熟悉的场景？
你让 Claude 帮你做深度调研，它找到了大量有价值的信息。然后呢？
⚠️ 对话长度已达上限，部分早期内容已被截断
数据散落在对话里
研究结果只是文字，无法排序、筛选或对比，信息价值大打折扣。
导出成 Excel
脱离了 AI 的上下文，后续无法让 AI 继续分析或更新数据。
放进 Google Sheet
格式混乱，AI 读取困难，手动整理耗费大量时间。
对话太长被截断
之前调研的几十家公司数据全部丢失，只能重新开始。
你需要的是：一个 AI 可以直接读写的表格， 研究过程中持续积累数据，随时可以查询和分析。
三步开始结构化研究
tbl.dev 给你的 AI 助手一个专属的数据表格，研究结果不再丢失。
创建表格
用一句话定义结构
用自然语言告诉 AI 你要记录什么，它会立刻创建带有明确结构的表格。无需手动定义字段类型。
边研究边记录
数据自动写入表格
让 AI 连续调研数十家公司，每次查到信息后自动写入表格。数据持续积累，不因对话结束而消失。
随时查询分析
秒级返回结果
随时用自然语言查询你积累的数据。AI 直接从表格里检索，支持筛选、排序、统计分析。
跨对话保存
今天的研究，明天继续。下周还能用。你的数据不会因为对话结束而消失—— 这是 tbl.dev 最核心的承诺。
适用场景
任何需要 AI 帮你积累、管理结构化信息的场景，tbl.dev 都能胜任。
竞品调研
收集 50 家竞品的产品特性、定价、目标用户，随时筛选对比。
"帮我收集所有竞品的定价，整理成表格"
市场分析
追踪行业内的投融资事件、公司动态、关键人物，形成可查询的知识库。
"今年 Q1 的 AI 融资事件，按金额排序"
内容整理
整理书单、电影清单、旅行目的地，带评分和标签，让 AI 帮你推荐。
"评分 8 分以上、还没看的科幻电影有哪些？"
项目管理
跟踪待办事项、研究进展、联系人信息，AI 可以帮你排序和提醒。
"还有哪些任务未完成？按优先级排序"
为什么选择 tbl.dev
专为 AI 工作流设计，而不是现有工具的简单改造。
AI 原生设计
不是把现有表格工具接上 AI，而是从第一天就为"AI 读写数据"这个场景设计。API 为 AI 优化，响应格式 AI 友好。
有结构，不混乱
创建表格时定义好字段和类型。AI 写入的数据格式一致，查询结果可预测，不会出现"字符串里藏数字"的混乱。
支持大数据量
几百行、几千行都没问题。AI 做完大规模调研后，依然可以快速筛选和分析，不会因为数据量大而变慢。
简单，只做一件事
创建表格、写入数据、查询数据。没有复杂的功能，没有学习成本。专注做好这一件事。
四步快速开始
5 分钟内完成设置，立刻开始你的第一次 AI 结构化研究。
在 Claude 中添加 tbl.dev 连接
在 Claude 的 MCP 设置里添加 tbl.dev 作为工具连接，一次配置，永久使用。
# 在 Claude Desktop 设置中添加：
{
"mcpServers": {
"tbl": {
"url": "https://mcp.tbl.dev"
}
}
}告诉 Claude 创建表格
用自然语言描述你要记录什么，Claude 会立刻创建结构化表格。
"创建一个表格来记录 AI 公司调研， 字段包括：公司名、成立时间、 融资金额、投资人、产品方向"
开始研究，让 AI 边查边存
让 Claude 调研你感兴趣的内容，它会自动把结果写入表格，数据持续积累。
"调研 Anthropic，把信息存到表里" "调研 OpenAI，同样存进去" "继续调研剩下的公司..."
随时查询、筛选、分析
数据积累后，用自然语言随时提问。支持筛选、排序、统计等操作。
"融资超过 10 亿的公司有哪些？" "按成立时间从新到旧排序" "统计各融资轮次的公司数量"
免费方案，无需信用卡