飞书 Lark CLI 正式开源：AI Agent 直接操控工作数据

1. 前往 飞书开放平台 创建企业自建应用。
2. 开启所需权限（消息、文档、日历等）。
3. 获取 App ID 和 App Secret。

配置认证

初始化配置后，输入以下信息即可建立连接：

# 初始化配置
lark auth init

# 输入以下信息：
# App ID: cli_xxxxxxxxxxxxxx
# App Secret: xxxxxxxxxxxxxxxxxxxxxx
# 飞书域名：feishu.cn (国内) / larksuite.com (国际)

尝试发送第一条消息

配置完成后，我们可以测试最基础的消息发送功能。

# 发送文本消息到指定用户
lark message send --to "[email protected]" --text "Hello from Lark CLI!"

# 发送到群聊
lark message send --to "chat_id:oc_xxxxxxxx" --text "这是 AI 发送的消息"

# 发送富文本卡片
lark message send-card --template-id "your_template_id" \
--variables '{"title": "任务完成", "content": "AI 已自动完成数据分析"}'

19 个 AI Agent Skills 详解

这是 Lark CLI 最核心的功能——为 AI Agent 预置的 19 个结构化技能，每个 Skill 都经过优化，让 LLM 能精准理解其语义并调用。

消息类 Skills（3 个）

• send_message: 发送飞书消息给用户或群组。参数包括接收者、内容类型（文本/富文本/卡片）。
• read_messages: 读取并汇总指定会话的消息。支持时间范围和数量限制。
• create_group_chat: 创建新群聊并添加成员。

示例调用：

# 帮我发消息给张三，说今天的会议延期到明天下午 3 点
skill: send_message(recipient="zhangsan", message="会议延期...", type="text")

# 帮我总结产品群今天的讨论内容
skill: read_messages(chat_id="product_group", time_range="today")

文档类 Skills（4 个）

• create_document: 创建飞书文档，支持 Markdown 内容。
• read_document: 读取飞书文档内容，可指定返回格式。
• update_document: 更新现有文档的内容，支持追加或替换模式。
• search_documents: 搜索飞书知识库中的文档。

示例调用：

# 根据今天的会议录音，创建一份会议纪要文档
skill: create_document(title="会议纪要", content="# 纪要内容...")

日历类 Skills（3 个）

• check_calendar: 查询日历空闲时段。
• create_event: 创建日历事件。
• get_schedule: 获取指定日期的日程安排。

示例调用：

# 查一下我和李四明天下午都有空的时间段
skill: check_calendar(date_range="tomorrow afternoon", attendees=["lisi"])

多维表格 Skills（4 个）

• read_bitable: 读取多维表格数据，支持 SQL-like 过滤。
• write_bitable: 向多维表格写入数据。
• create_bitable: 创建新多维表格。
• update_bitable_record: 更新多维表格中的记录。

其他 Skills（5 个）

包含发送邮件、发起审批流程、查询员工信息、上传文件到云盘、创建 Wiki 页面等功能。

实战案例：搭建智能工作日助手

下面演示如何用 Claude Code + Lark CLI 搭建一个每天早上自动执行的工作日助手。

场景描述

每天早上 9 点，AI 自动：

1. 读取今日日历，整理待参会议。
2. 汇总昨日群聊讨论中的 Action Items。
3. 创建'今日工作看板'文档。
4. 发送日程通知到个人。

Claude Code 集成配置

在 ~/.claude/settings.json 中添加工具配置：

{
  "tools": {
    "lark_cli": {
      "command": "lark",
      "description": "操作飞书的命令行工具",
      "capabilities": [
        "send_message",
        "read_messages",
        "check_calendar",
        "create_document",
        "read_bitable",
        "create_event"
      ]
    }
  }
}

自动化脚本

这里是一个具体的 Bash 脚本示例，展示了如何串联各个步骤：

#!/bin/bash
# daily-assistant.sh - 每日工作日助手
DATE=$(date +%Y-%m-%d)
echo "🤖 启动每日工作日助手：$DATE"

# Step 1: 获取今日日程
echo "📅 获取今日日程..."
SCHEDULE=$(lark calendar get-schedule --date today --format json)

# Step 2: 汇总重要群聊消息
echo "💬 汇总昨日消息..."
MESSAGES=$(lark message read \
  --chat-id "oc_product_team_chat_id" \
  --time-range "yesterday" \
  --limit 100 \
  --format json)

# Step 3: 用 AI 生成工作看板（调用 AI API）
DAILY_PLAN=$(echo "{\"schedule\": $SCHEDULE, \"messages\": $MESSAGES}" | \
  claude-cli "根据今日日程和昨日群聊，生成今日工作重点和 Action Items，Markdown 格式")

# Step 4: 创建飞书文档
DOC_URL=$(lark document create \
  --title "📊 工作看板 - $DATE" \
  --content "$DAILY_PLAN" \
  --folder "work_dashboard_folder_id")

# Step 5: 发送通知
lark message send \
  --to "self" \
  --text "✅ 今日工作看板已就绪：$DOC_URL"

echo "🎉 每日助手执行完毕！"

