小互：飞书 CLI 直接开源 为所有AI打开了大门

小互：飞书 CLI 直接开源 为所有AI打开了大门 小互：飞书 CLI 直接开源 为所有AI打开了大门 Modified April 1 AI 几秒钟建好了表，结构清清楚楚。现在表里刚录了这几天的数据，还不多。但等跑上一个月，我就能让 AI 帮我分析：时间主要花在哪了、哪些天被会议塞满了、创作时间够不够、工作安排有什么可以改进的。 这种分析我一直想做，但每次想到"得先手动整理数据"就放弃了。现在 AI 每天自动往里填，我月底说一句"帮我分析一下"就行。 第二张：内容发布追踪表。 我在 Claude Code 里装了能抓取各平台数据的 skill，AI 能直接看到我在公众号、小红书、推特、微博上发了什么。 我跟它说："再建一个多维表格，追踪我在所有平台发布的内容，标题、平台、发布日期、阅读量、互动数据都要有。以后每天帮我自动更新。" AI 建好了表，接下来把数据抓进去就行了。以后我每天说一句"更新一下内容表"，它自动抓最新数据填进去。等数据攒够了一个月，让它分析哪篇最火、哪个平台涨粉最多、什么类型的内容互动最好。 这两张表我一直知道应该做，但从来没做过。 不是不会，是太烦了——光"每天手动录数据"这一步就足以让我放弃。现在表 AI 帮我建，结构 AI 帮我设计，数据 AI 每天帮我填。我就等着月底看分析结果。 还有一些没完全跑通的 说几个实际遇到的问题，不是为了挑刺，是帮大家避坑： • 消息简报那个场景，如果未读消息太多（几十个群、上百条消息），AI 处理的时间会比较长，偶尔会超时。建议先从"最近几个小时的未读"开始试，别上来就扫全部 • 多维表格的字段类型比较多（单选、多选、日期、人员、关联引用），AI 有时候会建错类型，需要你看一眼确认。不过建错了直接说"这个字段改成多选"它就改了 • 邮件相关的能力这次没来得及深度测试，飞书 CLI 说做了重点增强，等我后面试了再说 • 刚开源第一天，有些命令的文档还不太全，复杂操作可能需要多试几次 这些都不影响核心体验，但你第一次用的时候知道了会少踩坑。 为什么突然所有人都在搞 CLI？ 折腾完之后我突然意识到，今天搭的这些东西，跟我之前一直在想的一个问题接上了。 今年 1 月我发过一条推："某种意义上我们已经实现了 AGI，只是 AI 目前被困在了人类所建造的各种墙里。 很多人有共鸣。 后来我还跟 AI 做了一次深度推演，写成了一篇长文（感兴趣的可以去翻我之前的文章）。 我和 AI 的一场关于 AGI 破壁的终极推演，结论是：人类必须毁灭 核心观点就一句话： 现在所有的软件界面，按钮、菜单、弹窗、拖拽，全都是给人类设计的。人类觉得直观，操作方便，但对 AI 来说，这些界面就是一堵堵墙。 AI 本来可以高效地奔跑在各种数据之间，自由自在，瞬间完成操作。 但为了迁就人类的 GUI 界面，它不得不去学习人类的点击方式，去识别按钮在哪、菜单在哪。 这就像逼一个能心灵感应的高等智能体用摩斯密码跟你沟通。 当时我说的是一个抽象的观点。 但你看现在发生的事情： GitHub 有 CLI，Shopify 有 CLI，Stripe 有 CLI，Vercel 有 CLI，Cloudflare 有 Wrangler，Supabase 有 CLI，Netlify 有 CLI，AWS 有 CLI，Linear 有 CLI，甚至连Google works办公套件也都开放了CLI... 越来越多的企业级产品在做同一件事： 给自己的产品开一个"AI 能直接操作的入口"。 Gartner 的数据很能说明问题：到 2026 年底，预计 40% 的企业应用会集成 AI Agent，而 2025 年这个数字还不到 5%。 今天飞书 CLI 让我看到了这个观点的具体落地。 