工具会换代，这套拆法不会：
先把业务变成状态机，再让视图、自动化和 AI 各司其职。
接到任何业务需求，我先问五个问题——记录由什么构成、谁看、怎么流转、哪里要 AI、哪里要代码。五层答完，表就设计完了。
先定状态字段，再谈内容字段。一条记录从生到死经过哪些状态，就是这条业务的骨架。
执行者看看板，管理者看仪表盘，外部协作者填表单。视图不产生新数据，只改变看数据的角度。
能定时就不要靠人记，能 webhook 就不要定时，能按钮触发就不要让人找入口。
确定性规则交给公式，语义判断交给 AI。翻译、打标、提取、仿写——这些是 AI 的主场。
界面覆盖八成场景，剩下两成——跨表计算、定时同步、外部系统回写——交给代码。
每条工作流落到一张多维表格：字段怎么选、视图怎么切、自动化挂哪条、AI 插在哪一环——点开看板视图试试。
字段捷径清单官网上有，不值得抄。值钱的是判断——什么时候用、什么时候坚决不用。
能写 IF 就绝不调模型。公式免费、即时、可预测；AI 按点数计费、有延迟、会漂移。两者的分界线是"需不需要理解语义"。
文生视频 50 点一次，一千行就是五万点。我的纪律：新字段捷径先手动跑 5 行验收质量，确认 prompt 稳定后再开"自动更新"。
AI 生成的内容如果不会改变任何状态、不触发任何动作，那它只是表演。每个 AI 字段我都要回答："它生成完之后，流程往哪走？"
我的划分：多维表格管 80% 的协作现场，CLI 管剩下 20% 的系统缝合——跨表计算、定时同步、外部系统回写。知道边界在哪，比背下 200 个命令重要。
每晚 2 点用 lark-cli 跑增量同步：易仓 ERP 的库存快照写进多维表格，缺货 SKU 自动触发审批。定时任务 + 读写表格 + 发消息，三个命令串完。
CLI 真正的价值不是 2500 个 API 端点，是 OAuth 双身份：Agent 能以"我"的身份读写完整个工作区——消息、文档、表格、审批。以及 Markdown 与飞书文档的无损互转，让 AI 产物直接变成团队资产。
多维表格是数据库，CLI 是 pipes——这个类比想清楚，架构就不会错。
你现在浏览的 RainyKnowledge：商机合作页的每条新线索，由飞书机器人秒级推送到我的手机（webhook + 签名加密）。这套管道我自己写、自己在用。
工具会换代，这套拆法不会：
先把业务变成状态机，再让视图、自动化和 AI 各司其职。
