Airtable AI

🛠️ Airtable AI 工具是什么

Airtable 是一家美国公司，2012 年由 Howie Liu、Andrew Ofstad 和 Emmett Nicholas 在旧金山创立。最初的产品定位是“穿着电子表格外衣的关系型数据库”，做了十年之后在无代码赛道里站稳了脚跟。2021 年估值最高到过 117 亿美元，2026 年 6 月 ARR 约 4.8 亿美元，同比增长超过 20%。2026 年 8 月，意大利公司 Bending Spoons 宣布以约 12.85 亿美元的企业价值收购 Airtable，交易预计在年底前完成。

Airtable AI 不是一款独立产品，而是嵌入 Airtable 平台各层的 AI 能力集合。2023 年首次推出，2024 年 3 月正式上线 Airtable AI 模块，核心能力包括 AI 字段生成内容、自然语言查询表格数据、根据提示词自动填充记录等。2025 年 6 月，CEO Howie Liu 宣布 Airtable 进行“再创业”，正式转型为 AI 原生应用平台，推出了 Omni（对话式应用构建器）和 Field Agents（AI 字段代理）作为执行层。2026 年 1 月又发布了 Superagent，这是 Airtable 13 年来第一个独立产品线。

它解决的问题很具体：你有一堆结构化的业务数据躺在表格里，分类、摘要、翻译、提取信息这些活以前要么手动干，要么得导出到外部 AI 工具处理再导回来。Airtable AI 把这些能力直接嵌进了字段和自动化里，数据在哪，AI 就在哪。

但有两个事得先说清楚。第一，Airtable AI 不是一个通用的聊天机器人，它的所有能力都围绕“结构化业务数据”展开。第二，它是一个重量级的 SaaS 平台，不是打开就能用的轻工具，从配置到真正产出价值需要一定的学习成本。而且在国内直接访问 Airtable 的速度不稳定，依赖 AWS 和 Google Cloud 等海外云服务，团队使用前需要评估网络环境。

⚡ 核心功能

• Field Agents（字段代理）：Airtable AI 最核心的能力。每个 Field Agent 本质上是一个 AI 驱动的字段，能自动检索、分析或生成数据，工作粒度精确到单元格级别。你可以让它根据其他字段的内容生成摘要、做分类、翻译文本、提取实体信息。跟普通的公式字段不同，Field Agent 是动态的，可以联网搜索和分析文档，完成以前需要外部工具或手动录入才能做的事。
• Omni（对话式 AI 助手）：用自然语言跟表格数据对话。你可以直接问“上个月哪个渠道的转化率最高”、“帮我找出所有超过 30 天没更新的记录”，不需要写公式。Omni 还能帮你构建 Field Agent、创建自动化、生成界面——用大白话描述需求就行。
• AI 自动化动作（Generate with AI）：在自动化工作流中嵌入 AI 动作。比如“当收到负面客户反馈时，自动生成摘要并发送到 Slack 对应频道”、“每周五汇总团队更新，周一早上自动发邮件”。AI 动作和触发器、其他自动化步骤组合使用，形成完整的智能工作流。
• Cobuilder（AI 应用搭建器）：2024 年 7 月上线。用自然语言描述你想要的应用，AI 在几秒内生成一个可定制的应用。Beta 测试期间，90% 的 AI 生成应用被用户评价为有用。它把 Airtable 从一个“数据库”变成了一个“无代码 AI 应用平台”。
• Web Prototype Field Agent（网页原型生成）：2026 年 1 月推出的新功能。上传截图或输入文字描述，生成交互式网页原型，主要输出 React 代码，兼容 Shadcn UI 和 Tailwind CSS。支持一键部署到 Vercel，带自定义子域名。适合快速验证想法、给利益相关者演示。
• MCP Server（模型上下文协议服务）：2026 年推出，让 Claude、ChatGPT、Gemini 等任何兼容 MCP 的 AI 模型不仅能读写 Airtable 记录，还能直接创建表结构、构建界面、配置自动化。配套的 Skills Library 内置了产品运营、营销运营、销售运营等领域的专业知识，模型安装对应技能后就知道该领域的标准数据结构长什么样。
• Superagent（独立 AI 代理平台）：2026 年 1 月发布，Airtable 13 年来第一个独立产品。采用多代理编排系统，部署多个专业 AI 代理并行工作完成研究任务，输出不只是文本，还包括对话式分析和数据可视化报告。月费 20-200 美元。

