一家服务 200 多所乡村学校的教育公益组织，每天都在用金数据收集教师培训反馈、教学方案和满意度调查。表单运行顺畅，数据也收得完整，但数据回收之后仍有一段很长的人工流程：开放题要逐条阅读，多张表单要导出后手动拼接，季度报告还要从头整理。
他们真正缺少的不是一个收集数据的工具，而是一套能理解数据、提炼信息并推动下一步行动的工作流。
本文以这家组织的教学研究项目为例，介绍金数据 MCP 与 WorkBuddy 如何协同完成从建表、收数、分析到回写的完整链路。文中的表单名称和数据为演示方案，实际可用工具与权限以当前 MCP 服务返回为准。
一句话理解这套组合
金数据负责把业务数据结构化收集并提供可控的数据读写能力，WorkBuddy 负责理解自然语言、调用 MCP、分析长文本和编排自动化任务。
可以把整套流程理解成四步：
- 用自然语言描述目标，AI 协助创建表单。
- 用金数据收集结构化字段和开放式反馈。
- 由 WorkBuddy 通过 MCP 查询、整理和分析数据。
- 将教案、报告和状态等结果回写到原表单，形成数据闭环。
为什么“收集完成”不等于“数据产生价值”
传统流程卡在哪里
这家组织遇到的问题很典型：
- 128 条“请描述你的感受”需要人工逐条阅读，忙不过来时只能放弃分析。
- “教师成长趋势”涉及五六张表单，需要分别导出，再手动清洗和关联。
- 一份季度报告要经历拉数据、拼表、做统计、写结论，通常要占用数天。
- 教研员还要在教师提交思路、编写教案、收集授课反馈和撰写报告之间反复切换。
表单工具解决了“怎么收集”，但如果数据还停留在导出文件和人工复制粘贴阶段，组织仍然无法及时做出判断。
MCP 把数据带进 AI 工作流
MCP 是模型上下文协议。金数据 MCP Server 为支持 MCP 的 AI 工具提供连接入口，让 AI 可以在授权范围内理解和操作金数据中的表单与数据。
官方公开能力主要包括：
- 查询表单列表，查看表单结构和字段设置。
- 创建表单，编辑字段、选项和部分表单设置。
- 查询数据列表，获取单条数据详情。
- 新增、批量新增、修改和删除数据。
- 查看当前用户、企业账户和团队成员信息。
因此，AI 不再只能对着一份手动上传的 Excel 做一次性总结，而是可以先发现表单结构，再按条件读取数据，完成分析后把结果写回指定记录。
场景一：用自然语言创建复杂表单
需要收集哪些字段
教学研究项目需要同时记录教师信息、项目内容和后续反馈。一个可行的申报表单包括：
- 教师姓名、任教学校、任教学科和教龄。
- 项目名称或课题名称。
- 教学思路等长文本内容。
- 预期成果和资源支持需求。
后续还可以预留辅助教案、教案状态、授课反馈、授课报告和报告状态等字段，用于保存 AI 生成结果和流程状态。
对 WorkBuddy 的示例指令
帮我创建一个“乡村教师教学研究项目申报”表单，收集教师姓名、任教学校、任教学科、教龄、项目名称、教学思路、预期成果和资源支持需求。教学思路使用多行文本，教龄使用选项字段。
WorkBuddy 会先理解字段类型和业务目的，再将需求转换成结构化的 MCP 调用。创建之后，还可以继续用自然语言迭代：
把“教龄”改成“1—3 年、4—6 年、7—10 年、10 年以上”四个选项；给“教学思路”增加字数限制，并保留原有字段顺序。
这种方式的价值不只是节省拖拽时间，还让不熟悉表单后台的同事能够直接参与建表。业务人员描述业务，AI 协助完成配置，复杂设置也可以在对话中逐步修正。
两者如何协作
| 角色 | 主要职责 |
|---|---|
| 金数据 MCP | 提供表单创建、字段配置和数据读写接口 |
| WorkBuddy | 理解需求，生成调用参数，并根据反馈迭代方案 |
| 业务人员 | 说明收集目标，确认字段和流程是否符合实际 |
场景二：让 AI 读懂每一条开放题
从“导出后人肉阅读”变成结构化分析
培训满意度表单里最有价值的内容，往往不是单选题，而是“请描述总体感受”“哪些环节最有帮助”这类开放题。
WorkBuddy 可以先通过 MCP 分页读取数据列表，再获取需要分析的长文本字段。完成读取后，AI 可以按业务要求完成：
