Tabbit决策端 · DeepSeek
解析 CSV、设计表结构、写校验
- 在工作区定位 CSV，解析出 200 行数据、26 个字段，并分析每个字段的数值分布、空值和枚举特征。
- 首选官方接口 lark-cli，发现沙箱拿不到登录凭证后，自己改走浏览器方案，不需要人介入。
- 按数据特征给 26 个字段配类型，并制定「先试写、再全量、后校验」的导入流程。
真实录屏 · 一条指令 · 200 条订单 · 26 个字段
一条指令，200 条订单，零差异入库。DeepSeek 负责设计，Tabbit 负责动手。
DeepSeek（V4 Flash High）读懂一句话，先解析本地 CSV 的 200 行、26 个字段；官方接口走不通时，自动改用 Tabbit 接管真实浏览器，复用已登录的飞书会话完成建表、写入和校验。最后 200 条订单、26 个字段与原 CSV 逐一比对，0 差异。
- 200
- 条订单记录
- 26
- 个字段，类型自动设计
- 0
- 字段差异
- 4m 15s
- 屏幕上的任务耗时
DeepSeek × Tabbit任务CSV 导入多维表格用时4m 15s
当时输入的指令
/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 用来把「操作浏览器」这件事交给 Tabbit；表格链接已做脱敏处理。
00 · 完整录屏
58 秒，看完整条自动化链路
录屏无剪辑，按任务实际过程加速播放。一侧是 DeepSeek 的规划与工具调用，另一侧是 Tabbit 驱动浏览器里的飞书页面。本页后面的每一步，都来自这一次会话。
01 — 谁决策，谁执行
两个角色，一件事
没有写死的脚本。一边分析数据、设计方案，另一边在浏览器里把方案落地。
执行端 · Tabbit
接管真实浏览器，复用已登录的飞书
- 复用用户本地浏览器里已登录的飞书会话，不需要配置 API Key 或应用凭证。
- 通过飞书页面暴露的 21 个 feishu_base_* WebMCP 结构化工具建表写字段，不是模拟鼠标点击。
- 全程只需要用户在授权弹窗里点一次「允许一次」。
02 — 执行链路
从一句话到一张能用的表，七步
阶段划分来自录屏与任务轨迹。
- 01探查
定位并解析 CSV
自动检索工作区，找到《电商订单 & 售后看板_订单_表格.csv》：200 行数据、26 个字段，覆盖订单、地址、物流、商品、金额和时间六类业务数据。
- 02换路
API 受阻，自动切换方案
先尝试用 lark-cli 走官方接口，沙箱环境读不到系统密钥链、拿不到登录凭证。智能体没有停，直接改用 Tabbit 复用浏览器里已登录的飞书会话。
- 03授权
一次点击，打开目标表
Tabbit 发起浏览器访问请求，用户点「允许一次」后，自动打开知识库里的空白多维表格：只有 1 个默认文本字段和 5 条空占位记录。
- 04设计
为 26 个字段配类型
重命名默认主字段，批量创建其余 25 个字段：订单号做文本主键，低基数枚举用单选，金额数量用数字，时间用日期时间。
- 05试写
先写 5 条，回读验证
先更新表内 5 条占位记录，写入前 5 条 CSV 数据并回读：单选选项自动映射、数字存储正确、毫秒时间戳和展示时间一致。
- 06全量
分两批写完剩余 195 条
试写通过后，剩余数据分两批（100 + 95）写入，最终正好 200 条，没有删除操作、没有冗余记录。
- 07校验
逐字段比对，0 差异
拉取表格全量记录与原 CSV 逐字段对比。第一轮报出的时间「不一致」是接口返回格式差异，修正校验逻辑后二次校验：200 × 26，0 差异。
03 — 表结构设计
不是全塞进文本列，而是按数据特征配类型
26 个字段被分成五类。这张表就是智能体交给飞书的「施工图」，也是多维表格后续能筛选、统计、算公式的前提。
| 字段类型 | 数量 | 覆盖字段 | 设计逻辑 |
|---|---|---|---|
| 文本（主字段） | 1 | 订单号 | 带字母前缀的唯一编号，不能当数字，作为表主键。 |
| 单选 | 3 | 订单状态、订单站点、物流公司 | 低基数枚举（5 / 4 / 5 种取值），彩色标签可以直接按值筛选。 |
| 文本 | 10 | 省/市/区、详细地址、联系人、联系方式、物流单号、产品ID、产品名称、父记录 | 自由文本与编码类内容；11 位手机号用文本存，避免长数字精度丢失。 |
| 数字 | 9 | 购买数量、各类单价/总价/优惠金额、发货耗时、价格折扣率 | 整数、小数、时长与比率，支持求和、平均等统计计算。 |
| 日期时间 | 3 | 下单日期、快递下单时间、发货时间 | 含时分秒，自动适配 UTC+8 时区，支持按日期筛选。 |