✨ 主要亮点与优势

1. AI 嵌在数据层，不是浮在表面。大多数 AI 工具是“你打开一个聊天窗口，把数据复制进去问问题”。Airtable AI 反过来——AI 是字段本身，数据在哪，AI 就在哪。你在表格里新增一条记录，Field Agent 自动跑起来，生成摘要、分类、提取信息。这种“数据驱动 AI”的模式比“AI 驱动数据”的模式在业务场景里更自然。

2. 从数据库到 AI 应用平台，转型是动真格的。很多 SaaS 公司在产品上贴一层 AI 就宣称自己是 AI 公司了。Airtable 做的不一样——2025 年 6 月宣布“再创业”，把整个架构重新设计成 AI 原生。Omni、Field Agents、Cobuilder、Superagent、MCP Server、HyperDB（支持 1 亿行数据和 Snowflake/Databricks/Salesforce 直连），这一整套东西在 18 个月内密集推出，不是公关稿级别的 AI 化。

3. 不锁定单一 AI 模型。Field Agents 支持选择不同的 AI 模型，包括 Claude 和 OpenAI 的模型。MCP Server 兼容 Claude、ChatGPT、Gemini 等任何 MCP 协议客户端。这种开放态度跟 Airtable 本身的“数据平台”定位是一致的——它不想成为 AI 模型的竞争者，而是 AI 模型的操作台。

4. 免费版就给 AI 功能，不像很多工具免费版只给体验。所有 Airtable 方案都包含 AI 功能，免费版每个有编辑权限的用户每月 500 个 AI credits。虽然额度不大，但对于小团队轻度使用来说够用。不需要先付费才能体验 AI 能力。

🎯 使用场景

Airtable AI 的场景集中在一个方向——“结构化业务数据的智能化处理”。它不做写作、不做设计、不做编程（虽然 Web Prototype 能生成 React 代码，但那是一个原型工具，不是开发环境）。

• 销售与 CRM 管理：销售线索录入后，Field Agent 自动分类客户行业、提取联系人信息、生成跟进摘要。Omni 用自然语言查询“本周哪些客户进入了谈判阶段”。
• 内容运营与营销：内容日历管理，Field Agent 根据关键词自动生成社交媒体文案初稿、根据博客 URL 自动写推广帖。实测中，用 Field Agent 根据已发布的博客文章自动生成社媒内容，自定义指令里写清楚品牌调性，AI 照着生成的效果是可用的。
• 客户反馈分析：客服反馈表单一提交，AI 自动分析情感倾向、归类问题类型、提取关键信息，然后通过自动化推送摘要到 Slack。配置过“负面反馈提交时自动总结并分享给对应团队”的工作流，跑起来确实省事。
• 项目与运营管理：项目状态表里 Field Agent 自动根据任务进度计算风险等级、生成状态摘要。Omni 帮忙找出被遗漏的待办事项。
• 产品原型验证：用 Web Prototype Field Agent 从文字描述或截图生成网页原型，快速验证产品想法，比画线框图或做 PPT 快得多。
• 不适用的人群：不管理结构化数据的用户（这个工具的核心价值在数据层）；个人用户（免费版够用但价值有限）；需要深度写作能力的用户（AI 生成的文案质量一般，更适合做初稿和批量处理）；国内对数据合规有严格要求的团队（跨境访问不稳定，数据驻留和信创要求难以满足）。

📋 如何使用

第一步：注册与工作区设置

用邮箱注册 Airtable 账号，免费版即可开始。注册后创建一个工作区（Workspace），然后新建一个 Base（数据库）。如果你是第一次用，建议先从模板库里选一个现成的模板，比如“内容日历”、“销售管道”或“客户反馈追踪”，比从空白开始快得多。注意国内访问 Airtable 速度可能不稳定，建议配置好网络环境再操作。

第二步：启用 AI 功能

AI 功能需要在工作区级别开启。进入 Workspace Settings，找到 AI 相关的开关打开。免费版每个编辑者每月有 500 个 AI credits，团队版每付费用户 15,000 个，商业版每付费用户 20,000 个，企业版 25,000 个。AI credits 在工作区内共享使用。

