【小白使用视角】coze多维表格插件数据格式转换方法系统性介绍

xiaoxiongAI
126 阅读11分钟

前言

  1. coze知识文档搭建的初衷：本人作为小白，实践学习AI和coze等工作流已有大半年的时间，深知作为一个小白从零开始学习的难度不小，并且本人搜索了全网各平台，对coze平台底层原理性介绍、具体详细操作介绍的视频和文档少之又少，但是coze中很多插件又缺乏详细具体使用的介绍，所以结合本地近半年大量的实践经验，希望能够整理一份系统性的coze工作流的知识库文档，并且免费开源供大家使用。

  2. coze知识文档搭建的期望：本人期望利用业余时间搭建一个入门小白视角可以使用的、系统性的coze知识文档，已经在持续更新中，具体规模大小还不确认，也许1万字？也许5万字？（先给自己定一个小目标哈哈哈🤣）总而言之，就是希望将自己实践的经验，可以开源分享给大家使用，大家也可以评论或添加我的微信，一起讨论更好的coze使用的方案

本文档仅为其中一小部分的介绍，为了方便大家咨询问题、讨论或者获取更多coze教程，也可以添加我的微信，希望可以和大家一起共建一个coze讨论社区！！

微信：xiaoxiongAI25

文章飞书云文档源链接：deio1xdmcj.feishu.cn/docx/W5n7dE…

文档正式内容：

一、coze多维表格插件数据格式的背景
  1. 前述讲到从多维表格搜索记录插件获取的数据，其对应的数据格式是字符串，字符串里面包了json对象的数据，我们实际上是要拿到json对象的数据，才能方便后续其他插件的使用。本质上就是要把数据从字符串格式转换成object对象格式。

暂时无法在飞书文档外展示此内容

二、方法一：使用【代码节点】转换多维表格数据格式
  1. 工作流全流程

  1. 代码节点转换格式的操作方法

    1. 直接编写python代码，把字符串格式转换为object对象格式，或数组（object对象格式）

    2. **【重点推荐，对新手友好】——AI写代码，**亲测按照以下顺序操作，代码一次运行成率高达95%以上

  2. AI写代码操作步骤

步骤

说明

示例

  1. 代码节点的输入关联多维表格节点的输出

在代码节点的输入中，关联上一个多维表格节点输出的变量，选择data数据节点或items数据节点都可以，只不过data数据节点包含的数据会更多，包含了hash_more、page_token数据；如果不需要的话，直接关联上items数据节点也可以

  1. 运行一次工作流

把其他节点先随便连接上，让整个工作流可以运行起来；然后获取多维表格传给代码节点的真实数据，并且复制下来备用

  1. 复制代码节点的示例代码

点开代码节点，点击【在IDE中编辑】，再选择【python】语言，然后把代码框中的所有内容，原封不动的复制下来备用

  1. 构建预期输出结果的数据格式【难点】

（需要熟悉数据结构类型）

我们要分析预期要得到的数据格式，然后撰写一个案例出来。比如示例中，多维表格里面是项目名称和负责人两个字段，然后一共5条记录，我们想要把5条记录都输出出来，那么转换成object对象存储的数据格式，并且总共有5条记录，那么一共会有5个object对象，这时候最好又用数组包起来，所以最后要输出的是数组（object对象）格式。如下：

{"data": [

"fields" :{

"负责人" : "张三",

"项目名称" : "项目1"

}，

"fields" :{

"负责人" : "李四",

"项目名称" : "项目2"

}，

...

]

}

示例多维表格记录

预期输出的结构

  1. 配置代码节点的输出

对照上面预期的输出结构，在代码节点配置变量名称和变量类型

  1. 配置一级变量名，即data数据节点➡️选择其数据类型，即数组（object对象）——Array（Object）

  2. 添加子项，即把数组里面的oject对象也输出➡️子项的变量名是fields，数据类型是object对象

  1. 撰写提示词，让AI生成代码

提示词包含4个部分：

  1. 需求描述

  2. 输入的数据

  3. 预期输出的数据格式

  4. 代码节点的示例代码

（详细提示词见附录）

然后把代码给Deepseek运行。

代码一次运行成功！！！

三、方法二：使用【大模型节点】转换多维表格数据格式
  1. 工作流全流程

  1. 大模型转换代码格式的操作步骤

步骤

说明

示例

  1. 大模型节点的输入关联多维表格节点的输出

在大模型节点的输入中，关联上一个多维表格节点输出的变量，选择data数据节点或items数据节点都可以，只不过data数据节点包含的数据会更多，包含了hash_more、page_token数据；如果不需要的话，直接关联上items数据节点也可以

  1. 运行一次工作流

把其他节点先随便连接上，先使用少量数据，让整个工作流可以运行起来；然后获取多维表格传给代码节点的真实数据，并且复制下来备用

  1. 构建预期输出结果的数据格式【难点】

（需要熟悉数据结构类型）

我们要分析预期要得到的数据格式，然后撰写一个案例出来。比如示例中，多维表格里面是项目名称和负责人两个字段，然后一共5条记录，我们想要把5条记录都输出出来，那么转换成object对象存储的数据格式，并且总共有5条记录，那么一共会有5个object对象，这时候最好又用数组包起来，所以最后要输出的是数组（object对象）格式。如下：

{"data": [

"fields" :{

"负责人" : "张三",

"项目名称" : "项目1"

}，

"fields" :{

"负责人" : "李四",

"项目名称" : "项目2"

}，

...

