开篇
作为一名产品经理，我最近在体验飞书官方新开源的lark-cli命令行工具，结合OpenClaw（一个AI Agent平台）搭建了一套办公自动化系统。这套组合的核心价值在于：用自然语言指令替代重复性办公操作，而不是纯粹的"AI处理一切"。
搭建过程只花了我3分钟，但这3分钟解放了我每周约5小时的重复劳动——日程查看、会议纪要整理、周报汇总、客户跟进提醒等。本文将以实际操作案例，展示这套系统如何运作。
一、理解核心架构
lark-cli是什么？
lark-cli是飞书官方开源的命令行工具（v1.0.0），本质上是一个结构化的飞书API封装层。它覆盖11个业务域（日历、消息、文档、表格、任务、邮件、会议等），提供200+个命令。
更关键的是，它原生支持Agent Skill标准，内置了19个预制技能包。这意味着任何兼容Skill协议的AI Agent（包括Claude Code、GPT、Gemini等）都可以直接调用这些能力，无需额外开发。
为什么选择OpenClaw？
OpenClaw是一个Agent编排平台，支持多种AI模型和Skill系统。将lark-cli的Skill导入后，你可以用纯自然语言操作飞书，而无需手写代码或API调用。核心优势是：零代码配置、即插即用、多Agent协作。
二、安装与配置步骤
第1步：安装lark-cli
打开终端，执行：
npm install -g @larksuite/cli前置要求：需要Node.js环境。如未安装，访问 https://nodejs.org 下载安装。
验证安装：
lark-cli --version看到版本号输出即表示安装成功。
第2步：安装Agent Skill包
执行以下命令安装19个飞书相关的Skill：
npx skills add larksuite/cli -y -g这一步是让AI Agent理解和调用lark-cli命令的必要条件。安装完成后，Agent可以自动识别日历、消息、文档、表格等操作命令。
第3步：创建飞书应用
访问 https://open.feishu.cn，登录后执行以下操作：
点击「创建企业自建应用」
填写应用名称（如"My AI Assistant"）
记下生成的App ID和App Secret（后续配置需要）
第4步：配置认证信息
执行配置初始化命令：
lark-cli config init --new命令会输出一个授权链接，复制到浏览器打开，按提示完成OAuth授权。
如果已有应用，可直接选择与OpenClaw绑定的飞书应用。
第5步：用户身份授权
执行：
lark-cli auth login --recommend同样在浏览器中完成授权。
--recommend参数会自动选择常用权限范围（日历、消息、文档、表格、任务等）。
第6步：验证环境
执行：
lark-cli auth status看到登录信息表示认证完成。
进一步验证日历权限：
lark-cli calendar +agenda如果能输出你的今日日程，说明lark-cli环境搭建完成。
三、在OpenClaw中激活能力
假设你已安装OpenClaw，接入lark-cli只需确保以下三个条件满足：
- ✓ lark-cli已全局安装（npm install -g）
- ✓ Agent Skill已安装（npx skills add larksuite/cli）
- ✓ 认证已完成（lark-cli auth login）
无需额外代码配置。之后在OpenClaw对话中，你可以直接用自然语言操作飞书：
"帮我查一下今天有什么日程"
"创建一个明天下午3点的会议，邀请张三和李四"
"把上周完成的任务汇总成一份周报"
"在多维表格里添加一条新的客户记录"
AI Agent会自动调用lark-cli完成操作，返回结果或执行反馈。
四、五个实战场景
场景1：每日自动生成站会报告
需求描述：每天早上8:30，AI自动查看日程和进行中的任务，生成站会报告并发送到工作群。
在OpenClaw中的指令：
"每天早上8:30，帮我检查今天的日程，列出进行中的任务，生成一份站会报告，发送到'产品研发群'"
后台实际执行的命令序列：
# 1. 查询今日日程
lark-cli calendar +agenda
# 2. 查询进行中的任务
lark-cli task +tasks list --filter "in_progress"
# 3. 发送消息到群聊
lark-cli im +messages-send --chat-id "oc_xxx" --text "[站会报告]\n日程：...\n待办：..." --as bot效果对比：原来手动整理需要10分钟，现在自动完成只需30秒启动。每周节省50分钟。
场景2：会议纪要自动整理与任务创建
需求描述：会议结束后，自动提取飞书妙记的AI纪要，整理成结构化文档，并为待办事项创建任务并分配负责人。
