ARTICLE · 1316348
AI 实践:不再复制粘贴,让 AI 直接把资料整理进飞书
不知道大家有没有遇到过这种情况。让 AI 帮忙整理一份会议纪要，它很快就把内容整理好了，条理清晰，待办事项、负责人、截止日期都有。
但接下来，还得自己打开飞书，新建文档，复制粘贴，再调整一下格式。有时候还要把 AI 生成的表格重新整理一遍。明明已经让 AI 帮忙了，最后却还是有不少事情需要自己动手。
我之前做开发时，也经常遇到类似的问题。比如整理埋点文档，需要把埋点 ID 和对应的页面截图放在一起，方便开发和测试核对。我曾经让 AI 直接阅读项目代码，找到相关页面，自动打开浏览器截图，再整理成文档。
既然 AI 已经能帮忙准备这些材料，那能不能让它直接把结果写进飞书，省去中间的人工操作？
最近，我尝试了飞书官方开源的 CLI 工具。这篇文章就通过三个场景，分享一下我的使用过程：
把随手记的笔记整理成飞书会议纪要。 检查报名表里的重复和漏填记录，自动完成统计。 结合我的开发实践，让 AI 整理页面截图、埋点说明和测试记录。
前两个是我这次使用演示资料完成的实操，第三个则结合了我之前使用 AI 处理开发工作的经验。
一、让 AI 可以直接操作飞书
先介绍一下这次使用的工具：飞书 CLI（lark-cli）。
CLI 是 Command Line Interface 的缩写，中文叫命令行界面。简单理解，我们平时用鼠标和键盘操作飞书，而 CLI 提供了另一种方式：通过命令来完成这些操作。比如，新建文档、写入内容、修改表格等。
如果把 CLI 交给 AI 使用，就可以让 AI 根据我们的要求调用相应命令，直接操作飞书，而不只是把整理好的内容输出在聊天框里。
我这里使用的 AI 助手是 Codex。
安装配置，也交给 AI
对于这类工具，我通常不会先花时间研究安装教程，而是直接把官方仓库地址交给 Codex，让它帮忙完成安装。
我给它的要求是：
帮我安装并配置飞书 CLI，官方仓库：
https://github.com/larksuite/cli
先检查本地环境，按照官方说明安装。如果需要创建应用、登录或授权，请引导我完成。
安装完成后，先使用演示资料验证文档和表格操作，不要修改我的其他飞书文件。
Codex 随后检查了本地环境，并执行安装。当时使用的命令是：
npx @larksuite/cli@latest install安装过程中，需要创建飞书应用。Codex 提供了相应的官方入口，我按照提示在手机上完成创建。
应用创建完成后，Codex 又继续发起了飞书授权流程。这一步也不需要自己去研究授权地址。Codex 会唤起相应的授权页面，我只需要登录飞书账号，检查申请的权限，然后确认即可。
授权页面会列出具体的权限内容。这次我需要操作飞书文档、电子表格和多维表格，因此涉及相应的访问权限。实际使用时，建议先看清楚权限范围，只授权任务所需要的能力。
整个配置过程中，Codex 负责安装和发起相关流程，我主要负责创建应用和确认授权。配置完成后，就可以开始尝试让 AI 操作飞书了。
二、案例一：把随手记录的内容整理成会议纪要
先从一个简单的办公场景开始。假设刚开完一场活动筹备会，随手记下了这些内容：
11 月 14 日办一场线上分享，下午两点开始，大概一小时。小林负责报名通知，11 月 6 日给初稿。小周负责讲稿，11 月 10 日前准备好。主持人还没定。有人提议录屏，但还没决定。报名表里只收昵称和参加场次。
内容不多，但各种信息混在一起。如果发给其他同事，还得自己从中找出任务和截止日期。
于是，我直接把这段笔记交给 Codex：
把上面的笔记整理成一份飞书会议纪要。
已经确定的安排放在前面；待办事项整理成表格，包含负责人和截止日期；还没决定的事情单独列出来。
注意，不要帮我决定主持人是谁，也不要把录屏写成已经确定的安排。
直接创建一份新的飞书文档，完成后把链接给我，并检查实际保存的内容。
Codex 收到要求之后，调用飞书 CLI，创建了一份新文档：
《AI 实操演示｜线上分享筹备会议纪要》