- 情感倾向分类。
- 高频关键词提取。
- 典型反馈归纳。
- 问题聚类和数量统计。
- 面向下一次培训的行动建议。
一个可复用的分析指令
请分析“乡村教师培训满意度调研”中的“总体感受”字段。将反馈分为好评、中性和批评三类，分别统计数量、提炼高频词，并总结下一期培训最值得优先改进的三个方面。请保留数据依据，不要只给空泛结论。
对于演示中的 128 条反馈，AI 可以输出类似这样的结构：
| 类别 | 反馈特征 | 可执行建议 |
|---|---|---|
| 好评 | 实用、案例丰富、互动性强 | 保留案例教学和互动环节 |
| 中性 | 内容较多、需要消化、时间偏紧 | 优化内容密度，增加课后材料 |
| 批评 | 理论多、实操少、设备或场地影响体验 | 提高实操占比，提前准备替代方案 |
真正重要的不是把文字换成几个标签，而是让开放式反馈能够参与后续决策。原本可能被忽略的长文本，变成了可以被统计、比较和跟进的业务信息。
场景三：定时自动化，让数据自己流动
把一次分析变成持续运行的流程
这家组织的教学研究工作可以抽象成一条状态流：
- 教师提交教学思路，教案状态为“待生成”。
- 自动化任务找到待处理记录，读取教学思路。
- WorkBuddy 生成辅助教案，并通过 MCP 回写到同一条记录。
- 教案状态更新为“已生成”，教研员完成授课并填写授课反馈。
- 第二个自动化任务读取教学思路、辅助教案和授课反馈。
- WorkBuddy 生成授课报告，回写报告并更新报告状态。
金数据 MCP 在这条链路中负责查询记录、更新指定字段和保存结果。定时触发、内容生成、条件判断和任务编排由 WorkBuddy 工作流负责。
示例：单表单数据闭环
建议把一个教师研究项目作为一条完整记录，教师填写的字段和 AI 处理字段放在同一张表单中：
| 字段分组 | 字段示例 | 处理方式 |
|---|---|---|
| 教师填写 | 教师姓名、学校、学科、教龄 | 通过表单收集 |
| 项目内容 | 课题名称、教学思路、预期成果 | 作为 AI 分析输入 |
| AI 结果 | 辅助教案、授课报告 | 由 AI 生成后回写 |
| 流程状态 | 教案状态、报告状态 | 用于筛选待处理记录 |
| 教学反馈 | 授课反馈 | 由教研员补充后触发下一阶段 |
单表单方案可以避免跨表按姓名匹配造成的错误，也让每个项目从申报、教案、授课到报告始终保持在同一条数据记录中。
从对话到上线的示例步骤
第一步：创建基础表单
让 WorkBuddy 创建教师项目申报表，确认字段名称、类型和必填规则。
第二步：追加流程字段
追加辅助教案、教案状态、授课反馈、授课报告和报告状态等字段。AI 自动填充的字段可以设置为管理侧使用，避免影响教师填写体验。
第三步：生成测试数据
先创建少量具有真实内容的测试记录，检查长文本字段、状态字段和回写位置是否正确，再接入正式数据。
第四步：配置自动化规则
将自动化任务拆成“扫描条件、读取字段、生成内容、回写字段、更新状态”五个部分。每一步都要明确输入和输出，避免任务重复处理同一条记录。
第五步：人工抽查结果
自动化上线初期，先抽查生成的教案和报告，确认内容符合教研标准。必要时调整提示词、状态条件和字段结构。
场景四：跨表单分析，快速形成决策报告
不再手动导出和拼接
学期结束时，组织需要综合分析项目申报、过程记录、授课反馈和满意度调研四类数据。传统做法是分别导出文件，再用姓名、学校或项目名称进行关联。
在 MCP 工作流中，WorkBuddy 可以按以下顺序执行：
- 找到目标表单并读取表单结构。
- 根据字段名称定位学校、学科、项目和反馈字段。
- 按学期时间范围分页查询数据。
- 清洗字段格式，处理缺失值和重复记录。
- 按教师、学校或项目关联多张表单。
- 输出趋势、差异、异常和下一步工作优先级。
示例分析目标
请综合分析本学期的项目申报、过程记录、授课反馈和满意度调研。重点回答：各学科的教师参与度如何变化，满意度中的主要情绪如何变化，哪个学科的授课反馈最好，哪个学科最需要支持，并给出下学期的工作优先级。每个结论都标明使用了哪些数据字段。
