Airtable 文本分类：用“运行脚本”自动化和 Jev 自动给记录打标签

Airtable 的 base 里常常堆着需要人工分拣的自由文本：表单提交、客户请求、反馈、项目报名、内容选题。分类指的是读取某个长文本字段，从一张简短固定的列表里填一个类别，让视图、筛选和下一个自动化不必等人逐行读完就能工作。一张实用的表需要四个字段：原文（Long text）、Category（单选，选项与标签 ID 完全一致，例如 billing、bug、feature_request、other）、Confidence（保留两位小数的数字）和 Needs review（复选框）。类别列表要短、互斥，并且始终包含 other，让模型对什么都不符合的文本有一个诚实的去处。如果紧急程度也重要，就单独问一个是/否问题，不要把 urgent 加进类别列表；两者混在一起，两边都会变差。本文讨论每条记录一个类别的情况。如果一条记录可能同时属于多个类别，请用多选字段，并先阅读多标签分类指南。

五步。1）创建上面四个字段，并在第一次运行前把每个标签 ID 都加成单选选项；脚本按名称写入选项，所以名称必须一致。2）在 Automations 里新建自动化，触发器选“当记录满足条件时”（When a record matches conditions），设两个条件：文本字段不为空、Category 为空。记录进入这个状态时就会触发，比如收到一条表单提交；而写入 Category 会让记录离开条件，所以自动化不会因为自己的更新而循环。3）添加“运行脚本”（Run a script）操作。在输入变量侧栏里添加 recordId（映射为触发器给出的 Airtable 记录 ID）和 text（映射为文本字段）。4）用已验证邮箱的账号在 Console → API keys 创建 JevModel API 密钥，在脚本编辑器的 Secrets 标签页里添加为 JEVMODEL_API_KEY；脚本用 input.secret("JEVMODEL_API_KEY") 读取。Airtable 会把使用 secret 的脚本限制为只有能访问这些 secret 的人才能编辑，并在控制台输出里隐去 secret。5）先用一条样例记录测试这个操作，查看运行历史和执行日志，再开启自动化。Jev 调用失败时应让 Category 保持为空并勾选 Needs review，这样临时错误不会给记录贴错标签。

Airtable 方面，帮助中心列出了“运行脚本”操作的限制：脚本超时写明为 30 秒（撰写本文时临时放宽到 120 秒），每次 fetch 超时 30 秒，脚本 API 调用超时 12 秒，内存 512 MB，每次运行最多 50 次 fetch 请求和 30 次 selectRecords 查询，每秒最多 15 次修改，每次修改最多改 50 条记录。所有方案都能用这个操作，但限制各不相同，而且 Team 方案试用期内不可用。像示例那样每次运行处理一条记录，远在这些限制之内。JevModel 方面，整个请求（state 加 questions）必须在 8,000 字符以内，所以发送前要截断长文本；示例只保留前 6,000 个字符。一次请求可问 1 到 8 个问题；Choice 有 2 到 12 个选项，ID 以小写字母开头，只能用小写字母、数字和下划线；Score 有 2 到 10 个有序等级。没有 model 字段，也没有幂等键：对同一条记录重新运行自动化就是一次新请求，会再次计费。失败的运行会退还额度。每条被打标签的记录都是一次普通 API 请求，从你的 Token 余额扣费；验证邮箱的账号先获赠 100,000 免费 Token，付费套餐见定价页。

三条路发送的是同一个 Jev 问题，区别在于逻辑放在哪里、结果怎样回到 base。下表对比工作流形态，不是准确率，也没有任何一行是基准测试。

把脚本粘贴进“运行脚本”操作，并把表名、字段名和标签定义改成你自己 base 里的。请求遵循 JevModel 文档化的契约：用已验证邮箱账号的 Bearer 密钥 POST /api/v1/systemone，发送 state 和具名问题，这里是一个名为 category 的 Choice；成功响应 code 为 0 并带 data.answers。没有 model 字段，因为本站始终通过 OpenRouter 调用 typesafe/jev-1.13；JevModel 与开发 Jev 的 TypeSafe AI 相互独立。脚本只发送文本，不发姓名、邮箱或其他列。单选字段的值要写成带 name 的对象，而且该选项必须已经存在于字段中。低于占位阈值、被标为 other 以及调用失败的记录都会勾选 Needs review，这样按该复选框筛选的视图就成了人工处理队列。0.7 只是占位值，请根据标注样本自己定阈值。