04 — 结果与校验
200 条 × 26 个字段，0 差异
写完不算完。智能体把表格全量拉回来，和原 CSV 逐字段比对，确认一致后才交付。
01
正好 200 条记录
5 条占位行写入前 5 条数据，剩余 195 条分两批（100 + 95）写入。最终正好 200 条，无删除、无冗余。
02
每种类型都生效
单选字段自动出彩色标签，数字字段可以跑公式，日期时间字段开箱即可按日期筛选。
03
0 差异校验
200 × 26 个单元格与原 CSV 逐字段比对，最终结果：0 差异。
校验也有小插曲：第一轮比对报出时间字段「不一致」，原因是接口返回给前端的是 ISO 展示字符串、底层存的是毫秒时间戳。智能体修正校验逻辑后重新比对，才确认 0 差异。本案中的订单与地址均为演示样例数据。
05 — 为什么成立
这次导入靠四件事站住
都跟模型参数量没关系。
01
走不通就换路
官方 API 拿不到凭证，就改用浏览器里现成的登录态。容错不靠重试，靠预先准备好第二条路。
02
类型设计才是灵魂
机械地把所有列写成文本，多维表格就只剩一个壳。按数据特征配类型，筛选、分组、统计才真的能用。
03
先试写，再全量，后校验
5 条试写拦住格式问题，全量写完后逐字段比对。脏数据根本没机会进表。
04
结构化接口，不是模拟点击
操作走的是飞书页面暴露的 21 个 feishu_base_* WebMCP 工具，写入准确，也不怕页面 UI 改版。
06 — 复刻指南
四句话，让导入更稳
直接复制给任何能调用 Tabbit 的 Agent。
01
给出确切的表链接和文件名
目标表的 URL、源文件的完整文件名都写清楚，Agent 就不用猜你说的是哪张表、哪个文件。本页顶部那条指令就是模板。
02
要求按数据特征选类型
不加这句，很多 Agent 会把所有列都建成文本。
Prompt
每个字段都根据实际数据选择合适的类型（文本/单选/数字/日期时间等），不要用清一色文本。
03
要求先试写再全量
小批量验证能拦住绝大多数格式事故。
Prompt
先写入前 5 条并回读校验格式，确认无误后再分批写入剩余数据。
04
把校验写进任务里
导入完成 ≠ 导入正确。让它自己证明。
Prompt
导入完成后，拉取表格全量记录与原 CSV 逐字段比对，并报告差异数量。
07 — 继续阅读
Agent + Tabbit 案例系列
同一个套路，五种不同的活：通用 Agent 负责思考，Tabbit 负责浏览。
01已上线
跟踪四个标的的 7 日走势
豆包工作规划、Tabbit 读东方财富、报告自动渲染。
02已上线
收集热门笔记
千问办公按互动量排序选题，Tabbit 逐篇打开，取回正文与图片素材。
03已上线
逐个录入商品
Codex 准备好资料，Tabbit 在浏览器里把表单一条条填完。
04已上线
把 200 条订单灌进多维表格
DeepSeek 设计表结构，Tabbit 在浏览器里写入飞书。你正在读的就是这一篇。
05已上线
收集每日资讯
WorkBuddy 判断今天该看什么，Tabbit 逐个来源把内容收回来。
相关阅读
浏览器 Agent 到底有多快？
我们把 Tabbit CLI 和 Codex Chrome 接管、Vercel Labs Agent Browser 做了对比：25 道题、225 次运行、盲评判分。
常见问题
看完这个演示，大家最常问的几件事
需要写代码或配 API 吗？
不需要。整个任务就是一句自然语言。首选的官方接口走不通时，智能体自己改用 Tabbit 复用浏览器登录态，不需要你申请 API Key，也不需要配置应用凭证。
Tabbit 是怎么操作飞书表格的？
通过飞书页面原生暴露的 21 个 feishu_base_* WebMCP 结构化工具：建字段、写记录、读全量数据都是函数调用，不是模拟鼠标键盘点击，所以不受页面 UI 变动影响，写入准确率更高。
为什么手机号要用文本字段？
11 位手机号一旦按数字存储，可能遭遇长数字精度丢失或前导符丢失，而且手机号本来也不需要参与四则运算。用文本存，原样保真。
校验时报出的「时间不一致」是怎么回事？
接口返回给前端的时间是 ISO 格式字符串，而表格底层存的是标准毫秒时间戳，两者数值一致、格式不同。智能体识别出这是表示层差异，修正校验逻辑后重新比对，最终结果 0 差异。
整个过程需要人做什么？
点一次「允许一次」授权。建表、配类型、试写、全量写入、校验全部由智能体完成，总耗时 4 分 15 秒。
试一试
让你的 Agent 接管那张表
安装 Tabbit，在你已经在用的 Agent 里输入 /tabbit，把那张一直没空整理的 CSV 交给它。
支持 macOS 与 Windows，免费下载。