影视飓风的飞书多维表格实践：AI 点评团与项目中台

影视飓风是国内头部的视频内容团队，人多、项目多、跨国拍摄多。这种团队的管理难点很典型：创作是非标的，但支撑创作的那一堆事全是标准化的——谁在做哪个项目、这条片子发出去会不会翻车、在日本停车花的 900 日元怎么报销、上周哪条视频的完播率掉了。

他们把这些事拆成了四套飞书多维表格系统。下面逐个拆解。

一、AI 大众点评团：让片子在发布前先被 5 个人骂一遍

这是四套里最有想象力的一套。

痛点：一条片子从粗剪到上线，最缺的是「第一批观众」。内部同事看惯了素材，容易失焦；找外部试看又慢又不保密。而不同人群关心的点完全不同——摄影发烧友盯画质，车评人盯动态镜头，公关看的是会不会踩线。

方案：在多维表格里建一张「人物画像」表，把典型观众做成可复用的 AI 人设，再让每个人设独立看片、独立提意见。

目前这张表里有 5 个角色：

角色	设定	关注点
💖 角色 A	25–35 岁摄影发烧友，热衷后期、研究器材参数	曝光、色彩、构图、对焦
📊 角色 B	28–40 岁专业车评人，常试驾新车	汽车性能呈现、动态画面
🎮 角色 C	20–35 岁极客，关注科技评测与设备拆解	技术准确性、创新拍摄手法
💻 角色 D	25–40 岁小资旅行客，偏爱旅行 Vlog	目的地表达、旅行摄影技巧
⚠️ 平台审核专家	公关（PR）专家智能体	政治敏感、平台规则、版权与隐私、专业性调性

每个角色除了一句人设 Prompt，还配了结构化字段：性别、年龄区间、职业、内容偏好（多选标签）、行为特征、人物描述，以及一个「人群加权」权重值——四个观众角色权重都是 10，平台审核专家是 60。也就是说，合规问题的话语权远高于审美问题，这点很符合内容团队的真实优先级。表里甚至给每个角色用豆包生成了头像，看板上是一排真人感的「评审员」。

运行方式：在「💡 大众点评」表里贴视频链接或直接上传视频文件，点「开始点评」按钮，5 个角色并行出结果，写进「大众评审」表（目前已累积 390 条评审记录）。每条记录包含：

分析.思考过程——模型逐段看片的推理过程，可回溯；
点评结果【输出】——按 【时间段】+【问题】+ 原因 + 影响 的结构化格式输出；
问题提取 / 提取2——压缩成 【百分比位置】【七字问题标签】 的短列表；
评分——该角色给这条片子的分数。

摄影发烧友那一版的输出长这样（节选）：

【2%】【画面过曝无细节】【4%】【雪山色彩失真】【7%】【航拍镜头畸变】【10%】【前景牦牛细节糊】【12%】【心形岛对焦偏移】【23%】【场景切换太生硬】……

展开则是完整的诊断：「【0.0–1.0 秒】画面过曝，顶部天空惨白无细节。原因：逆光拍摄未调整曝光补偿或使用渐变镜，导致高光溢出。影响：丢失天空细节，画面层次感不足。」

平台审核专家给出的则完全是另一个维度——字幕表述是否有政治敏感风险、画面右上角的「FREE」标识是否涉及素材版权、游戏画面有没有获得版权方授权、拍摄工业设施是否需要许可。这类问题一旦漏掉，代价远不是重剪一版。

关键设计：评审结果不是停在一段文字。系统把「问题提取」再拆进「视频问题数据」表（474 条），每条问题变成独立记录，带上「在视频中的位置（%）」「角色」「分数」，并通过 link 字段回指父记录。这样在看板「🎬 影视飓风 AI 点映团看板」上，就能看到问题在时间轴上的分布密度——哪一段是重灾区，一眼可见，剪辑师直接拖到那个百分比位置去改。

这套做法的本质，是把「找几个人看片提意见」这件依赖人力和档期的事，变成了随时可跑、口径一致、结果可统计的流程。

二、国际发票管理系统：把跨国报销的三件麻烦事合成一张表

跨国拍摄的报销痛点有三个：票据是外文的、货币是本地的、汇率是浮动的。

这套 Base 只有两张表，但把这三件事串成了一条流水线（「🧾 发票识别」表 → 「📝 数据汇总」表）：

上传附件：把票据照片丢进「发票附件」字段；
发票识别：AI 把票面原文完整抠出来，写进「发票识别」字段（日文收据就是原样的日文，阿根廷的 Mercado Pago 小票就是西语原文）；
发票翻译：同一份内容翻成中文，逐行对齐——入库时间、结算时间、停车费、适用税率、支付方式、门店地址，一项不落；
金额与币种：抽出「付款金额（当地货币）」和「币种」（日元 / 阿根廷比索 / ……），formula 字段 货币简写 自动转成 JPY、ARS 这类标准代码，并拼出 JPY:CNY 的换算方向；
汇率换算：同时保留「实时汇率」和「换算汇率（手动填写）」两个字段——前者取当时行情，后者留给财务按公司口径覆盖，最后由 formula 算出「付款人民币」；
归类：交易方式（现金 / 刷卡）、类别（差旅费 / 办公费用）、交易地、交易日期（当地时间）、备注，全部结构化；
兜底校验：一个 有无发票 的 formula 字段直接标出哪些记录缺票。

