夜雨聆风
OpenClaw 接入飞书:消息、文档、表格都能直接操作了
OpenClaw 接入飞书：消息、文档、表格都能直接操作了
这不是又一个“能聊天”的 AI 插件，而是把飞书工作区真正接进 Agent 执行链路里。消息、文档、表格、日历、任务都能读写，很多原来靠人工点来点去的动作，现在可以直接交给 Agent。
GitHub 地址
https://github.com/larksuite/openclaw-lark
为什么这个项目值得看
- 办公动作终于能闭环：很多 AI 工具只能给建议，真正发消息、改文档、建日程还是得人手动补最后一步。
- 飞书本来就是高频入口：对国内团队来说，消息、文档、多维表格、任务都在一个工作区里，接入价值很直接。
- 适合搭配 Agent 场景：日报汇总、会议跟进、表格更新、任务推进，都是天然的自动化切口。
如果你本来就在看 OpenClaw 或者类似的个人智能体，这个插件的意义不是“多一个集成”，而是把 Agent 从纯对话，推到真正可执行的工作流。
“真正有价值的 AI，不是更会说，而是更会做。”
核心能力
1. 消息读写
- 读取群聊和私聊历史
- 回复线程消息
- 搜索消息
- 发送消息与下载附件
这意味着很多“收集上下文 -> 生成回复 -> 发回去”的流程可以一步完成。
2. 文档与表格操作
- 创建和更新文档
- 创建和编辑电子表格
- 对多维表格做 CRUD、批量操作和筛选
如果你现在用飞书管项目、客户、内容库，这部分最值得收藏，因为它直接连接了结构化数据。
3. 日历与任务协同
- 创建、查询、修改日程
- 管理任务与子任务
- 处理评论和参与人
这类能力一旦接上 Agent，很适合做“会后跟进”“待办推进”“提醒补漏”。
4. 交互卡片与权限控制
- 支持交互式卡片状态更新
- 支持敏感操作确认
- 支持群级别权限和 system prompt 配置
这一点很关键。因为一旦 AI 开始能“代你执行”，权限边界就比回答质量更重要。
技术亮点
- 官方团队维护：这不是第三方民间桥接，来自飞书开放平台团队，可信度和兼容性都更高。
- 覆盖面完整：不是只接消息接口，而是把文档、表格、日历、任务一起打通，适合做跨应用自动化。
- 风险意识明确：README 里把数据泄露、误操作、群聊使用风险都写得很清楚，这比“默认全自动”靠谱得多。
适合谁用
已经在用飞书的个人开发者
想把消息处理、资料整理、任务推进交给 Agent 做一部分。
小团队负责人
希望把日报、会议跟进、表格维护这类重复动作自动化。
Agent 工作流爱好者
需要一个真实、可落地、不是纸上谈兵的企业协作入口。
注意：它读取的是你的工作数据。第一次体验更适合先用个人号或测试空间，不建议一上来就接入生产团队数据。
怎么开始
1. 准备好可用的 OpenClaw 环境
2. 按项目文档配置飞书开放平台应用
3. 先从低风险动作开始，例如读消息、建测试文档、写测试表格
4. 把“需要确认”的动作保留人工审批
建议一开始不要追求大而全，先验证三个场景就够：
- 自动整理群聊重点
- 会后自动建待办
- 根据表格数据生成周报草稿
声明与注意事项
- 项目为开源项目，仓库协议为
MIT - 使用时仍需遵守飞书/Lark 开放平台规则与隐私要求
- 涉及消息发送、文档写入、任务变更等操作时，建议保留“预览后确认”的人工环节
- 不建议直接给它生产环境最高权限
写在最后
过去很多人说 Agent 有潜力，但落到实际工作里，经常卡在“没法真正操作业务工具”。这个项目最有价值的地方，就是把飞书这种高频协作入口真正接上了。
如果你做的是内容、协作、项目推进、知识整理，这类插件比单纯的大模型升级更值得看，因为它会直接改变你怎么处理工作流。
对想做“AI 自动化实战”内容的人来说，这也是一个很稳的题材：场景清楚、收益明确、用户一看就懂。
如果这个项目对你有帮助，别忘了去 GitHub 给它一个 Star。