第三步：添加 Field Agent

在表格里点击最后一列旁边的 “+” 添加新字段，在弹出的菜单顶部会看到 “Field agents” 区域。你可以从预设模板里选一个，或者点 “Build a field agent” 自己配置。配置时需要做几件事：给字段命名、指定它要读取哪些其他字段的内容、写清楚指令（自然语言描述你想要什么）、选择 AI 模型、决定是否开启自动运行。建议第一次使用时关闭自动运行，等指令调试满意了再打开。

第四步：用 Omni 构建自动化

如果你不想手动配置 Field Agent，可以直接用 Omni。在 AI 聊天窗口里用大白话描述需求，比如“帮我建一个字段，根据客户反馈内容自动判断情感倾向并打标签”，Omni 会帮你生成对应的 Field Agent 配置。同样，你也可以让 Omni 帮你创建自动化工作流。

第五步：在自动化中添加 AI 动作

进入 Automations 面板，创建一个新自动化。选择一个触发器（比如“新记录创建”、“表单提交”或“定时执行”），然后添加 “Generate with AI” 动作步骤。在这里写提示词、选择模型、指定输入字段。之后可以再加后续动作步骤，比如把 AI 生成的内容写入另一个字段、发送到 Slack 或邮件。

💡 使用技巧

• Field Agent 一次只做一件事。不要把“分类 + 摘要 + 翻译”塞进一个 Field Agent 里。每个 Field Agent 只负责一个任务，比如“判断反馈主题”或“生成社交媒体文案”。任务越单一，输出质量越稳定，调试也越容易。
• 指令里写清楚“可读字段”和“禁止事项”。告诉 Field Agent 它可以读取哪些字段、不该做什么。比如“只读取‘客户反馈’字段，不要参考‘内部备注’字段的内容”。这能避免 AI 把不该用的信息也纳入输出。
• 先关掉自动运行，手动测试几条记录。Field Agent 可以设置自动运行，但建议第一次配置时关闭。手动点几次 “Generate”，看输出质量是否稳定、指令是否明确。确认效果满意后再打开自动运行，不然一旦跑起来错误会批量扩散。
• 搞清 AI credits 的消耗逻辑。免费版 500 credits/月，如果 Field Agent 开启了自动运行，每条记录生成都会消耗 credits。在重度的 AI 字段使用下，500 credits 很快就不够用。搞清楚哪些操作消耗 credits、哪些不消耗，才能控制成本。Omni 的对话式构建过程一般不消耗 credits，消耗 credits 的是 Field Agent 在后台自动跑的时候。
• 国内团队注意网络和数据合规。Airtable 依赖海外云服务，国内直接访问速度不稳定，可能出现加载慢、同步延迟、API 调用失败等问题。如果涉及敏感数据，还需要考虑数据驻留和信创标准的要求——Airtable 的全球云服务在国内合规上存在短板。国内团队可以考虑搭配 VPN 使用，或者评估伙伴云、简道云等国内替代方案。

📦 安装方式

简单说：Airtable 的主力是 Web 平台，桌面端和移动端 App 主要用来查看和轻量操作，批量配置 Field Agent 和自动化还是在浏览器里最方便。

💰 收费情况

Airtable 采用按席位（per-seat）订阅制，AI 功能包含在所有方案里，没有单独的 AI 附加费。每个方案每月赠送一定数量的 AI credits，超出后需要额外购买。

额外购买 AI credits 的价格：20,000 credits 月付 $40 / 年付 $400；50,000 credits 月付 $100 / 年付 $1,000；100,000 credits 月付 $200 / 年付 $2,000。免费版用户如果需要额外 credits，必须升级到 Team 方案。

说实话：免费版 500 credits 听起来不少，但如果 Field Agent 开了自动运行，每条记录都消耗 credits，很快就不够用。Team 方案 $20/用户/月起步，对于 5 人团队就是 $100/月，加上超出的 AI credits 费用，实际成本不低。Airtable 的按席位定价在团队规模扩大后增长很快，这是很多用户反映的痛点。