打开文档，原本混在一起的信息已经整理好了。活动时间单独列出，两条待办放进了表格，各自对应负责人和截止日期。主持人、录屏安排等还没有决定的事项，也被单独放到了“待确认事项”中。
这里我比较在意一个细节：AI 有没有把不确定的事情写成确定的结论？
比如，原始笔记只是说“有人提议录屏”，如果 AI 把它整理成“活动需要录屏”，就改变了原本的意思。
这次检查下来，两个截止日期和两项待确认内容都保留正确。Codex 还重新读取了飞书中保存的文档，我也打开页面检查了实际效果。
整个过程，我只提供了一段原始笔记和整理要求。内容整理、文档创建、表格插入等操作，都由 Codex 完成。最后，我直接打开飞书检查结果就行。
相比以前让 AI 生成内容，再自己复制粘贴到飞书，这次确实省掉了中间那段重复操作。
三、案例二：报名表有重复、有漏填，让 AI 帮忙检查
除了整理文档，表格也是日常工作中经常需要处理的东西。比如活动报名表、客户名单、订单统计表。
数据少的时候，人工检查很方便。但数据一多，重复记录、漏填信息等问题就容易被忽略。
为了测试，我在飞书里新建了一张演示报名表，里面只有五条记录。
仔细看这张表，会发现几个问题。“小鹿”出现了两次，而且报名场次相同，可能是重复报名。“小满”没有填写参加场次。另外，“阿禾”也出现了两次，但报名的是不同场次。
这就有意思了。如果只是简单地按照昵称去重，很可能把正常报名的数据也删掉。而且，昵称相同也不代表一定是同一个人。
所以，我没有直接让 AI “清理重复数据”，而是告诉它具体的检查规则：
检查这张飞书报名表。
昵称和场次都相同的，标记为“疑似重复，待确认”；场次没填写的，标记为“缺少场次”。
在表格右侧增加检查备注，不要删除或覆盖任何原始记录。
然后按场次统计报名条数，把未填写的单独列出。
统计中如果包含疑似重复记录，也要明确说明。
完成后重新读取表格，检查原始记录有没有发生变化。
Codex 随后通过飞书 CLI 读取和处理表格，并把检查结果写了回去。
可以看到，原始的五条报名记录都保留了下来。右侧增加了检查备注，指出哪些记录疑似重复，哪些缺少信息。
同时，表格下方还增加了场次统计：
其中，周六上午的三条记录包含疑似重复报名，所以这里统计的是“报名记录数”，而不是最终参加人数。
这次 Codex 使用了表格公式来完成检查和统计。写入后，它又重新读取结果，确认原始数据没有变化，统计数量也正确。
这个案例有个值得注意的地方。
给 AI 交代任务时，除了告诉它要做什么，最好也说明什么不能做。
比如这次，我明确要求保留原始记录，只标记疑似重复，而不是直接删除。对于需要人工判断的内容，让 AI 先找出问题，再由人决定怎么处理，会更稳妥。
同样的思路，也可以用在客户名单、订单数据、物料清单等场景中。
四、案例三：AI 还能自己找页面、截图、整理开发文档
前面两个案例是比较常见的办公场景。接下来，分享一个我在开发工作中使用过的 AI 实践。
做过开发的朋友应该知道，有时候我们需要整理埋点文档。不懂开发也没关系，可以把“埋点”理解成记录用户操作的一种方式。
比如，一个网站有个“立即购买”按钮。用户点击时，系统记录一个事件，后续我们就可以统计有多少人点击了这个按钮。
但一个网站可能有很多页面、很多按钮。如果只给测试人员一堆埋点 ID，对方很难知道每个 ID 具体对应哪里。
所以，我们通常还会附上页面截图，把对应按钮或操作位置标出来，方便大家核对。以前，这些截图往往需要人工打开页面，一个个截取，再整理到文档中。
但我后来尝试把这部分工作也交给 AI。
让 AI 自己阅读代码、打开页面
我的做法是，直接让 AI 阅读项目代码。
项目代码里通常已经包含了页面路由、按钮组件和埋点 ID 等信息。AI 可以从代码中找到相关页面，再借助浏览器工具访问页面，找到对应的位置并截图。
这样一来，不需要我亲自打开每个页面，也不用手动寻找按钮、保存图片。等页面截图准备好后，再让 AI 把埋点 ID、页面位置和触发条件对应起来，就可以得到一份比较直观的说明文档。
如果再结合飞书 CLI，就可以进一步把这些材料写进飞书。
比如，直接交代：
帮我整理当前项目的埋点文档。
根据项目代码找到埋点对应的页面，使用浏览器访问页面并截图。
