用飞书 CLI 和多维表格搭一套 CRM

客户一多，记忆力往往先撑不住。

早期靠微信备注、 Excel 表格、聊天记录还能撑住。客户数量继续涨，跟进时间、联系人、报价阶段、下一步动作就会散在不同地方。漏跟一次，可能就丢一个单子。

飞书多维表格本来就适合做轻量业务系统。加上飞书 CLI 插件和 Claude Code 后，它更像一个可对话的系统搭建工具：把需求说清楚，AI 先生成表结构、字段、关联关系和看板，再根据业务问题继续补洞。

来源链接: https://x.com/AmberTreelet/status/2064354832870441173?s=20

先准备环境

需要两个东西：Claude Code 和飞书 CLI 插件。

# 安装 Claude Code（如果还没装）
npm install -g @anthropic-ai/claude-code

# 初始化飞书插件
lark-cli config init --new

完成飞书授权后，打开 Claude Code，就可以用自然语言让 AI 操作飞书多维表格。

这件事的门槛不在代码，而在需求描述。 CRM 这种系统很适合拿来做例子，因为它的对象关系清楚：客户、联系人、跟进记录、商机、销售人员、销售目标。

第一步：让 AI 先搭出系统骨架

可以直接给 Claude Code 一段明确的角色和任务：

你是一名资深 CRM 产品经理。请基于飞书多维表格，为 20 人销售团队设计一套完整 CRM 系统，包含客户管理、联系人管理、销售跟进、商机管理和数据看板。

AI 会在飞书多维表格里生成一套初始结构。比较合理的结果通常会包括这些表：

• 客户表：客户名称、行业、客户等级、来源渠道、客户状态；
• 联系人表：姓名、手机号、微信号、邮箱、职位；
• 跟进记录表：跟进时间、跟进方式、跟进内容、下一步行动、负责人；
• 商机表：商机名称、预计金额、成交概率、当前阶段、预计签约时间；
• 销售人员表：姓名、角色，以及关联的客户和商机；
• 销售目标表：目标月份、目标金额、目标商机数。

表和表之间的关联也会一起建好。客户关联联系人，客户关联跟进记录，商机关联客户和销售人员。以前这些关系要在需求会里反复确认，现在可以先让 AI 搭一版，再由人来审。

第二步：别急着用，让 AI 换角色审一遍

第一版 CRM 出来后，不建议马上录数据。更好的做法是让 AI 切换成销售管理者，审查刚刚生成的系统。

可以这样追问：

请模拟 20 人销售团队的销售总监，检查当前 CRM 设计，看看是否存在跟进断层、客户流失风险、数据统计缺失等问题，并补充完善。

这一轮通常会补出更贴近管理的问题：

• 超时未跟进提醒：超过 N 天未联系的客户自动标记；
• 客户流失预警：长期没有商机进展的客户单独提示；
• 阶段滞留统计：每个商机阶段停留多久；
• 团队成交率分析：按销售人员和阶段看转化；
• 销售行为统计：跟进频率、响应速度、回访完成情况。

这一步很重要。 AI 第一次执行时，容易把系统做成“字段齐全的表”。继续追问后，它才会开始考虑管理动作、预警规则和数据分析。

还可以继续加一层压力测试：

拿到第一版结果后不要停，继续追问。
例如：“假设这个 CRM 未来有 10000 个客户、20 名销售，当前设计是否存在扩展性问题？”

小团队做内部系统，最容易忽略的是规模变化。现在只有几十个客户时，字段怎么建都能用；到了几千个客户，筛选、权限、阶段定义、提醒规则就会变得很要命。

第三步：用自然语言问数据

CRM 的价值不只是存客户资料，还要回答业务问题。

多维表格里有了客户和商机数据后，可以直接向 AI 提问：

按商机金额给我排个名

AI 会从表格里拉数据，输出类似这样的结果：

• 比亚迪智能制造 MES 系统：¥5,000,000，成交概率 30%；
• 万科智能楼宇项目：¥3,500,000，成交概率 50%；
• 字节跳动 AI 中台项目：¥3,000,000，成交概率 80% 。

也可以查销售漏斗：

按商机阶段帮我统计一下，每个阶段有多少商机、总金额多少？

示例结果：

初步接触：3 个商机，¥9,000,000
需求确认：2 个商机，¥3,500,000
方案报价：2 个商机，¥4,200,000
谈判协商：1 个商机，¥800,000

再问客户分布：

客户按行业分，哪些行业最多？

这类问题如果放在传统表格里，要筛选、透视、做公式。换成 AI 问数后，销售主管可以直接用业务语言拿到答案。

第四步：让 AI 自动生成图表

数据查出来后，还可以让 AI 直接在多维表格里创建仪表盘。

CRM 场景里比较有用的图表有几类：

• 指标卡：客户总数、商机总金额、商机总数；
• 销售漏斗：按商机阶段展示金额分布；
• 金额排行条形图：看哪些项目金额最大；
• 行业分布饼图：看客户集中在哪些行业；
• 客户等级分布：区分战略客户、重点客户、潜在客户。

对小团队来说，这比“每周导出 Excel 再做图”省很多时间。销售录入数据，管理者直接看仪表盘，中间少了一层人工整理。

一个通用提示词

如果要把这套方法迁移到招聘系统、项目管理、客服工单、供应商管理，可以先用这段提示词起步：

你是一名资深产品经理、业务分析师和系统架构师。
请不要直接输出结果，先完成：
业务目标分析
用户角色分析
数据模型设计
表结构设计
页面结构设计
自动化流程设计
数据分析指标设计
最后输出完整方案。如果发现需求不完整，请主动提问。

这里有两个关键点。

第一，先给 AI 一个明确角色。让它以产品经理、业务分析师、系统架构师的视角思考，别只把它当作表格助手。

第二，要求它先分析，再输出方案。业务目标、用户角色、数据模型、页面结构、自动化流程、分析指标，这几个环节一旦缺失，生成出来的系统就容易只有表，没有业务。

适合谁用

这套方法适合三类人。

第一类是小团队负责人。业务已经跑起来，但客户、项目和跟进动作还散在聊天记录和表格里。

第二类是运营、销售、项目经理。你不一定会写代码，但知道业务怎么跑，能判断系统生成得对不对。

第三类是想快速做内部工具原型的人。先让 AI 在飞书多维表格里搭一版，跑通后再决定要不要做成正式系统。

它也有边界。权限极复杂、流程跨很多部门、强合规审计的企业系统，不能只靠一次提示词解决。更现实的用法是：用 AI 快速搭出第一版，把字段、流程、看板和提醒跑起来，再由业务人员持续修正。

把 AI 当成“能搭初稿的业务助理”，这个定位更稳。它减少的是从 0 到 1 的摩擦，最终能不能变成好用的 CRM，还是取决于团队是否愿意把真实流程和真实数据放进去。

来源：https://x.com/AmberTreelet/status/2064354832870441173?s=20