举个真实记录的效果：日本某停车场 900 日元的停车费，按手填汇率 0.051 折算为 45.9 元人民币，实时汇率 0.05009 同时留存备查；阿根廷一笔 9,200 比索的支出折算为 57.04 元。同一张表里既有原始凭证、原文、译文，也有本币金额和归类，财务不用来回问「这是什么票、多少钱、什么用途」。

三、项目管理中台：从商单派单到任务拆解

这套 Base 解决的是商业化内容的流转，5 张表构成一条完整链路：

1️⃣ 派单中台：商单入口。字段包括品牌或品类、案值预算、确认商单价值、内容投放类型、投放频道、预计上线日期、确认上线时间、负责小组、项目经理，以及处理阶段。最实用的是两个字段：商单群聊（群组字段，直接把飞书群挂在记录上）和 一键拉群 按钮——接到单子点一下就把相关人拉进群，人和事从一开始就绑定。
2️⃣ 项目管理中台：确认执行的项目在这里落地，补上项目负责人、分派小组、项目执行流程、方案文档、brief，并通过 link 关联到任务表。两个 lookup 字段「全部任务数」「已完成任务数」加一个 formula「任务完成进度」，进度条不需要任何人手动更新。
3️⃣ 任务信息表（41 条）：项目拆到任务粒度——任务名称、任务负责人、项目阶段、任务状态、开始 / 结束日期、是否必须交付物（checkbox）、交付物（由负责人填写）、参与人员。
人员架构（22 人）：姓名、人员、小组，作为分派的基础数据。
任务映射表（41 条）：这张表是「模板库」——参与岗位、参与人员、是否必须交付物。新项目不用从零列任务，按流程类型套用映射表即可自动展开标准任务集。

整条链路的思路很清楚：入口标准化（派单）→ 执行结构化（项目 + 任务）→ 拆解模板化（映射表）→ 进度自动化（lookup + formula）。

四、视频数据看板：B 站与 YouTube 双平台复盘

最后一套是数据侧，4 张表：

【最全数据】B 站 & YouTube 视频数据（830 条）：跨平台主表，把 B 站与油管指标并到一行——播放量、粉丝增量、B 站三日涨粉、CTR（展示点击率）、AVD（平均播放时长）、AVP（平均播放百分比）、油管 AVD / AVP、B 站平均播放时长，另有封面附件、BV 号和「飞书项目 / 飞书项目 ID」字段，用于把数据回挂到制作阶段的项目上。表里还有一个很有梗的字段：「点击按钮，会有海螺姑娘帮你找这期节目的油管数据」——一个 checkbox 触发自动补数。
【数据】影视飓风 B 站视频数据（882 条）：B 站细颗粒度指标——播放、点赞、硬币、收藏、评论、弹幕、分享、涨粉、脱粉、完播率、封面点击率、平均观看时长、排名，以及「入站必刷」「每周必看」「热门」这些站内榜单标记。
【粉丝】粉丝增长趋势（1,171 条）：按日期 × 所属平台 × 所属频道记录粉丝数，做多账号、多平台的增长曲线。
数据最终汇入「🚀 影视飓风频道数据看板」与「MediaStorm」两块仪表盘。

值得注意的是 脱粉 这个字段。大多数团队只盯涨粉，把掉粉当噪音；单独建一个字段意味着他们会追问「哪条片子导致了掉粉」——这是内容复盘里更难但更有价值的一半。

小结

四套系统，指向的是同一件事：把内容团队里所有非创作的部分标准化，把省下来的注意力还给创作。AI 点评团替代了发布前的人肉试看，发票系统替代了跨国报销的来回确认，项目中台替代了「谁在做什么」的口头同步，数据看板替代了每周手工拉表。

其中 AI 相关的两块——多角色审片和发票识别翻译——都需要稳定的多模态模型调用。如果要复刻，可以在飞书自动化的 HTTP 请求节点里接波波 API（apibobo.com）这类 OpenAI 兼容接口，视觉理解、OCR、长文本分析用同一套鉴权就能切换模型，省去为每家厂商单独接一次的麻烦。