飞书CLI:让AI每天自动把选题日报推到你面前

以前我以为AI就是聊天。直到我搭了一个系统——每天早上7点，飞书群里准时弹出当天的精选内容。全程不需要我碰一下。

最近研究飞书CLI的时候，我发现了一个让我彻底愣住的办法。

不是因为有多难。是因为我从来没有想过AI还能这么用。

不是「打开 ChatGPT 问一个问题」那样合适。

是「AI 在你睡觉的时候，帮你干了一堆活，早上你醒来直接看结果」。

一个公式，说清楚三者的关系

研究得越深，我越觉得这三个工具之间的关系可以用一个公式说清楚：

个人知识管理体系 = Obsidian（本地核心）
                 + Claude Code / Agent（智能处理）
                 + 云端工具（飞书 / NotebookLM，处理外部信息）

三个东西，各管一摊：

前两个我已经在用了——就是这个公众号，每篇文章都是Claude读过我的Obsidian后面写的。

但第三个——飞书 CLI——我真的很无意。

飞书 CLI 是什么？

简单说，就是一个命令行工具。安装就一行：

npm install -g lark-cli

装完之后，你的代码、本身的脚本、甚至克劳德代码，都能直接往飞书群里发消息。

不是手动复制粘贴。是AI自动发。

配置也不复杂：飞书开放平台建个机器人→拿到群ID→配好认证。三步搞定。

一个完整的实操案例：信息雷达系统

光讲概念有点虚。我来拆掉一个实际能运行的系统。

这个系统做什么？

每天早上7点，自动抓取你关注的YouTube频道和Reddit版块→使用规则打分→挑出当天最值得看的3条→生成日报→主动到飞书群。

全程不用人碰。

早上打开飞书，群里已经趴着一份日报：标题翻译好了、内容摘要有了、推荐理由写了、甚至你选题的钩子都帮拟好了。

这是怎么跑的？

这套系统运行在一个 Node.js 脚本上，核心分四步：

第一步：构思。

youtube.js抓住你关注的YouTube频道最新视频，reddit.js抓住你关注的Reddit版块帖子。

你只需要在一个配置文件里写好你想要监控的信息源——频道ID、版块名称。以后想加新的，改一行配置就行。

第二步：评分。

注意，这里不是用AI打分——每天调用大模型太贵也太慢。

使用的是固定的规则。比如：

// 标题里有这些关键词 → 加分
if (title.includes('one-person business')) { topic = 5; action = 5; }
if (title.includes('automation')) { topic = 4; action = 5; }
// 24小时内发布 → 加2分
// 每个频道最多选1条 → 避免全是同一个人的
// 总分排序 → 取前3

你想聚焦哪个领域，就加哪个领域的关键词。关注AI就加claude code、cursor、AI agent。关注增长就加growth、marketing。

第三步：生成日报。

挑出来的内容，自动翻译标题、生成300字摘要、写推荐理由、甚至帮助拟一个选题钩子——

比如说「这篇讲一个人公司冷启动的方法，适合下周写那篇流量矩阵的文章时引用」。

第四步：发送飞书。

最后一步，用lark-cli把日报发到你的飞书群。

有一个细节很关键——中文内容直接传命令行会乱码，需要用Base64编码处理一下。系统里已经处理好了。

为什么这件事让我这么兴奋？

你回想起我之前写的那篇文章——「Obsidian+AI搭了一套内容生产线」。

那条生产线，管的是输出：怎么写文章、怎么管理选题、怎么保持人员设置。

但有一个问题我一直没解决——输入。

每天刷公众号、刷小红书、刷YouTube，看到好东西就收藏。但收藏了没看过。灵感库里堆了几十条未处理，打开存在压力。

而这个系统的思路完全不一样——

不再是我寻找信息，而是信息被筛选完之后主动来找我。

每天早上飞书里躺着一份日报，精选3条。不用刷、不用翻、不用纠结该看哪个。AI帮你解答好了。

这才是真正的「信息认可工业化」。

你也可以搭一个（不需要会写代码）

如果你不会写代码，可以用「低配版」：

高配版是代码干预。低配版每天花5分钟。核心逻辑是一样的：让AI消化信息，你只做最后的判断。

研究这些工具的过程中，有一句话我越想越觉得对：

的语料+大模型=输出质量。当每个人都在用同样的大模型时，拉开差距的就是语料。

而这个系统的本质——就是把「收集优质语料」这件事，从手工变成了自动化。

你平时怎么收集选题灵感？是在手机里随手记，还是有自己的一套系统？评论区聊聊。