飞书这波太狠:把办公软件“压扁”成命令行,AI 助理终于能落地

那这意味着什么呢？

举个例子，你可能已经用 AI 写过方案、改过文案、整理过会议纪要——但真正烦的，是后半段：
打开飞书 → 新建文档 → 粘贴 → 调格式 → 发群 → 建任务 → 排日程 → 再把数据抄到表里……

AI 很聪明，但过去它像“只会出主意的顾问”，你才是那个一直点按钮、搬运信息的“操作员”。

飞书开源了 CLI（lark-cli）这个事情，本质上是给 AI（也给你）提供了一套“能直接操作飞书的手”。

让 AI 从“给建议”变成“把事情在飞书里办完”。

接下来我们详细的说下

1）把后面可能用到的名字大白话一下：

CLI、GUI、Agent、Skills、MCP 是什么？

GUI（图形界面）：你在飞书里点来点去的按钮、菜单、弹窗。适合人用。

CLI（命令行）：黑窗口里打一行命令就执行一个动作。适合自动化，也特别适合 AI。

为什么适合 AI？一个核心观点很“反直觉但很重要”：

GUI 是视觉隐喻，把机器逻辑翻译成人类能看懂的画面（给人看的），CLI 是机器原生 “执行语言”（给执行看的）。
AI 不擅长“看图点按钮”，更擅长“读结构化文字并执行”。

举个例子：

把1000张照片重命名为”旅行01.jpg、旅行02.jpg…”

• GUI方式：右键→重命名→输入→下一个… 重复1000次😵
• CLI方式：一行命令，3秒搞定✨

Agent（智能体）：不是只聊天的 AI，而是能调用工具执行动作的 AI。
Skills（技能说明书）：告诉 AI“这套 CLI 有哪些命令、怎么用”。没有说明书，AI 可能不知道该怎么操作。
MCP：一种让 AI 连接外部工具/服务的协议。很多讨论认为在不少场景里，CLI 更轻、更快、更好组合；MCP 更像“开放生态的标准接入”，而企业内/个人使用往往先用 CLI 就够。

你可以把这套关系理解成：

• 你说目标（人话）
• Agent 负责规划步骤
• 飞书-cli 负责执行动作
• Skills 负责让 Agent 学会怎么执行

2）飞书 CLI 到底解决了什么“痛点”？

• 复制粘贴地狱：AI 生成内容后，你还要手动搬进飞书文档、调格式、发出去
• 信息过载：群聊几百条消息，漏看关键待办，事后想不起来
• 任务与日程割裂：想到要做的事没记、记了没提醒、提醒了没落实
• 数据维护太烦：多维表格/仪表盘很强，但“建表、填数据、维护字段”劝退
• 企业流程跑不通：AI 给你建议没用，真正难的是“在真实系统里执行并闭环”

以上这些痛点，飞书开源 CLI 的变化在于：它把“消息/文档/日历/任务/表格/邮箱”等操作变成了可被自动化调用的一组命令。你不再需要把 AI 的答案搬运到飞书里，而是让 AI 直接把结果写进飞书。

光说不练假把式，如何安装使用呢？

3）3 步上手：把飞书接进你的 AI（小白版）

你有两种方式：让 AI 帮你装，或你手动装。

方式 A：一句话让 AI 帮你装（推荐给小白）

把下面这段直接发给你的 AI 工具（Claude Code/Codex/Trae 等）：

帮我安装飞书 CLI：
1) npm install -g @larksuite/cli
2) npx skills add https://github.com/larksuite/cli -y -g
3) 运行 lark-cli config init --new，给我打开配置链接并指导我完成创建
4) 运行 lark-cli auth login --domain all，给我打开授权链接并指导我完成授权
5) 最后运行 lark-cli auth status 确认登录成功

方式 B：你自己手动装（看得懂照抄即可）

npm install -g @larksuite/cli
npx skills add https://github.com/larksuite/cli -y -g
lark-cli config init --new
lark-cli auth login --domain all
lark-cli auth status

小白提醒：授权时会弹链接/扫码，这是正常的；

建议先只给日历/任务/文档等你需要的权限，别一口气全开（更安全）

4）常见的几个很实用的场景+可复用玩法”