CLI 就是在为 AI 拆墙。 命令行是结构化的：输入是结构化的（命令 + 参数），输出也是结构化的（JSON）。AI 在这个环境里畅通无阻，不需要去"看"界面、"点"按钮，直接用它最擅长的方式操作一切。 但光拆墙还不够。 拆墙的同时，还得把水电接上。 让 AI 能进门是第一步，让它能操作里面的东西才是关键。飞书 CLI 做的就是这件事：不只是开了一扇门，而是把飞书所有的开关，消息、文档、日历、任务、表格、邮件，都接上了 AI 能摸到的线路。11 个业务域、200 多个命令，这不是一个 demo，是一整套基础设施。 现在你看到的趋势是：越来越多的企业级产品在做同样的事情，为 AI Agent 拆墙、接线、开门。这不是一个技术选择，是一个战略选择。谁先把自己的产品 CLI 化，谁就在 AI Agent 时代占到了位置。 对我们普通用户来说，影响很直接： AI 终于不只是跟你聊天了，它能帮你做事了。 以前 AI 的能力被锁在对话框里，它再聪明也只能给你建议。现在一个个产品开始为 AI 拆墙，AI 的手能伸到你的日历里、你的文档里、你的任务列表里。 我今天搭的这个智能任务助手，两个月前是不可能这么轻松做出来的。不是 AI 不够聪明，是飞书没有给 AI 开门。现在门开了，路就通了。 1 月份我说"AI 被困在墙里"的时候，还只是一个观点。 今天我亲手拆了一堵墙，搭了一套系统，这个观点变成了体验。 写在最后 说实话，我一开始只是想找个办法，让 AI 帮我在飞书里建建任务、查查日历，别让我老忘事。 没想到装完飞书 CLI 之后，事情一件接一件地冒出来，任务和日历可以联动，消息和日程可以关联，文档可以批量同步，多维表格可以自动维护。每搞定一个，就看到下一个可能性。 到最后我发现，我不是在试一个工具，我是在 搭自己的工作系统 。 工具变成了 AI 的工具，不是你的工具。 你从操作员变成了决策者。 有句话我觉得说得很准： 企业 Agent 的竞争，最终由谁的地盘里上下文最充裕来决定，不是谁的模型最强。 你团队在飞书上积累了两年的文档、消息、会议纪要、审批记录，这些工作上下文是 AI 真正需要的原料。模型可以换，上下文搬不走。 给新手的无脑安装指令 如果你懒得看上面的安装步骤，直接把下面这段话复制粘贴发给你的 Claude Code，什么都不用管，它会帮你全部搞定： Code block Plain Text Copy 帮我安装飞书 CLI，按以下步骤来，每一步完成后告诉我结果： 1. 运行 npm install g @larksuite/cli 安装 CLI 本体 2. 运行 npx skills add https://github.com/larksuite/cli y g 安装飞书技能包 3. 运行 lark cli config init new 配置应用，拿到链接后用 open 命令直接在浏览器中打开，然后等我说配置好了 4. 等我说配置好了之后，运行 lark cli auth login domain all 登录，同样用 open 命令直接在浏览器中打开授权链接，然后等我说授权好了 5. 等我说授权好了之后，运行 lark cli auth status 确认登录成功 全部完成后，告诉我现在可以用飞书 CLI 做什么。 全程你只需要做一件事：浏览器自动弹出来的时候，点两次确认。剩下的 AI 全包了。 [GitHub 开源地址]： https://github.com/larksuite/cli End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ 我和 AI 的一场关于 AGI 破壁的终极推演，结论是：人类必须毁灭 AI 几秒钟建好了表，结构清清楚楚。现在表里刚录了这几天的数据，还不多。