異校驗
200 × 26 個儲存格與原 CSV 逐欄位比對，最終結果：0 差異。
校驗也有小插曲：第一輪比對報出時間欄位「不一致」，原因是介面回傳給前端的是 ISO 顯示字串、底層存的是毫秒時間戳。智慧代理修正校驗邏輯後重新比對，才確認 0 差異。本案中的訂單與地址均為示範樣例資料。
05 — 為什麼成立
這次匯入靠四件事站住
都跟模型參數量沒關係。
01
走不通就換路
官方 API 拿不到憑證，就改用瀏覽器裡現成的登入態。容錯不靠重試，靠預先準備好第二條路。
02
類型設計才是靈魂
機械地把所有欄寫成文字，多維表格就只剩一個殼。按資料特徵配類型，篩選、分組、統計才真的能用。
03
先試寫，再全量，後校驗
5 筆試寫攔住格式問題，全量寫完後逐欄位比對。髒資料根本沒機會進表。
04
結構化介面，不是模擬點擊
操作走的是飛書頁面暴露的 21 個 feishu_base_* WebMCP 工具，寫入準確，也不怕頁面 UI 改版。
06 — 複刻指南
四句話，讓匯入更穩
直接複製給任何能呼叫 Tabbit 的 Agent。
01
給出確切的表連結和檔名
目標表的 URL、來源檔案的完整檔名都寫清楚，Agent 就不用猜你說的是哪張表、哪個檔案。本頁頂部那條指令就是範本。
02
要求按資料特徵選類型
不加這句，很多 Agent 會把所有欄都建成文字。
Prompt
每個欄位都根據實際資料選擇合適的類型（文字/單選/數字/日期時間等），不要用清一色文字。
03
要求先試寫再全量
小批次驗證能攔住絕大多數格式事故。
Prompt
先寫入前 5 筆並回讀校驗格式，確認無誤後再分批寫入剩餘資料。
04
把校驗寫進任務裡
匯入完成 ≠ 匯入正確。讓它自己證明。
Prompt
匯入完成後，拉取表格全量記錄與原 CSV 逐欄位比對，並報告差異數量。
07 — 繼續閱讀
Agent + Tabbit 案例系列
同一個套路，五種不同的活：通用 Agent 負責思考，Tabbit 負責瀏覽。
01已上線
追蹤四個標的的 7 日走勢
豆包工作規劃、Tabbit 讀東方財富、報告自動渲染。
02已上線
收集熱門筆記
千問辦公依互動量排序選題，Tabbit 逐篇打開，取回正文與圖片素材。
03已上線
逐筆錄入商品
Codex 準備好資料，Tabbit 在瀏覽器裡把表單一條條填完。
04已上線
把 200 筆訂單灌進多維表格
DeepSeek 設計表結構，Tabbit 在瀏覽器裡寫入飛書。你正在讀的就是這一篇。
05已上線
收集每日資訊
WorkBuddy 判斷今天該看什麼，Tabbit 逐個來源把內容收回來。
相關閱讀
瀏覽器 Agent 到底有多快？
我們把 Tabbit CLI 和 Codex Chrome 接管、Vercel Labs Agent Browser 做了對比：25 道題、225 次執行、盲評判分。
常見問題
看完這個示範，大家最常問的幾件事
需要寫程式或設定 API 嗎？
不需要。整個任務就是一句自然語言。首選的官方介面走不通時，智慧代理自己改用 Tabbit 複用瀏覽器登入態，不需要你申請 API Key，也不需要設定應用憑證。
Tabbit 是怎麼操作飛書表格的？
透過飛書頁面原生暴露的 21 個 feishu_base_* WebMCP 結構化工具：建欄位、寫記錄、讀全量資料都是函式呼叫，不是模擬滑鼠鍵盤點擊，所以不受頁面 UI 變動影響，寫入準確率更高。
為什麼手機號要用文字欄位？
11 位手機號一旦按數字儲存，可能遭遇長數字精度遺失或前導符遺失，而且手機號本來也不需要參與四則運算。用文字存，原樣保真。
校驗時報出的「時間不一致」是怎麼回事？
介面回傳給前端的時間是 ISO 格式字串，而表格底層存的是標準毫秒時間戳，兩者數值一致、格式不同。智慧代理識別出這是呈現層差異，修正校驗邏輯後重新比對，最終結果 0 差異。
整個過程需要人做什麼？
點一次「允許一次」授權。建表、配類型、試寫、全量寫入、校驗全部由智慧代理完成，總耗時 4 分 15 秒。
試一試
讓你的 Agent 接管那張表
安裝 Tabbit，在你已經在用的 Agent 裡輸入 /tabbit，把那張一直沒空整理的 CSV 交給它。
支援 macOS 與 Windows，免費下載。