在OpenClaw中的指令：
"帮我整理刚才会议的纪要，提取待办事项，为每个待办创建任务并分配给相关人员"
后台执行流程：
# 1. 获取最近的会议纪要
lark-cli minutes +get --latest
# 2. 提取待办事项（由AI分析）
# AI自动解析结构化内容
# 3. 创建任务
lark-cli task +tasks create --title "待办1" --assignee "user_id_xxx"
lark-cli task +tasks create --title "待办2" --assignee "user_id_yyy"
# 4. 发送纪要文档链接到群
lark-cli im +messages-send --chat-id "oc_zzz" --text "会议纪要已生成：[链接]"效果对比：原来需要30-45分钟手动整理，现在2分钟完成，数据准确率更高。
场景3：团队周报自动汇总
需求描述：每周五下午5点，自动收集团队成员本周完成的任务，生成结构化周报并发送给管理层。
在OpenClaw中的指令：
"每周五下午5点，帮我收集团队成员本周完成的任务，汇总成周报，发到'管理层群'"
后台执行流程：
# 1. 批量查询团队成员任务（已完成状态）
lark-cli task +tasks list --filter "status=done" --assignee "team_member_1"
lark-cli task +tasks list --filter "status=done" --assignee "team_member_2"
# ... 依次查询每个团队成员
# 2. 聚合并格式化
# AI负责数据聚合、去重、分类
# 3. 发送周报
lark-cli im +messages-send --chat-id "management_group" --text "[本周团队周报]\n张三：完成3项任务\n李四：完成4项任务\n..." --as bot效果对比：原来每周五需要逐个催促成员提交周报，整理1小时。现在完全自动化，周五管理层下班前就能收到报告。
场景4：客户信息自动记录与跟进提醒
需求描述：新客户咨询时，自动记录客户信息到多维表格，并创建跟进提醒任务。
在OpenClaw中的指令：
"当收到客户咨询消息时，自动把客户信息添加到'客户库'多维表格，并创建一个3天后的跟进提醒"
后台执行流程：
# 1. 监听消息（由OpenClaw触发）
# 当特定关键词出现时触发
# 2. 解析客户信息并添加到多维表格
lark-cli base +records create \
--app-token "bascxxxxx" \
--table-id "tbl_xxxxx" \
--fields '{"客户名称":"XXX公司","联系人":"张三","电话":"13800138000"}' \
--as user
# 3. 创建跟进任务
lark-cli task +tasks create \
--title "跟进客户：XXX公司" \
--due-date "+3d" \
--reminder-minutes 0效果对比：避免了手动转录和遗漏，客户数据自动入库，提醒自动创建。
场景5：定时文档备份与知识库更新
需求描述：每周一自动备份上周的重要文档到知识库归档，并生成更新日志。
在OpenClaw中的指令：
"每周一早上9点，帮我把上周修改过的重要文档复制到'周报文档库'，并生成一个更新日志"
后台执行流程：
# 1. 查询最近修改的文档
lark-cli docs +list --modified-time "last_7_days"
# 2. 复制文档到归档目录
lark-cli docs +copy --doc-token "docxxxxx" --parent-token "folderxxxxx"
# 3. 生成更新日志
lark-cli im +messages-send --chat-id "archive_group" --text "[周文档更新日志]\n修改文档数：5\n新增内容：..." --as bot效果对比：文档不会丢失，知识沉淀更规范。
五、进阶技巧
技巧1：身份切换（User vs Bot）
lark-cli支持两种操作身份，通过--as参数切换：
# 以用户身份操作（访问个人日历、文档）
lark-cli calendar +agenda --as user
# 以机器人身份操作（以应用名义发送消息）
lark-cli im +messages-send --chat-id "oc_xxx" --text "Hello" --as bot何时选择哪个身份？
| 操作类型 | 推荐身份 | 原因 |
|---|---|---|