但等跑上一个月，我就能让 AI 帮我分析：时间主要花在哪了、哪些天被会议塞满了、创作时间够不够、工作安排有什么可以改进的。 这种分析我一直想做，但每次想到"得先手动整理数据"就放弃了。现在 AI 每天自动往里填，我月底说一句"帮我分析一下"就行。 第二张：内容发布追踪表。 我在 Claude Code 里装了能抓取各平台数据的 skill，AI 能直接看到我在公众号、小红书、推特、微博上发了什么。 我跟它说："再建一个多维表格，追踪我在所有平台发布的内容，标题、平台、发布日期、阅读量、互动数据都要有。以后每天帮我自动更新。" AI 建好了表，接下来把数据抓进去就行了。以后我每天说一句"更新一下内容表"，它自动抓最新数据填进去。等数据攒够了一个月，让它分析哪篇最火、哪个平台涨粉最多、什么类型的内容互动最好。 这两张表我一直知道应该做，但从来没做过。 不是不会，是太烦了——光"每天手动录数据"这一步就足以让我放弃。现在表 AI 帮我建，结构 AI 帮我设计，数据 AI 每天帮我填。我就等着月底看分析结果。 还有一些没完全跑通的 说几个实际遇到的问题，不是为了挑刺，是帮大家避坑： • 消息简报那个场景，如果未读消息太多（几十个群、上百条消息），AI 处理的时间会比较长，偶尔会超时。建议先从"最近几个小时的未读"开始试，别上来就扫全部 • 多维表格的字段类型比较多（单选、多选、日期、人员、关联引用），AI 有时候会建错类型，需要你看一眼确认。不过建错了直接说"这个字段改成多选"它就改了 • 邮件相关的能力这次没来得及深度测试，飞书 CLI 说做了重点增强，等我后面试了再说 • 刚开源第一天，有些命令的文档还不太全，复杂操作可能需要多试几次 这些都不影响核心体验，但你第一次用的时候知道了会少踩坑。 为什么突然所有人都在搞 CLI？ 折腾完之后我突然意识到，今天搭的这些东西，跟我之前一直在想的一个问题接上了。 今年 1 月我发过一条推："某种意义上我们已经实现了 AGI，只是 AI 目前被困在了人类所建造的各种墙里。 很多人有共鸣。 后来我还跟 AI 做了一次深度推演，写成了一篇长文（感兴趣的可以去翻我之前的文章）。 我和 AI 的一场关于 AGI 破壁的终极推演，结论是：人类必须毁灭 我和 AI 的一场关于 AGI 破壁的终极推演，结论是：人类必须毁灭 核心观点就一句话： 现在所有的软件界面，按钮、菜单、弹窗、拖拽，全都是给人类设计的。人类觉得直观，操作方便，但对 AI 来说，这些界面就是一堵堵墙。 AI 本来可以高效地奔跑在各种数据之间，自由自在，瞬间完成操作。 但为了迁就人类的 GUI 界面，它不得不去学习人类的点击方式，去识别按钮在哪、菜单在哪。 这就像逼一个能心灵感应的高等智能体用摩斯密码跟你沟通。 当时我说的是一个抽象的观点。 但你看现在发生的事情： GitHub 有 CLI，Shopify 有 CLI，Stripe 有 CLI，Vercel 有 CLI，Cloudflare 有 Wrangler，Supabase 有 CLI，Netlify 有 CLI，AWS 有 CLI，Linear 有 CLI，甚至连Google works办公套件也都开放了CLI... 越来越多的企业级产品在做同一件事： 给自己的产品开一个"AI 能直接操作的入口"。 Gartner 的数据很能说明问题：到 2026 年底，预计 40% 的企业应用会集成 AI Agent，而 2025 年这个数字还不到 5%。 今天飞书 CLI 让我看到了这个观点的具体落地。 CLI 就是在为 AI 拆墙。 命令行是结构化的：输入是结构化的（命令 + 参数），输出也是结构化的（JSON）。AI 在这个环境里畅通无阻，不需要去"看"界面、"点"按钮，直接用它最擅长的方式操作一切。 