基于 Coze 抓取小红书笔记信息并同步至飞书多维表
如何使用 Coze 平台构建工作流,实现从小红书抓取热门视频笔记信息并自动写入飞书多维表的过程。涵盖前置准备、插件配置、代码节点处理及数据同步步骤,适用于竞品分析、内容运营等场景。

如何使用 Coze 平台构建工作流,实现从小红书抓取热门视频笔记信息并自动写入飞书多维表的过程。涵盖前置准备、插件配置、代码节点处理及数据同步步骤,适用于竞品分析、内容运营等场景。

2025 年是 AI 人工智能大规模使用的一年。AI 大模型能力在不断挖掘的同时,如何基于大模型做更进一步的升级呢?于是 AI 智能体就应运而生。AI 智能体是结合了众多软件技术的合集,充分发掘大模型的能力,并且拓展大模型的能力,让更多使用者即使不懂大模型,也能低成本的快速掌握 AI 的使用。在众多的智能体平台中,像 Coze、Dify、FastGPT 等,都在构筑自己的智能体平台,为普通的非互联网人员也能快速打造属于自己的智能体应用。接下来以 Coze 平台为例,基于 Coze 制作一个自媒体领域和视频创作中非常常见的场景,抓取小红书热门视频并提取信息写入飞书多维表的智能体工作流。
Coze 是新一代 AI 应用发布平台,不管你是否有编程经验,都可以在 Coze 这个平台上面快速搭建基于大模型的各类 AI 应用,并将 AI 应用发布到各个社交平台、通讯软件等,也可以通过 API 或者 SDK 将 AI 应用集成到你的业务系统中。

借助 Coze 平台可视化设计与编排工具,使用者可通过零代码、少代码方式,快速搭建基于大模型的各类 AI 项目、智能体应用,满足个性化需求,实现商业价值。
与市面上其他的 AI 智能体平台对比,Coze 在以下几个方面表现尤为突出:
Coze 工作流是一个通过可视化节点串联的方式,将大型语言模型、插件、代码等多种不同的模块组合成可重复调用的自动化流程的工具。即使您没有编程基础,也能用它来构建和部署复杂的 AI 应用。可以说如果没有工作流,一些复杂的智能体应用将无法做出来。下面这个表汇聚了 Coze 工作流的核心价值。
核心作用 | 关键特点 |
提升效率:自动化处理多步骤任务(如报告生成、数据采集) | 零代码可视化:通过拖拽节点搭建流程,无需编程基础 |
保证准确性:通过节点约束输出格式,避免大模型自由发挥导致的错误 | 灵活编排:支持条件分支、循环、并行处理等复杂逻辑 |
标准化流程:固化业务逻辑,确保不同执行者输出结果一致 | 动态调试:实时试运行并查看节点输出,快速定位问题 |
工具集成:无缝整合插件、API、数据库等外部资源,扩展大模型能力边界 | 跨平台发布:一键部署至飞书、豆包等平台,作为智能体功能模块调用 |
Coze 工作流的应用范围非常广泛,也是 Coze 平台的一大特色,下面列举了一些典型的场景:
基于 Coze 制作小红书视频抓取并写入飞书多维表的智能体,其核心优势、适用场景和优缺点如下。
此方案尤其适合以下三类需求:
提前创建一个飞书多维表,定义你需要的字段,多维表中的字段与后面你从笔记中抓取的字段保持一致。
登录小红书网页版,通过 F12,获取 cookie 值,后面通过工作流获取指定账号的笔记信息时候会用上。
点击创建一个新的工作流。

点击确认后,跳转到下面的工作流配置页面。

我们这里的需求是,根据用户输入的对标账户的主页 URL,最后将主页的视频相关信息保存到飞书多维表中。

增加一个小红书插件节点,用于从对应的账号中采集笔记内容的信息,选择下面的第二个。

配置上两个核心的参数,参数即从开始节点中我们设置的那个地方取。

然后找一个博主的主页链接贴进去,通过 F12,找到登录小红书后的 COOKIE,并试运行,看到下面的效果,说明能够成功获取到小红书博主主页的笔记信息了。

我们需要做的就是把返回结果中的核心参数提取出来。

接下来增加一个代码节点,将上一步获取到的返回结果中的几个参数提取出来,代码节点的如此选择返回值中的 notes 节点。

打开代码编辑器,输入下面的代码:
# 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
input_array = params.get('input', [])
extracted_urls = []
if isinstance(input_array, list):
for item in input_array:
note_url_value = item['node_url']
extracted_urls.append(note_url_value)
# 构建输出对象
ret = { "output": extracted_urls }
return ret

上一步得到了小红书的笔记链接后,接下来需要遍历获取到的所有链接内容,将每个笔记中的信息提取出来,比如标题、笔记内容等,最后写入到飞书多维表中去。如下,增加一个批处理节点。
外侧批处理节点的输入参数为代码节点的输出数组。

循环体内部,增加一个根据笔记 URL 获取笔记详情的节点,如下,仍然是上面那个小红书的插件。

循环体中的入参信息选择如下。

外层循环配置的输出,选择下面的这个 note 节点参数即可。

上一步拿到了解析每个笔记的所有信息,即一个对象数组,后面我们需要将获取到的数据写入到飞书多维表中,因此需要通过代码节点处理一下得到的数据,组装成飞书多维表识别的格式,如下:


打开 IDE,将下面的代码粘贴进去:
# 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
input_array = params.get('input', [])
like_count_threshold = params.get('Like_count')
processed_records = []
if not isinstance(like_count_threshold, (int, float)):
ret = { "output": [] }
return ret
like_count_threshold = int(like_count_threshold)
for item in input_array:
if not isinstance(item, dict):
continue
note_liked_count = item.get('note_liked_count')
current_likes = 0
if isinstance(note_liked_count, (int, float)):
current_likes = int(note_liked_count)
elif isinstance(note_liked_count, str):
try:
current_likes = int(note_liked_count)
except ValueError:
continue
else:
current_likes >= like_count_threshold:
fields_data = {
: item.get(, ),
: item.get(),
: (current_likes),
: item.get(, {}),
: item.get(, ),
: (item.get(, )),
: (item.get(, )),
: (item.get(, )),
: item.get(, )
}
record = {: fields_data}
processed_records.append(record)
ret = { : processed_records }
ret
上一步准备好了待插入飞书多维表格式的数据后,接下来增加一个飞书添加记录节点,注意需要提前准备好一个飞书多维表,这个在之前的文章中有多多次说明,这里就不再赘述了。注意飞书多维表中的每个字段需要与上一个代码节点中输出的参数一致,选择下面这个。

配置飞书增加记录节点信息如下。

最后连接一下结束节点。


微信公众号「极客日志」,在微信中扫描左侧二维码关注。展示文案:极客日志 zeeklog
生成新的随机RSA私钥和公钥pem证书。 在线工具,RSA密钥对生成器在线工具,online
基于 Mermaid.js 实时预览流程图、时序图等图表,支持源码编辑与即时渲染。 在线工具,Mermaid 预览与可视化编辑在线工具,online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具,curl 转代码在线工具,online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具,Base64 字符串编码/解码在线工具,online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具,Base64 文件转换器在线工具,online
将 Markdown(GFM)转为 HTML 片段,浏览器内 marked 解析;与 HTML转Markdown 互为补充。 在线工具,Markdown转HTML在线工具,online