夜雨聆风三个场景，一天搞定的AI文档
提效实战
飞书白板 · 方案评审 · Word周报 · 全链路自动化
政务项目文档提效
4 Parts + Conclusion
滑动
PART 01
白板挖文字
522条业务语句
PART 02
方案评审
60+待澄清问题
PART 03
Word周报
18次调用零报错
PART 04
踩坑清单
5条省你半天
PART ///
写在最后
知识沉淀的意义
做过政务项目的都懂
你的时间，不是花在写代码上，是花在跟文档较劲上
上周五，三个场景同时压过来——
飞书白板导出一行 <whiteboard token>，几千字业务要点凭空消失？客户甩过来 50 页方案说「终版了，你先看看有啥问题」，评审就在下周？周报又到点了，打开 Word 复制粘贴半小时，然后发现自己真正该干的事一件没动？
这一天，我用 AI 把三件事全搞定了。不是「研究了一下」，是实战跑通、结果可量化。
01
PART
飞书白板 → 522 条业务文字，从「黑洞」里挖出来
WHITEBOARD · DATA EXTRACTION
5 份 .docx 资料，打开全是白板占位符，正文为空。官方导出只有一行 <whiteboard token=…>，真就白忙活。
用 lark-cli 全量导出 JSON
lark-cli whiteboard +query --output_as raw，能把所有节点 JSON 全量导出。但 JSON 嵌套层级巨深，字段名四处分散。
80 行递归脚本，掘出隐藏文字
写了一段 80 行的递归提取脚本——遍历所有节点，把可能是文字字段的 key 全捞出来去重。
结果：5 份「空白」文档里，挖出 522 条有实际业务含义的中文语句。含三级平台架构定义、37 万+风险点映射规则、7 张核心表设计方案——不挖出来，这些信息就烂在白板里了。
02
PART
50 页「终版方案」→ 60+ 待澄清问题 + 2 个致命风险
DOCUMENT · CRITICAL REVIEW
「终版」这个词在政务项目里，翻译过来就是「坑已经挖好了，等你跳」。
逐段扫描，分类记录
出现具体日期但没解释含义？记。说了区县但没给清单？记。提了改造但没写怎么改？记。1 小时抠出 60+ 条，分 10 大类。
锁定 2 个不解决就直接卡评审的问题：
贯通区县调整规则缺失
哪些区县？触发条件？谁审批？方案里一个字没提，但后续架构、权限、流程全部依赖它。
关键时间节点含义不明 + 街道清单缺失
没有清单 = 没法估算工作量 = 里程碑纯属拍脑袋。
03
PART
Word 周报 → AI 18 次调用零报错，直接生成
DOCX-MCP · AUTO GENERATION
DOCX-MCP——给 AI 装了个 Word 专用手脚。你描述需求，它调 42 个 Word 操作工具，自然语言指挥。
18 次调用链：创建文档 → 设页边距 → 标题 → 段落 × N → 6×5 表格 → 保存关闭。一次都没报错。
python-docx 独立校验：14 段正文、1 张表格全部单元格、页边距设置——与写入值 100% 一致。
04
PART
踩坑清单（5 条，每条省你半小时）
GOTCHAS · LESSONS LEARNED
MCP 服务器名自动加 mcp_ 前缀——配置里写 docx-mcp，调用时必须是 mcp_docx-mcp
有状态单文档模型，必须串行——并行调直接乱序，严格 create → add* → save → close
add_table 的 data 必须是 List[List[str]]——数字、None 都会报错，全转字符串
颜色参数是 6 位 HEX 字符串——别传 RGB 元组
不调 close_document = 文件被占用——铁律，每次结束必调
踩坑提示
以上踩坑均来自真实调试记录，每条都复现过至少一次。记住它们，能省你半天排查时间。
///
LAST
为什么我开始做「每日知识沉淀」
KNOWLEDGE · DAILY ARCHIVE
今天这篇文章，就是从当日知识沉淀直接改的。
规则就一条：每天交流内容 → 汇总 → 存记忆库 YYYYMMDD.md。
然后你会发现：下次遇到同样的坑，不 Google，直接搜记忆库；一周周报直接拼 5 天沉淀；公众号素材源源不断。AI 越用越懂你——因为它在读你的记忆库。
让 AI 不是帮你「偶尔提效」，是帮你把重复性文档工作全部接管。剩下的时间，你才真的有精力去思考项目里真正值得思考的事。
我是 {{作者名}}，{{一句话简介}}。如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。
既然看到这里了，如果觉得有用，随手点个赞、在看、转发三连吧。
THANKS FOR READING