]

}

示例多维表格记录

预期输出的结构

  1. 撰写提示词，让AI生成代码

提示词包含4个部分：

  1. 需求描述

  2. 输入的数据

  3. 预期输出的数据格式

  4. 异常情况兼容

（详细提示词见附录）

四、使用建议

优先建议使用【代码节点】，稳定性较高；如果实在不会代码使用和调试，再使用大模型节点。

优点

缺点

代码节点

  1. 执行稳定性高

  2. 无需付费

  3. 代码生成和调试有一定难度

大模型节点

  1. 使用相对简单

  2. 执行可能存在不稳定，存在幻觉

  3. 使用官方模型，超过额度之后，需要付费

五、附录

  1. 多维表格数据格式转换代码Prompt

    一、提示词Prompt 需求：我现在正在使用coze的代码节点进行数据格式转换，输入的数据见下述第一点，输出的格式见下述第二点。你需要严格遵循下述第3点代码节点示例代码的逻辑和格式要求，给出完整的python代码，不要有任何的遗漏！！

    1. 输入的数据 { "input": { "has_more": false, "items": [ { "fields": "{"负责人":[{"type":"text","text":"张三"}],"项目名称":[{"text":"项目1","type":"text"}]}", "record_id": "reci1i6lVT" }, { "fields": "{"负责人":[{"text":"李四","type":"text"}],"项目名称":[{"text":"项目2","type":"text"}]}", "record_id": "recgmbJpp6" }, { "fields": "{"项目名称":[{"text":"项目3","type":"text"}],"负责人":[{"text":"王五","type":"text"}]}", "record_id": "reczTt3gr4" }, { "fields": "{"负责人":[{"text":"赵六","type":"text"}],"项目名称":[{"text":"项目4","type":"text"}]}", "record_id": "rec95bxK8Y" }, { "fields": "{"负责人":[{"text":"钱七","type":"text"}],"项目名称":[{"text":"项目5","type":"text"}]}", "record_id": "recU8qlUbN" } ], "page_token": null, "total": 5 } }

    2. 预期输出的数据格式（仅为格式示意，具体输出内容以输入的数据为准） {"data": [ "fields" :{ "负责人" : "张三", "项目名称" : "项目1" }, "fields" :{ "负责人" : "李四", "项目名称" : "项目2" } ] }

    3. 代码节点的示例代码 '''python

    在这里，您可以通过 'args' 获取节点中的输入变量，并通过 'ret' 输出结果

    'args' 已经被正确地注入到环境中

    下面是一个示例，首先获取节点的全部输入参数params，其次获取其中参数名为'input'的值：

    params = args.params;

    input = params['input'];

    下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：

    ret: Output = { "name": '小明', "hobbies": ["看书", "旅游"] };

    async def main(args: Args) -> Output: params = args.params # 构建输出对象 ret: Output = { "key0": params['input'] + params['input'], # 拼接两次入参 input 的值 "key1": ["hello", "world"], # 输出一个数组 "key2": { # 输出一个Object "key21": "hi" }, } return ret '''

    二、Deepseek输出的代码 根据需求，我将严格按照代码节点示例的逻辑和格式编写转换代码。以下是完整的解决方案：

    async def main(args: Args) -> Output: params = args.params input_data = params['input']

    # 构建输出数据结构
data_list = []

# 处理每个item
for item in input_data['items']:
    # 解析fields字符串为字典
    fields_dict = eval(item['fields'])
    
    # 提取字段值
    processed_fields = {}
    for field_name, field_list in fields_dict.items():
        # 取列表中第一个元素的text值
        if field_list and isinstance(field_list, list) and field_list[0].get('text'):
            processed_fields[field_name] = field_list[0]['text']
    
    # 构建fields对象
    data_list.append({"fields": processed_fields})

# 构建最终输出
ret: Output = {"data": data_list}
return ret

    代码说明：

    1. 输入获取：
      • 通过 params = args.params 获取所有输入参数
      • 使用 input_data = params['input'] 获取输入数据
    2. 数据处理：
      • 初始化 data_list 作为输出列表
      • 遍历输入中的每个 item
      • 使用 eval() 将 fields 字符串解析为字典
      • 提取每个字段的第一个元素的 text 值
      • 构建符合要求的 fields 对象
    3. 输出构建：
      • 将每个处理后的 fields 对象添加到 data_list
      • 最终返回 {"data": data_list} 格式

    注意事项：

    • 严格遵循了示例代码的异步函数格式和类型注解
    • 使用 eval() 处理 JSON 字符串（实际使用中建议替换为 json.loads()）
    • 处理了字段顺序不一致的情况（如第三个项目）
    • 包含空值检查和类型验证
    • 输出格式完全符合需求示例

    此代码将输入数据转换为指定的输出格式，保留了所有原始数据项，并正确处理了字段值提取。

  2. 多维表格数据格式大模型节点提示词

    背景：现在想要将输入的数据进行格式转化，以便后续其他节点可以使用 需求：

    1. 将{{input}}的数据进行格式转换，转换后的格式代码例子如下，以下仅为格式示例，不是实际输出的结果，实际输出结果需要根据输入的实际数据进行转换，格式如下： {"data": [ "fields" :{ "负责人" : "张三", "项目名称" : "项目1" }， "fields" :{ "负责人" : "李四", "项目名称" : "项目2" }， ... ] }
    2. 需要做异常情况的兼容，如果输入的数据为空或其他分析异常，请不要中止执行，而是要按照上述第一点的数据结构输出，只是具体的值为空，例子如下： {"data": [ "fields" :{ "负责人" : " ", "项目名称" : " " }， "fields" :{ "负责人" : " ", "项目名称" : " " }， ... ] }
avatar
文章
阅读
粉丝