但光拆墙还不够。 拆墙的同时，还得把水电接上。 让 AI 能进门是第一步，让它能操作里面的东西才是关键。飞书 CLI 做的就是这件事：不只是开了一扇门，而是把飞书所有的开关，消息、文档、日历、任务、表格、邮件，都接上了 AI 能摸到的线路。11 个业务域、200 多个命令，这不是一个 demo，是一整套基础设施。 现在你看到的趋势是：越来越多的企业级产品在做同样的事情，为 AI Agent 拆墙、接线、开门。这不是一个技术选择，是一个战略选择。谁先把自己的产品 CLI 化，谁就在 AI Agent 时代占到了位置。 对我们普通用户来说，影响很直接： AI 终于不只是跟你聊天了，它能帮你做事了。 以前 AI 的能力被锁在对话框里，它再聪明也只能给你建议。现在一个个产品开始为 AI 拆墙，AI 的手能伸到你的日历里、你的文档里、你的任务列表里。 我今天搭的这个智能任务助手，两个月前是不可能这么轻松做出来的。不是 AI 不够聪明，是飞书没有给 AI 开门。现在门开了，路就通了。 1 月份我说"AI 被困在墙里"的时候，还只是一个观点。 今天我亲手拆了一堵墙，搭了一套系统，这个观点变成了体验。 写在最后 说实话，我一开始只是想找个办法，让 AI 帮我在飞书里建建任务、查查日历，别让我老忘事。 没想到装完飞书 CLI 之后，事情一件接一件地冒出来，任务和日历可以联动，消息和日程可以关联，文档可以批量同步，多维表格可以自动维护。每搞定一个，就看到下一个可能性。 到最后我发现，我不是在试一个工具，我是在 搭自己的工作系统 。 工具变成了 AI 的工具，不是你的工具。 你从操作员变成了决策者。 有句话我觉得说得很准： 企业 Agent 的竞争，最终由谁的地盘里上下文最充裕来决定，不是谁的模型最强。 你团队在飞书上积累了两年的文档、消息、会议纪要、审批记录，这些工作上下文是 AI 真正需要的原料。模型可以换，上下文搬不走。 给新手的无脑安装指令 如果你懒得看上面的安装步骤，直接把下面这段话复制粘贴发给你的 Claude Code，什么都不用管，它会帮你全部搞定： 全程你只需要做一件事：浏览器自动弹出来的时候，点两次确认。剩下的 AI 全包了。 [GitHub 开源地址]： https://github.com/larksuite/cli End. 感 谢 阅 读 点赞，转发，关注关注关注↓↓ 🔗 原文链接： https://mp.weixin.qq.com/s/MvxDW R ... https://mp.weixin.qq.com/s/MvxDW R ... 原创 小互 小互 小互AI2026年3月28日 19:33 江苏 几分钟搭建一个能干活AI助手 今天飞书开源了一个东西，我装上之后捣鼓了一下午，搭出了一个我一直想要但从来没搞定的东西： 一个真正的智能任务助手。 不是那种我说一条它记一条的，是我跟 AI 正常聊着天，它自己就把任务建好了、日历排好了、消息也回了。 而且最离谱的是，我跟 Claude Code 讨论选题，聊着聊着随口说了句："这个选题下周得定下来"！ 它直接问我："要不要建个任务？截止下周一？" 我说好，它就建好了。 我什么都没切出去，没打开飞书，没点任何按钮。 这就是今天飞书正式开源的 lark cli ，把飞书的核心协作能力：即时通讯、云文档、多维表格、日历、邮箱、任务、会议、知识库等 11 个业务域、200 多个命令，封装成了一个开源命令行工具。 MIT 协议，无需报名，无需登记，无需审核。 npm 一键安装，几分钟配好： 你的 Claude Code 和小龙虾就能直接在飞书里帮你干活了！ 这篇文章就是记录我怎么用飞书刚开源的 lark cli，花一下午搭出这套系统的。 