面经满网飞，收藏从未停止，学习从未开始。
直到我把整个流程自动化了。

秋招季，每天刷到一堆面经——小红书的、微信公众号的、牛客的……复制链接、打开笔记、粘贴保存，再做一次提取题目、整理表格、安排复习计划。这条链路重复三遍我就崩溃了。

所以我用两个工具把这件事彻底自动化了：

• 飞书 CLI：操作飞书文档、知识库、多维表格的官方命令行工具
• OpenClaw：一个能跑定时任务、调用 API、驱动 Agent 的自动化平台

现在我的流程是这样的——

一、看见面经 → Agent 自动整理到知识库

以前看到一篇好面经，我得：
① 复制链接 → ② 浏览器打开 → ③ 选中全文 → ④ 黏贴到飞书文档 → ⑤ 手动排版 → ⑥ 打标签分类。

这套动作重复几十次，手和脑子都麻了。

现在：看到面经，直接把链接丢给一个「收集助手」Agent。

它就自动：

• 解析链接内容（支持小红书、微信公众号、牛客、CSDN 等）
• 用飞书 CLI 在知识库里创建一篇新文档
• 把正文规整成 Markdown 格式写入
• 自动打上标签（公司、岗位、来源平台）

用的核心命令很简单：

# 飞书 CLI 创建文档
lark-cli doc create \
  --title "字节跳动-后端-2025秋招面经" \
  --folder "面试知识库/面经/字节" \
  --content "$(cat parsed_article.md)"

飞书 CLI 的安装和配置就不展开了，官网文档写得很清楚。关键是要拿到app_id和app_secret，然后用lark-cli auth login配好凭证。

二、提取面试题 → 飞书多维表格

面经存了一堆，但最核心的是题目本身。把每道题拎出来，才能有针对性地刷。

我写了一个 OpenClaw 的「提取 Agent」：

1. 定时扫描知识库里新入库的面经文档
2. 用大模型提取其中的面试问题
3. 对每一道题，自动写入飞书多维表格

多维表格的列我设成了：

用飞书 CLI 写入多维表格的核心操作：

# 在指定表格添加一行记录
lark-cli bitable record create \
  --app_token "表格 App Token" \
  --table_id "tblXXXX" \
  --fields '{"题目":"MySQL 索引失效场景","公司":"字节","重要性":"⭐⭐⭐","掌握程度":"未掌握"}'

三、每日晨推 + 晚间检查 —— 自动学习闭环

这是整个系统最让我满意的部分。

🌅 早上：推送今日题目

OpenClaw 上跑一个「学习助手 Agent」，每天 7:30 自动执行：

1. 查询多维表格，筛选：
   • 掌握程度 = 未掌握
   • 难度 = 简单 或 中等
   • 重要性 ≥ ⭐⭐⭐
2. 随机取 3 道题，组装成推送消息
3. 通过飞书机器人发到我的对话框

收到的消息长这样：

这 3 道题都是我不熟但又高频出现的——按系统设计，它就是最高杠杆的复习内容。

🌙 晚上：检查进度 + 更新表格

每晚 22:00，另一个 Agent 跑起来：

1. 从飞书消息里检查我今天的复习记录（我手动回复了哪些题目的掌握程度）
2. 或者简单弹一个对话框问：「今天的 3 道题你掌握了没？」
3. 根据反馈，更新多维表格里的「掌握程度」
4. 如果某道题我已标记为「熟悉」，自动把重要性降一档，避免重复推送

更新表格的命令：

lark-cli bitable record update \
  --app_token "xxx" \
  --table_id "tblXXX" \
  --record_id "recXXX" \
  --fields '{"掌握程度":"熟悉"}'

四、运行了一个月，效果怎么样？

肉眼可见的变化是：从「焦虑式收藏」变成了「系统化积累」。

面经不再是收藏夹里吃灰的链接，而是每天被拆解成具体题目，按优先级推到面前。我只需要负责「学」和「标记会了没」，剩下的归系统管。

五、你可以怎么抄？

如果你也想搭一套，核心步骤：

1. 飞书 CLI：去飞书开放平台创建企业自建应用，拿到app_id+app_secret，然后npm install -g @lark-project/cli装好
2. OpenClaw：注册账号，创建一个「收集 Agent」和一个「学习 Agent」，配置好飞书 API 的调用凭证
3. 多维表格：按上面的字段建好表，把 Agent 的输出对接进去
4. 定时任务：在 OpenClaw 里设置每天早晚两个触发器

完整配置代码和 Prompt 模板我整理了一份，需要的话可以在公众号后台回复「秋招自动化」获取。