👥 适用人群

• 运营团队：这是 Airtable AI 最核心的用户群。管理销售线索、内容日历、客户反馈、项目进度的团队，可以用 Field Agent 和自动化把重复性的分类、摘要、路由工作自动化。
• 市场营销人员：内容运营、活动管理、线索评分。Field Agent 可以自动生成社媒文案初稿、分类线索来源、总结活动效果。
• 项目经理 / PMO：项目状态跟踪、风险预警、任务分配。用 Omni 自然语言查询项目数据，用 AI 自动化做定期汇报。
• 中小企业主：需要一个灵活的数据管理平台，但又不想投入开发资源的。Airtable 的免费版和 Team 方案门槛不算高。
• 产品经理：用 Web Prototype Field Agent 快速验证界面想法，用 Superagent 做市场研究和竞品分析。
• 不适用的人群：不管理结构化数据的个人用户（用 Notion 或 Excel 就够了）；对数据合规有严格要求的国内企业（跨境访问和数据驻留问题需要评估）；预算极有限的小团队（按席位定价会随着人数增长快速上升）；只需要一个简单表格工具的用户（Airtable 的学习成本和学习曲线对轻量需求来说不划算）。

🌍 全球使用情况

Airtable 在全球范围内有超过 50 万个组织在使用，其中包括 财富 100 强中 80% 的公司。2026 年 6 月的年度经常性收入约 4.8 亿美元，同比增长超过 20%，毛利率约 90%，自 2024 年底起实现现金流为正。公司员工 935 人。

用户分布以北美和欧洲为主。产品支持多语言界面，但在中国大陆没有本地化的运营团队和服务器节点。国内直接访问的速度不稳定，依赖 AWS 和 Google Cloud，用户经常遇到加载慢、同步延迟、API 调用失败的情况。第三方集成（Slack、Google Drive、Zapier）在国内也可能无法正常使用。

在中国市场，Airtable 的用户主要是跨境电商团队、出海营销公司和有海外业务的外企中国区团队。这些团队的共同特点是：业务本身在海外，数据合规要求相对灵活，团队成员习惯用英文工具。纯国内业务、对数据驻留有要求的团队，通常会选择伙伴云、简道云、飞书多维表格等国产替代方案。Airtable 官方没有中文版界面，中文用户需要一定的英文基础才能顺畅使用。

值得一提的是，2026 年 8 月 Bending Spoons 宣布收购 Airtable 的消息在用户社区里引起了不小的讨论。Bending Spoons 以收购成熟产品后优化运营著称，收购过 Evernote、Meetup、WeTransfer 等产品。对 Airtable 用户来说，收购后产品会不会被“优化”掉某些功能、定价会不会上涨，是值得关注的变数。

⚖️ 优缺点分析

优点

• AI 嵌在数据层，不是浮在表面。Field Agents 是“会自己跑的字段”，数据一变化就自动触发，不需要用户打开聊天窗口提问。这种“数据驱动 AI”的模式在业务场景里比“AI 聊天窗口”更自然、更高效。
• 转型 AI 原生平台是动真格的。2025 年 6 月宣布“再创业”，18 个月内密集推出 Omni、Field Agents、Cobuilder、Superagent、MCP Server、HyperDB。CEO 亲自回到写代码的状态，收购 DeepSky 并挖来 OpenAI 前 ChatGPT 商业产品工程负责人做 CTO。这不是贴一层 AI 标签的公关行为。
• 不锁定单一 AI 模型。Field Agents 支持 Claude 和 OpenAI 等模型可选，MCP Server 兼容任何 MCP 协议客户端。Airtable 的定位是“AI 的操作台”，不是“AI 的竞争者”。
• 免费版就给 AI 功能。所有方案都包含 AI 能力，免费版每个编辑者每月 500 credits。对于小团队轻度使用来说，不需要先付费就能体验核心 AI 功能。
• 社区和模板生态成熟。经过十多年的积累，Airtable 有大量的模板、教程和第三方集成，从零搭建业务系统的门槛比想象中低。

缺点

• AI credits 的消耗逻辑不透明，容易超支。Field Agent 开了自动运行后，每条记录生成都会消耗 credits，用户很难预判一个月到底会消耗多少。实际使用中，AI 字段的 credits 消耗“快得让人意外”，额外购买 credits 又是一笔额外支出。
• 按席位定价在团队扩大后成本增长快。Team 方案 $20/用户/月，Business $45/用户/月，都是按人头收费。5 人团队一年就是 $1,200 起，10 人团队 $2,400 起。对比一些按用量或按工作区收费的工具，Airtable 的定价模式在中大型团队里成本压力明显。
• 国内访问体验差，数据合规存疑。Airtable 依赖海外云服务，国内直接访问速度不稳定，第三方集成在国内可能无法使用。国内企业对数据驻留和信创标准有要求的话，Airtable 的全球云服务难以满足。
• 学习曲线不低，不是打开就能用的工具。虽然产品经理和运营人员能上手，但要真正用好 Field Agents、自动化、Interface Designer，需要花时间学习。UI 仍然略显复杂，关联字段的文档很难找。它不是一个轻量级的表格工具，而是一个需要投入时间学习的业务系统搭建平台。