飞书 CLI 是什么，两句话说完 飞书 CLI 是一个命令行工具，装上之后，你的 AI 就能直接操作你的飞书，帮你干活了，解放你的双手，你无需在飞书里面不停切换窗口来回复制粘贴。 你可能会问：飞书不是已经有 OpenClaw 插件了吗，为什么还要搞个 CLI？ 插件是在飞书现有 API 上包了一层，能调的东西有限。CLI 是飞书从底层重新为AI量身打造了一套工具，开放了大量之前 Open API 没有的权限，更高效的直连飞书，AI 能碰到和操控的东西更多。 而且插件住在 OpenClaw 里，CLI 住在你电脑里。Claude Code、Codex、小龙虾，任何工具都能轻松接入。飞书也说了，OpenClaw 插件以后底层会换成这套 CLI。 所以 CLI 是基础，插件是上层封装。你装了 CLI，等于拿到了最底层的能力。 对了，飞书自带的 aily 前段时间我也写过。但 aily 是住在飞书里的，如果你像我一样主要在 Claude Code 里干活，就需要 CLI 这座桥，让 Claude Code 也能碰到飞书。 养龙虾关键在养 如果有人已经帮你养好了呢？ 养龙虾关键在养 如果有人已经帮你养好了呢？ 5 分钟装好它 我先演示一下安装过程， 不想看的可以直接跳到文章结尾，我给大家做好了一个无脑安装指令 ，复制粘贴发给 Claude Code 或者小龙虾，中途只要在弹出的浏览器里点击两次，全部搞定。 第一步：装 CLI 本体 第二步：装技能包 这一步会装上 19 个飞书技能，覆盖消息、文档、日历、任务、多维表格、邮箱……飞书能干的事它基本都有。 第三步：配置应用 终端弹出一个链接，打开，起一个名字，点击创建按钮 第四步：用你自己的身份登录 再弹一个链接，打开，在飞书里确认授权。这一步让 AI 能以你的身份操作飞书，权限和你本人一致。 验证一下： 看到自己的名字了，搞定。 四步，加起来不到 5 分钟。 搭一个智能任务助手 CLI 装好了，Claude Code 能操作我的飞书了。那就开干—— 让 Claude Code 变成我的智能任务助手 。 思路很简单：飞书有任务功能，也有日历功能。CLI 能建任务，也能建日程。那我只要告诉 Claude Code 一套规则——什么时候建任务、什么时候排日历、怎么拆解事情——它就能自动帮我管了。 这套规则不需要写代码，不需要开发 skill，就是在 CLAUDE.md 里加几段话。 规则长这样 把这段复制到你的 CLAUDE.md 文件里，保存，重启claudecode就生效了。 看看效果 我跟 Claude Code 说： "这周五下午三点要直播彩排，测试设备和流程，大概一小时。下周二之前要把上周写的教程发到网站。还有，今天得把公众号和小红书评论区的留言都回了。" Claude Code 的反应： 我说"建吧"，它几秒钟建好了三个任务和一个日程。打开飞书一看——任务列表里三条整整齐齐，日历上周五下午多了一个"直播彩排"。 从脑子里冒出想法到飞书里排好，中间只隔了一句话。 这就是我想要的。 而且你知道最爽的是什么吗？飞书自己就会推提醒。任务到了截止时间、日程快开始的时候，手机上飞书 app 自动弹通知。所以整个链路是这样的： 我跟 Claude Code 随口一提 → AI 自动建好任务和日程 → 到点了飞书推通知提醒我 从"脑子里冒出一个念头"到"手机弹窗提醒你该做了"，中间不需要我做任何事。以前我最大的问题就是"想到了但没记下来"，现在这个漏洞被堵上了。 再来一个 过了一会儿我在跟 Claude Code 讨论选题，聊着聊着说了一句"对了这个选题下周得定下来"。 Claude Code 直接问我："要不要建个任务？截止下周一？" 我说好。它就建好了。 我什么都没有切出去，没有打开飞书，没有点任何按钮。就是正常聊天，任务就自动管好了。 