踩坑小提醒： 第一次安装和使用的时候，很多权限因为没有打开，运行时间会长一些，某个场景已经跑通一遍后，第二次就很快了。

场景 1：群聊太吵？让 AI 自动“总结→提待办→建任务→设提醒”

痛点：消息看不完，待办靠记忆，容易漏。
效果：你一句话，AI 把关键信息落到任务里，到点飞书自动提醒。

模板：

帮我在飞书里搜索【XX项目群】最近3天消息：
1) 总结讨论要点（不超过10条）
2) 提取“和我相关”的待办
3) 直接创建飞书任务，截止时间按语境推断；不确定就默认明天10点提醒
4) 把总结发回群里@相关人确认

输入：输出：

场景 2：把“随口一提”变成“自动排期”的任务助理

痛点：想到但没记，记了但没排，排了但忘。
效果：聊天时自动抓取“下周要定”“周五三点彩排”这类信息，自动建任务/建日程。

模板：

从现在开始你当我的飞书任务助理：
- 我提到任何“需要做的事”，默认帮我创建飞书任务
- 我提到明确时间段（例如“周五3点”），同时创建飞书日程
- 我一句话说了多件事，先拆解成列表给我确认，再批量创建

输出：

输出：

场景 3：写文章/写方案不再“复制粘贴”：直接在飞书文档里协作改稿

痛点：AI 写完你再搬运；你提意见又要搬回去；来回折腾。
效果：AI 直接新建飞书文档；你用“评论”提修改；AI 读取评论逐条改，并标注改动点。

模板：

请你为我创建一篇飞书文档《XX》：
- 先出大纲
- 再写初稿
然后我会在文档里用“评论”提修改意见；
请你读取评论逐条修改正文，并用评论标注修改点。

输入：

输出：

本教程就是完全用CLI生成的，里面的表格，代码块，高亮部分，都加的很好：

链接：https://my.feishu.cn/docx/K3WUdkZQGocPznxxqEHcE9fLnKh?from=from_copylink

场景 4：把你的本地 Markdown（含图片）一键同步到飞书

痛点：本地笔记（Obsidian/Markdown）搬到飞书格式全乱、图片顺序错。
效果：AI 自动处理 Markdown、图片、代码块，生成飞书文档链接。

模板：

把我本地这份 Markdown 创建成飞书文档，要求：
1) 标题/列表/引用/代码块格式保持
2) 图片按原顺序插入
3) 生成飞书文档链接发我
路径：/你的/文件.md

效果：

场景 5：多维表格 + 仪表盘：让 AI 帮你“建表→填数据→出图”

痛点：你知道该用表管理，但维护太麻烦。
效果：AI 直接建多维表格，拉取文档/日历数据写入，并生成仪表盘。

模板（内容资产盘点版）：

帮我搜索飞书云空间里我创建的所有文档：
- 按类型分类（文章/方案/笔记/培训资料）
- 记录标题、创建时间、字数
- 写入一个多维表格
- 再生成一个仪表盘：按类型占比 + 按时间的创作节奏

模板（数据校验 + 自动提醒版）：

每周五检查我的某张多维表格：
- 找出关键字段为空/不合规的记录
- 按负责人分组
- 给每个负责人发一条私信提醒补齐
先 dry-run 给我看预览，再执行。

5）为什么这次“开源 CLI”特别值得我们关注？

• 软件开始为 Agent 重写：以前软件是给人点的；现在开始给 AI 提供“可执行接口”
• GUI 可能退化为监控面板：人负责目标与审核，执行交给 Agent
• 真正的门槛下降：不是“AI 更聪明了”，而是它终于能进入你的真实工作系统（文档、消息、日历、任务、表格）并完成闭环

你会明显感觉到角色变化：你从操作员变成决策者——你说“要什么结果”，AI 去执行“怎么做”。

6）安全与避坑（小白必看）

刚刚接触一个新事物，总会小心翼翼的，对非技术小伙伴，可以小步尝试。

• 先小范围试运行：先在一个群/一张表/一个文档试，不要一上来群发全公司
• 能预览就预览（dry-run）：涉及批量操作（发消息、删改数据）先让 AI 给预览清单
• 权限按需开：日历/文档/任务先够用，邮箱/通讯录等更敏感的权限谨慎授权
• 输出太长会淹信息：让 AI “只返回要点/只提取待办/只写入表格”，别把几万字日志全贴出来