将埋点 ID、触发条件、页面位置和对应截图整理到一起，写入飞书文档。
截图放在对应说明旁边。无法确认的内容单独列出来，不要猜测。
完成后给我文档链接，方便检查。
这个过程涉及不同的工具：读取代码、操作浏览器、自动截图，以及写入飞书。
单看每一步，并没有多复杂。但如果能让 AI 把这些步骤串起来，就能节省很多重复操作的时间。
测试记录也可以交给 AI 整理
除了埋点文档，我之前还用 AI 帮忙梳理测试用例，并在测试之后更新结果。
比如，测试一个登录功能，我们需要检查正常登录、密码错误、账号为空等情况。这些测试项可以先由 AI 整理好，再根据实际测试记录，标明哪些通过、哪些失败、哪些还没有执行。
如果把这些记录统一放在飞书中，开发和测试同事后续查看也方便。需要注意的是，测试结果必须有实际执行记录作为依据，不能仅凭页面看起来正常，就直接标记为通过。
对我来说，这类场景的价值不只是让 AI 帮忙写文档。而是原本需要开发人员在代码、浏览器和文档之间来回操作的事情，现在可以让 AI 分担其中不少步骤。
五、交给 AI 之后，别忘了检查结果
前面三个案例中，我都提到了一个操作：让 AI 在完成任务之后，重新检查结果。这是我平时使用 AI 时比较重视的一点。
因为 AI 回复“已完成”，不代表结果就一定正确。比如，会议纪要可能把尚未决定的事情写成正式结论；报名表可能误删原始记录；页面截图也可能截错位置。
所以，我通常会在任务最后加上一段要求：
完成后，请重新读取实际保存的内容，检查是否符合我的要求。
告诉我具体创建或修改了哪些内容、哪些地方还需要确认，并提供文件链接。
没有执行或验证的操作，不要描述为已经完成。
当然，AI 自己检查一遍，也不能保证百分之百正确。我通常还会打开最终文件，抽查几个关键位置。
对于简单的文档整理，这样基本就够用了。如果涉及重要数据、批量删除或者修改权限等操作，就需要更加谨慎。
另外，使用 AI 处理公司内部代码、客户信息和业务资料时，也要注意工具的访问权限和数据安全。
让 AI 执行操作之前，尽量把任务要求、操作范围和验收标准交代清楚。 这比任务做完之后发现问题，再反复返工要好得多。
六、如果你也想试试，可以从一份会议纪要开始
如果平时就在使用飞书，我建议先从一个简单的小任务开始。不需要一上来就做复杂的自动化流程。
可以先根据官方仓库完成飞书 CLI 的安装和授权，然后给 AI 这样一段要求：
请把下面的笔记整理成一份新的飞书文档。
分清已确定事项、待办事项和待确认事项。
不要编造负责人、截止日期或会议结论。
完成后重新读取文档，检查内容是否符合要求，并把文档链接给我。
以下是原始笔记：
【粘贴你的内容】
先尝试让 AI 完成创建文档、整理内容和检查结果这一整套操作。跑通之后，再逐步尝试表格处理、资料整理，或者接入浏览器等其他工具。
写在最后
回过头来看，这三个案例虽然场景不同，但背后的思路是一样的：
不再让 AI 只负责生成内容，而是让它利用工具，把后续的操作也一并完成。
整理会议纪要时，直接在飞书创建文档；检查报名表时，直接把结果写回表格；整理开发资料时，让 AI 读取代码、打开页面、完成截图。
以前这些工作需要我们在不同工具之间来回切换，现在可以尝试把更多步骤交给 AI。
这也是我最近使用 AI 时，一个比较明显的变化：
我开始更多地告诉 AI“帮我完成这件事”，而不只是“帮我生成这份内容”。
当然，这不意味着以后什么事情都不需要自己动手。哪些数据能修改，遇到不确定的信息怎么办，最终结果是否符合要求，仍然需要我们做判断。
只是很多原本机械、重复的操作，已经没有必要全部亲自完成了。
这也是我准备持续记录「AI 实践」系列的原因。
相比单纯介绍某个 AI 工具有哪些功能，我更想分享一个个具体的工作案例：遇到了什么问题，怎么让 AI 参与解决，实际效果怎么样，以及有哪些值得注意的地方。
后面，我也会把其中一些有复用价值的实践，进一步整理成完整的 SOP，包括具体操作步骤、提示词、工具配置和常见问题。
希望这些内容不只是让大家知道 AI 又多了什么新能力，而是能够真正用到自己的工作和生活中。
毕竟，工具好不好用，最终还是要看它解决了什么问题。