运行效果如下：

🤖 启动每日工作日助手：2026-03-29
📅 获取今日日程...
✅ 发现 3 个会议
💬 汇总昨日消息...
✅ 处理 87 条消息
📝 生成工作看板...
✅ 识别出 12 个 Action Items
📄 创建飞书文档...
✅ https://feishu.cn/docs/xxxx
📨 发送通知...
✅ 🎉 每日助手执行完毕！（耗时 4.2s）

进阶：多 Agent 协作工作流

在实际复杂场景中，单一 Agent 可能难以处理所有任务，此时可以引入 Orchestrator Agent 进行任务分发。

架构设计

┌─────────────────────────────────────────┐
│ Orchestrator Agent                      │
│ (Claude Code / OpenAI Codex)            │
└─────────────────┬───────────────────────┘
                  │ 分发任务
┌──────────┼──────────┐
▼ ▼ ▼
┌─────────┐ ┌─────────┐ ┌─────────┐
│ 消息    │ │ 文档    │ │ 数据    │
│ Agent   │ │ Agent   │ │ Agent   │
└────┬────┘ └────┬────┘ └────┬────┘
     │           │           │
     └───────────┴───────────┘
                  │
             ┌──────────┐
             │ Lark CLI │
             │ 飞书 OpenAPI │
             └──────────┘

多 Agent 任务分配示例

import subprocess
import json

def lark(command: str, **kwargs) -> dict:
    """封装 Lark CLI 调用"""
    args = ["lark"] + command.split()
    for k, v in kwargs.items():
        args.extend([f"--{k}", str(v)])
    result = subprocess.run(args, capture_output=True, text=True)
    return json.loads(result.stdout)

class OrchestratorAgent:
    def handle_task(self, task: str):
        """主编排器：解析任务并分发到子 Agent"""
        if "发消息" in task or "通知" in task:
            return MessageAgent().execute(task)
        elif "文档" in task or "纪要" in task:
            return DocumentAgent().execute(task)
        elif "数据" in task or "表格" in task:
            return DataAgent().execute(task)

class MessageAgent:
    def execute(self, task: str) -> str:
        result = lark("message send", to="[email protected]", text=task)
        return f"消息已发送：{result['message_id']}"

class DocumentAgent:
    def execute(self, task: str) -> str:
        content = self._generate_content(task)
        result = lark("document create", title="会议纪要", content=content)
        return f"文档已创建：{result['url']}"

    def _generate_content(self, task: str) -> str:
        return f"# 会议纪要\n\n{task}"

class DataAgent:
    def execute(self, task: str) -> str:
        data = lark("bitable read", table_url="https://feishu.cn/base/xxx", filter="status=active")
        return json.dumps(data, ensure_ascii=False)

# 主流程
orchestrator = OrchestratorAgent()
result = orchestrator.handle_task("帮我把今天的销售数据整理成报告，发给所有销售经理")
print(result)

安全与权限管理

最小权限原则

配置 Lark CLI 时，建议按照最小权限原则配置飞书应用权限，避免过度授权。

# 推荐权限配置（按需开启）
minimal_permissions:
  - im:message:send_as_bot # 发消息
  - docs:document:create   # 创建文档
  - calendar:calendar:read # 读取日历
  - bitable:table:read     # 读取表格

# 谨慎开启的权限
sensitive_permissions:
  - contact:user:read_as_app # 读取员工信息
  - admin:department:read    # 读取部门信息

环境变量安全存储

不要在代码中硬编码凭证，推荐使用环境变量或 .env 文件（记得加入 .gitignore）。

export LARK_APP_ID="cli_xxxxxxxxxxxxxx"
export LARK_APP_SECRET="xxxxxxxxxxxxxxxxxxxxxx"

常见问题 FAQ

Q1：Lark CLI 支持国际版飞书（Lark）吗？

✅ 支持！配置时选择域名 larksuite.com 即可，国内版使用 feishu.cn。

Q2：并发调用会触发限流吗？

⚠️ 飞书 OpenAPI 有频率限制，建议：消息发送 ≤ 50 次/分钟，文档操作 ≤ 100 次/分钟。Lark CLI 内置了自动重试和指数退避机制。

Q3：如何让 Cursor 直接使用 Lark CLI？

在 Cursor 的 Agent Tools 配置中添加 lark 命令路径即可，Cursor 会自动发现 19 个 Skills 的 JSON Schema。

Q4：可以用于自动化测试吗？

✅ 完全可以，Lark CLI 支持 --dry-run 参数，模拟执行但不真实调用 API，适合测试 Agent 工作流。

总结

飞书 Lark CLI 的开源，是 AI Agent 工程化落地的一个重要里程碑。它解决了工具与数据之间的最后一公里问题，让 AI 不再只是'说说而已'，而是真正能够在企业环境中自主执行任务。对于开发者而言，这提供了一个绝佳的切入点——你可以用它来构建智能工作台、自动化日报工具、团队协作机器人，让你的技术价值在业务层面得到更大的放大。

一行命令即可开始体验：

go install github.com/larksuite/cli@latest && lark --help