这才是智能助手该有的样子。 更狠的来了：消息简报 → 自动更新日程 任务助手搭好之后我又想了一步——我的飞书群和私聊里，每天也有很多跟我的安排有关的信息。有人约我时间、有人催我交东西、有人改了方案要我跟进。这些信息散在各个群里，我经常漏看。 如果 AI 能帮我 把所有没看的消息扫一遍，整理成一份简报，还能告诉我哪些消息和我现有的日程有关 ，那才是真正的秘书。 我跟 Claude Code 说： "帮我把飞书上所有没看的群聊和私聊消息读一遍，跟我有关的整理成一份简报，要有发送人、消息内容、时间，还有和我现有日程安排的关系。" claude扫了一圈，给了我这么一份简报： 我一看，安妮说排期会她会准备选题清单，那我周一开会之前得先看看她的清单。小林说脚本初稿好了——那我周二讨论之前得先过一遍。晓菲问火锅还去不去——得回她。 关键来了。我直接说： "安妮那个，帮我在周一排期会之前加一个任务，提醒我先看她的选题清单。小林那个，周二讨论之前加个任务提醒我看脚本初稿。晓菲那个帮我回一句'去，老地方见'。" AI 几秒钟搞定：两个任务建好了，晓菲的消息也回了。 看到了吗？这不是三个割裂的功能——读消息是一个功能、建任务是一个功能、查日历是一个功能。不是的。它们串起来了。 读消息 → 整理简报 → 发现和日程的关联 → 建任务 → 回消息。一个完整的工作流，从头到尾我只说了两句话。 装好了 CLI，还能干什么 到这里，任务助手和消息简报已经让我觉得值回票价了。但飞书 CLI 能操作的不只是任务和日历，我又顺着捣鼓了两件一直想做但嫌烦没做的事。 在飞书里建一个知识库 我平时用 Obsidian 和 Claude Code 一起干活，写的东西都是 Markdown。但有些文档是需要放到飞书里的，给别人看、团队协作、或者就是想归档到飞书云文档。 以前我不到万不得已真的懒得往飞书里搬，光复制粘贴调格式就够烦的。 现在我跟 AI 说一句"这篇放到飞书文档"，直接搞定。几秒后返回一个链接，点开一看——标题、列表、引用块，格式全对，跟我在 Obsidian 里看到的一模一样。 试完这个我突然有了一个更大的想法： 我要在飞书里做一个小互 AI 知识库。 我的 Obsidian 里已经沉淀了不少教程和知识——Claude Code 怎么用、各种 skill 怎么配、AI 工具的使用技巧。这些东西散落在我自己的笔记里，只有我能看到。但如果我把它们整理好，批量同步到飞书文档里，就能变成一个对外分享的知识库。 以前这个想法想都不敢想——几十篇文档，一篇篇手动搬，搬完还要调格式？算了吧。 现在呢？我只要在 Obsidian 里把文档整理好，然后跟 Claude Code 说"把这些全部创建成飞书文档"，它一篇篇帮我建好。知识库就这么有了。 这个事我接下来就会做，做好了再单独写一篇。 让 AI 帮我维护两张多维表格 先说一下多维表格是什么——你可以把它理解成一个可视化的数据库。普通表格就是格子里填数字填文字，多维表格每一列可以是不同类型：文字、日期、标签、人员、链接。同一份数据还能用不同视图来看——表格、看板、日历、图表。 一份数据，多种看法。 以后我有任何结构化的内容或者需求，都可以用多维表格来承载。问题是，以前我每次看多维表格的教程——字段类型、关联引用、筛选视图——看两分钟就关了。不是学不会，是没那个时间和耐心。 但现在有了飞书 CLI，我感觉打通了任督二脉： 不需要学多维表格，只需要告诉 AI 我想要什么。 我让 Claude Code 帮我建了两张表。 第一张：时间分配分析表。 我跟 AI 说："帮我建一个多维表格，用来追踪我的时间分配。字段要有日期、事项、时长、分类（内容创作、对接沟通、学习研究、个人生活）。以后每天你帮我把日历上的日程和完成的任务自动录进去。"