飞书机器人与 Claude Code 交互：从手机指令到 AI 处理的全自动流程

配置 Claude Code 使用本地模型

Claude Code 默认使用 Anthropic 的 API，但我们可以通过环境变量让它调用兼容 OpenAI 格式的本地模型（如 Ollama）。假设你在本地 8000 端口运行了 Ollama 服务（例如通过 ollama serve），并且已有模型如 qwen3.5:9b。

设置环境变量：

export ANTHROPIC_BASE_URL="http://127.0.0.1:8000" # Ollama 兼容 OpenAI 的地址
export ANTHROPIC_AUTH_TOKEN="# 本地模型不需要认证令牌"
export ANTHROPIC_API_KEY="# 同上"
export USE_MODEL="qwen3.5:9b" # 你想使用的模型名称
export ANTHROPIC_DEFAULT_SONNET_MODEL=$USE_MODEL # 以下变量全部指向同一模型，简化配置
export ANTHROPIC_DEFAULT_OPUS_MODEL=$USE_MODEL
export ANTHROPIC_DEFAULT_HAIKU_MODEL=$USE_MODEL
export ANTHROPIC_REASONING_MODEL=$USE_MODEL
export ANTHROPIC_MODEL=$USE_MODEL
export ANTHROPIC_SMALL_FAST_MODEL=$USE_MODEL
export API_TIMEOUT_MS=600000 # 超时时间，本地模型可能较慢
export CLAUDE_CODE_DISABLE_NONESSENTIAL_TRAFFIC=1 # 禁止非必要流量，确保隐私

这些环境变量告诉 Claude Code SDK：所有请求都发往本地的 Ollama，使用指定的模型。

测试 Claude Code 是否正常工作

运行以下命令，让 Claude Code 回答一个简单问题：

IS_SANDBOX=1 claude --dangerously-skip-permissions -p"你是谁" --output-format text 

如果配置正确，你应该看到类似如下的输出：

我是 Claude agent，由 Anthropic 构建。我是一个交互式智能助手，专注于帮助完成软件工程和编程任务，例如： - 调试代码 - 添加新功能 - 重构代码 - 解释代码 - 解答编程问题 - 辅助开发工作 你今天需要我帮你做什么呢？ 

这说明 Claude Code 已经就绪，可以接受指令了。

第二步：安装 Python 依赖

我们的消息中间件是用 Python 编写的，需要安装两个库：

pip3 install claude_agent_sdk --break-system-packages
pip3 install lark_oapi --break-system-packages 

• claude_agent_sdk：这是 Claude Code 的 Python SDK，它封装了与 Claude Code 交互的细节，让我们可以在 Python 代码中轻松调用 Claude Code 并获取回复。
• lark_oapi：飞书开放平台官方 Python SDK，用于接收飞书事件、发送消息等。

参数 --break-system-packages 是 pip 的一个选项，允许在系统 Python 环境中安装包而不触发警告（如果你的系统是较新的 Linux 发行版）。你也可以使用虚拟环境（venv）来管理依赖。

第三步：获取飞书应用的凭证

要让飞书机器人接收和发送消息，你需要在飞书开发者后台创建一个应用，并获取 APP_ID 和 APP_SECRET。

1. 登录 飞书开发者后台，点击'创建应用'->'企业自建应用'，填写应用名称等信息。
2. 创建完成后，进入应用详情页，在'凭证与基础信息'中可以看到 App ID 和 App Secret。
3. 还需要配置'事件订阅'：
   • 在'事件订阅'页面，开启'接收消息'事件（im.message.receive_v1）。
   • 因为我们是本地运行，无法提供公网 HTTPS 地址，所以需要使用 WebSocket 方式接收事件（下文脚本中已实现）。飞书支持通过 WebSocket 连接接收事件，无需公网地址。
4. 在'权限管理'中添加机器人需要的权限：im:message（读取和发送消息）和 im:message:send_as_bot（以机器人身份发送消息）。记得版本发布并审核。

得到 APP_ID 和 APP_SECRET 后，我们在本地创建一个 .env 文件来保存它们：

cat> .env <<"EOF"
APP_ID=<你的 APP_ID>
APP_SECRET=<你的 APP_SECRET>
EOF

第四步：编写并运行中间件脚本

现在，我们编写一个 Python 脚本，它将完成以下任务：

• 使用飞书 SDK 通过 WebSocket 连接到飞书服务器，监听消息事件。
• 当收到新消息时，将消息内容放入队列，由工作线程处理。
• 工作线程调用 Claude Code 处理消息，并通过飞书 API 回复用户。

这里提供一个核心逻辑框架，实际使用时请根据需求调整：

import os
from dotenv import load_dotenv
from lark_oapi import LarkClient
from lark_oapi.api.im.v1 import CreateMessageReq
from lark_oapi.exceptions import ApiException

# 加载环境变量
load_dotenv()

app_id = os.getenv("APP_ID")
app_secret = os.getenv("APP_SECRET")

client = LarkClient(app_id, app_secret)

def process_message(content):
    # 这里调用 claude_agent_sdk 的逻辑
    # response = claude_agent.run(content)
    return f"Claude 回复：{content}" # 占位符

def handle_feishu_event(event):
    # 解析飞书事件
    msg_content = event.get("message", {}).get("content", "")
    reply_text = process_message(msg_content)
    
    # 发送回复
    req = CreateMessageReq.builder() \
        .msg_type("text") \
        .content('{"text":"' + reply_text + '"}') \
        .build()
    client.im.v1.message.create(req)

# 启动 WebSocket 监听器
# client.start_websocket_listener(handle_feishu_event)

注意：实际运行时，你需要集成 claude_agent_sdk 的具体调用方法，并确保 WebSocket 连接稳定。

第五步：在飞书中与机器人对话

脚本运行后，在飞书聊天窗口@你的机器人，输入问题。消息会被发送到本地服务，经过 Claude Code 处理后，结果会直接显示在你的聊天界面中。

常见问题

• 连接超时：本地模型推理较慢，适当增加 API_TIMEOUT_MS。
• 权限不足：检查飞书应用是否发布了最新版本，且拥有 im:message 权限。
• Docker 网络：确保 --net=host 配置正确，否则容器无法访问本地 Ollama。

总结

通过上述步骤，我们成功搭建了一个基于飞书和 Claude Code 的自动化 AI 助手。这不仅提升了开发效率，还实现了随时随地获取 AI 支持的便利。后续可以根据实际需求扩展更多功能，比如文件上传分析或复杂任务编排。