这类任务的关键是让 AI 先理解字段结构，再做关联分析。不要只把表单名称告诉 AI，还要明确时间范围、关联字段、统计口径和报告受众。
三种工作方式的差异
| 方式 | 人工参与 | 适合任务 | 主要限制 |
|---|---|---|---|
| 传统导出分析 | 全程参与 | 少量数据、临时核对 | 耗时，长文本和多表关联难以持续 |
| 对话式 AI 分析 | 每次任务都发指令 | 临时查询、探索性分析 | 不主动触发，容易依赖个人记忆 |
| MCP 加自动化工作流 | 首次配置和抽查 | 持续收数、定期分析、结果回写 | 需要先设计好字段、状态和权限 |
金数据 MCP 的能力边界
适合交给 MCP 的工作
- 读取表单列表和字段结构。
- 按条件、分页读取数据。
- 创建或编辑表单结构。
- 新增、批量新增和更新数据。
- 将 AI 处理结果写回指定字段。
需要由 AI 工作流完成的工作
- 理解自然语言中的业务目标。
- 设计分析口径和提示词。
- 对开放题进行分类、总结和归因。
- 编排定时任务、条件判断和多步处理。
- 生成面向管理者的报告和行动建议。
需要业务人员确认的工作
- 是否允许读取某张表单或某类敏感字段。
- AI 生成内容是否可以直接对外使用。
- 跨表单关联时使用什么唯一标识。
- 删除字段、删除数据或批量更新前是否确认影响。
把三类职责分开，才能既发挥 AI 的效率，也保留业务流程中的可控性。
上线前的四项检查
- 先用少量测试数据验证查询条件、字段映射和回写位置。
- 为每个自动化任务设置明确的待处理状态，防止重复生成。
- 对姓名、手机号、身份证号等敏感信息设置最小化读取范围。
- 将 AI 生成的教案和报告保留人工抽查环节，再逐步扩大自动化范围。
如果跨表分析依赖姓名、学校等字段，要提前统一字段格式。对于同名、改名或一人多项目的情况，最好增加项目编号等稳定标识。
适合哪些团队
金数据 MCP 与 WorkBuddy 的组合尤其适合以下场景：
- 教育培训：分析学员反馈，生成教学建议和复盘报告。
- 市场调研：处理开放题，提取用户需求和趋势变化。
- 客户服务：归纳满意度、投诉和服务改进方向。
- 人力资源：关联员工反馈、培训记录和组织数据。
- 公益项目：分析受益人反馈，评估项目效果和资源优先级。
- 活动运营：汇总报名数据、参与反馈和活动复盘结果。
只要团队已经在用金数据收集业务数据，就可以进一步思考：哪些字段一直没有被分析，哪些报告每周都在重复制作，哪些结果可以回写到原数据中继续驱动下一步工作。
常见问题
Q1：金数据 MCP 是不是只能查询数据？
A：不是。公开能力包含表单管理、数据查询、新增、批量新增、修改和删除等操作。具体工具和权限以当前连接返回的能力为准。
Q2：WorkBuddy 和金数据 MCP 分别负责什么？
A：金数据 MCP 提供表单与数据的标准化访问通道；WorkBuddy 负责理解需求、调用工具、分析内容和编排工作流。两者组合后，才形成从数据读取到结果回写的完整链路。
Q3：可以直接让 AI 修改正式数据吗？
A：可以设计这样的流程，但建议先使用测试表单验证字段映射和更新条件。涉及批量修改、删除或敏感数据时，应保留人工确认和操作记录。
Q4：一定要把所有表单合并成一张吗？
A：不一定。单表单适合围绕同一项目持续更新的档案；跨表单适合不同团队分别收集、需要按稳定标识关联的场景。选择哪种结构，取决于数据生命周期和权限边界。
Q5：如何避免 AI 只给出空泛的分析？
A：在指令中明确数据范围、字段、统计口径、输出结构和证据要求。例如要求每条结论注明来源字段，并区分事实、推断和建议。
结语
金数据解决的是数据如何被稳定收集和管理，MCP 让这些数据进入 AI 可以理解和调用的工作流，WorkBuddy 则把自然语言、分析能力和自动化任务连接起来。
当开放题不再被闲置，多张表单不再需要手动拼接，教案和报告能够按状态自动生成并回写，表单就不只是数据入口，而是组织持续学习和决策的一部分。
一句话概括：金数据 MCP 打开数据通道，WorkBuddy 让数据进入分析、行动和复盘的循环。