// Illustrative only. Airtable automation → "Run a script" action.
// Input variables: recordId (Airtable record ID from the trigger), text (the long-text field).
// Secret: JEVMODEL_API_KEY (Secrets tab in the script editor).
// Fields: Category (single select), Confidence (number), Needs review (checkbox).
const { recordId, text } = input.config();
const table = base.getTable("Requests");

const res = await fetch("https://jevmodel.app/api/v1/systemone", {
  method: "POST",
  headers: {
    Authorization: "Bearer " + input.secret("JEVMODEL_API_KEY"),
    "Content-Type": "application/json",
  },
  body: JSON.stringify({
    // The whole request must stay within 8,000 characters.
    state: { text: String(text || "").slice(0, 6000) },
    questions: {
      category: {
        type: "choice",
        instructions: "Which team should handle this request submitted through our form?",
        criteria: {
          billing: "Invoices, payments, refunds, or plan changes.",
          bug: "Something is broken, shows an error, or behaves unexpectedly.",
          feature_request: "Asks for something the product does not do yet.",
          other: "Anything that fits none of the labels above.",
        },
      },
    },
  }),
});
const out = await res.json();

if (out.code !== 0) {
  // Leave Category empty and hand the record to a person.
  await table.updateRecordAsync(recordId, { "Needs review": true });
  console.log("Jev call failed: " + out.message);
} else {
  const { choice, probabilities } = out.data.answers.category;
  const p = probabilities ? probabilities[choice] : 0;
  await table.updateRecordAsync(recordId, {
    Category: { name: choice }, // the option must already exist in the field
    Confidence: p,
    "Needs review": p < 0.7 || choice === "other", // 0.7 is a placeholder
  });
}

先从已经有人工类别的记录开始。导出几百条，CSV 里带上文本和人工标签，把文本上传到 JevModel Console → Batch，用同一个 Choice 问题跑一遍，再导出逐行答案。然后在表格里按标签对比两列；Batch 不会替你计算准确率。看哪些类别之间容易混淆，以及提高概率阈值时一致率怎样变化，改写含糊的定义，用同一份样本重跑，然后再开启自动化。同样的 CSV 路径也是给历史积压打标签的最简单办法：自动化只对新进入条件的记录触发，而在一次运行里循环处理大量记录的脚本很快就会碰到 50 次 fetch 的上限。上线后，保留一个按 Needs review 筛选、按 Confidence 排序的视图，并每周查看 other 的占比；占比上升说明类别列表已经跟不上人们提交的内容。在测出出错频率之前，不要让标签去删除、隐藏或发送邮件，并保持标签字段可编辑，方便人工纠正。

如果工作本来就在 base 里进行、你能改一段简短脚本，而且你的方案包含这个操作，就选“运行脚本”。如果无代码工具已经在跑你的其他自动化，或者同样的文本还要送到 Slack、邮件或 CRM，就选无代码工具；Zapier、Make、n8n、Power Automate 和 Pipedream 的指南分别演示了同一个 Jev 请求。一次性处理历史积压，或在搭任何自动化之前先测试标签定义，就选 CSV 加 Console → Batch。如果数据在 Google Sheets 而不是 Airtable，Google Sheets 指南用 Apps Script 讲了同样的模式。无论哪种的检查清单：1）写带明确 other 的标签定义；2）紧急程度用单独的是/否问题；3）只发文本，并截到 8,000 字符的请求上限以内；4）调用失败时让类别保持为空并标记记录；5）先只打标签、建复核视图，在标注样本上测过一致率后再加下游动作。JevModel 只处理文本，且不是开源项目；Airtable 里的附件、图片和音频不会被这套方案分类。