🔄 与同类工具对比

跟 Notion AI 的对比值得多说一句。两者经常被放在一起比较，但骨子里不一样。Notion 是“文档优先，数据库是附加功能”，AI 能力也偏写作——帮你写文章、总结文档、润色文字。Airtable 是“数据优先，文档是附加功能”，AI 能力偏数据处理——分类、提取、摘要、批量生成。如果你的团队主要在写文档、做知识库，Notion 更合适。如果你在管理客户、内容、项目这些结构化数据，Airtable 的 Field Agents 和自动化能力是 Notion 给不了的。Notion 的价格也更低（$10/用户/月起），但 Airtable 在数据层的能力深得多。

跟 Smartsheet 的对比：Smartsheet 是“企业级电子表格 + 项目管理”，核心用户是 PMO 和大型企业的项目管理部门。它的 AI 能力偏摘要和状态分析，底层还是电子表格思维。Airtable 的关系型数据库能力更强，字段类型更丰富（关联记录、查找、汇总等），AI 也嵌得更深。Smartsheet 起步价更低（$9/用户/月起），但如果你需要的是灵活的数据建模而非传统的项目管理，Airtable 更合适。

跟 Coda AI 的对比：Coda 走的是“文档即应用”的路线，你可以在一份文档里嵌入表格、按钮、自动化，AI 能力也主要在文档上下文里。Airtable 的数据建模更严谨，关系型数据库的能力更深。Coda 适合“一份文档搞定一个流程”的场景，Airtable 适合“多个表关联、多个视图、多角色协作”的复杂业务系统。

📝 总结：值不值得用

明确结论：如果你的团队有结构化数据管理需求，并且愿意投入时间学习和配置，Airtable AI 是目前同类产品里 AI 嵌得最深、能力最完整的选择之一。如果你只是想要一个轻量的表格工具，或者对国内访问和数据合规有硬性要求，它可能不适合你。

Airtable AI 的核心价值不在“AI 能生成内容”这件事本身——现在所有工具都能做。它的价值在于AI 是数据层的一部分，不是浮在上面的功能。Field Agents 嵌在字段里自动跑，Omni 在数据之上做自然语言交互，MCP Server 让外部 AI 模型直接操作 Airtable 的结构和数据。这套“数据驱动 AI”的架构，加上从 2023 年到 2026 年持续的 AI 原生产品迭代，让它在“AI + 业务数据”这个交叉点上找到了自己独特的位置。

什么时候值得用：你的团队在管理销售线索、内容日历、客户反馈、项目状态这类结构化数据，每天有大量重复性的分类、摘要、提取工作，有预算投入按席位订阅，团队成员能用英文界面操作。这种情况下，Airtable 的 Field Agents 和自动化能直接把重复劳动自动化掉，投入产出比是正的。

什么时候不推荐：你只管理少量数据（用 Excel 或飞书多维表格就够了）；你的团队在国内做纯国内业务，对数据驻留有硬性要求（Airtable 的全球云服务难以满足）；你的预算非常有限，5 人以上团队按席位订阅成本增长很快；你不愿意花时间学习配置（这不是一个打开就能用的工具，Field Agents 和自动化需要调试才能跑好）；你的核心需求是写文档和知识库（Notion 更对口）。

说得直白一点：Airtable AI 是一个“企业级基础设施”，不是“个人效率小工具”。它能做的事情很专一——让结构化业务数据变得智能。如果你恰好有这个问题，并且愿意投入时间配置，它是目前市场上最完整的选择之一。如果不符合你的场景，它就是一个学习成本高、国内访问还不稳定的重工具。用之前建议先用免费版跑一个真实的小工作流，看看 Field Agents 生成的输出质量能不能达到你的可用标准，再决定要不要升级付费方案。毕竟 Team 方案 $20/用户/月起步，5 人团队一年就是 $1,200，这个投入值不值得，得用实际效果来验证。