| 查看个人日程 | --as user | Bot无权限访问用户日历 |
| 群聊发消息 | --as bot | 以应用名义发送，显示为自动化操作 |
| 创建个人文档 | --as user | 文档所有权属于用户 |
| 管理公共多维表格 | --as bot | 应用级权限更稳定 |
| 创建共享任务 | --as bot | 任务可追踪，记录清晰 |
技巧2：使用Dry-Run模式预览操作
对于删除、修改等风险操作，先用--dry-run预览：
lark-cli im +messages-send \
--chat-id "oc_xxx" \
--text "这是一条测试消息" \
--dry-run加上--dry-run后，命令只会显示请求内容，不实际执行。这对验证复杂的自动化流程特别有用。
技巧3：灵活选择输出格式
lark-cli支持多种输出格式，根据场景选择：
# JSON格式（默认，最适合AI Agent解析）
lark-cli calendar +agenda --format json
# 表格格式（人类可读）
lark-cli calendar +agenda --format table
# 格式化输出（美观的文本）
lark-cli calendar +agenda --format pretty
# CSV格式（适合数据导入）
lark-cli calendar +agenda --format csv技巧4：理解三层命令架构
lark-cli提供三个粒度的命令：
- 第一层：快捷命令（+ 前缀）
示例：lark-cli calendar +agenda
特点：人机友好，内置智能默认值，日常使用的最佳选择
适用场景：日程查看、消息发送、任务列表等常规操作
- 第二层：API命令
示例：lark-cli calendar calendars list
特点：与飞书API一一对应，100+精选命令，精细度更高
适用场景：需要精确控制参数、批量操作等中等复杂度任务
- 第三层：Raw API
示例：lark-cli api POST /open-apis/im/v1/messages --body '{"receive_id":"oc_xxx"}'
特点：直接调用任意API端点，覆盖2500+接口
适用场景：特殊业务需求或飞书新发布的功能暂未在前两层支持
分层使用原则：优先用第一层（简洁高效）→ 遇到局限才用第二层（精细控制）→ 特殊需求才用第三层（完全自由）。
六、安全建议
lark-cli虽然功能强大，但涉及办公数据敏感性，需要注意以下几点：
⚠️ App Secret保管
不要在任何群聊、文档、代码仓库中暴露App Secret。将其存储在系统的密钥管理工具中（lark-cli使用OS原生密钥链）。
⚠️ 最小权限原则
创建应用时，仅授予实际需要的权限范围。比如纯读权限的任务，不要勾选文档编辑权限。
⚠️ Bot加群谨慎
避免将Bot加入大型跨部门群，防止权限滥用。建议只在专属的自动化工作群中使用。
⚠️ 危险操作先测试
批量删除、修改、移动等操作，必须先用--dry-run预览，确认无误后再执行。
好消息是：lark-cli的默认配置已内置了多项安全机制（输入防注入、终端输出净化、密钥链存储等），开箱即安全。一般不需要手动修改配置。
七、快速参考
| 步骤 | 耗时 | 命令 |
|---|---|---|
| 安装lark-cli | 1分钟 | npm install -g @larksuite/cli |
| 安装Agent Skill | 1分钟 | npx skills add larksuite/cli -y -g |
| 配置 & 授权 | 1分钟 | lark-cli config init --newlark-cli auth login --recommend |
| 验证环境 | 30秒 | lark-cli calendar +agenda |
| 总计时间 | ~3分钟 | — |
总结
从产品经理的角度来看，lark-cli + OpenClaw的组合代表了一个重要的趋势：将办公工具的能力通过标准接口（Skill）暴露给AI Agent层，让非技术人员也能构建自动化工作流。
这个方案的关键优势不在于"AI有多聪明"，而在于：
- 接入成本低：3分钟完成所有配置，无需编写任何代码
- 适配场景广：200+命令覆盖日常办公的主要场景
- 效率提升明确：通过上述5个案例，每周可节省约5小时的重复劳动
- 可扩展性强：支持自定义工作流，复杂度从简单指令到Raw API分层递进
如果你在用飞书办公，这个工具完全值得花3分钟试试。特别是对于有大量日程管理、会议纪要、任务跟进需求的岗位，实际收益会很可观。
进一步思考：你们团队中哪些重复性的飞书操作最耗时？欢迎在评论区分享，我会继续研究和分享更多高效率的自动化方案。