Retaintive

    Lark CLI 能力地图：AI 如何操作 Lark 工作系统

    一句话结论：lark-cli 不是一个聊天机器人，而是把 Lark/Feishu workspace 暴露给 AI agent 的操作层。它让 agent 可以用稳定的 CLI、结构化 JSON、skills、raw OpenAPI 去读写 Docs、Base、Sheets、Tasks、Calendar、IM、Mail、Meetings、Approval、OKR 等工作系统。

    如果把 Lark 看成企业的 work OS，lark-cli 就是 AI 的 hands/API layer；它负责“能不能精准操作 Lark”，不负责“长期思考、执行代码、开 PR、维护 shell session”。后者需要 Botmux、Codex/Claude Code、Beads/任务库和 policy 层配合。

    0. 我读了什么

    来源内容用于判断什么
    GitHub repolarksuite/cli，本地克隆 SHA c0730b46bf315ecd3683165279b2590530725c72真实命令、架构、skills、风险模型
    本机 CLI研究初期为 lark-cli 1.0.52；发布排障时已升级到 1.0.53当前可用命令清单和发布链路
    源码文件cmd/root.go, cmd/service/service.go, cmd/auth/login.go, cmd/platform_bootstrap.go, extension/platform/risk.gocommand 注册、auth、identity、risk、policy
    官方 pricing/helpLark plan overview、Slack pricing商业化时 Lark vs Slack 的成本/能力差异
    本地 skilllark-doc, lark-shared, lark-publish如何由 agent 安全读写 Lark Docs

    1. 正确心智模型

    它是什么

    • 一个 Lark/Feishu 官方维护的 command-line interface。
    • 一个适合 AI agent 使用的工具层：命令可 introspect，输出可 JSON 化，风险可标注。
    • 一个 OpenAPI 封装层：常用场景有 shortcuts，长尾接口有 generated commands 和 raw API。
    • 一个 skills 分发层：把复杂 Lark 操作封装成 agent 可以读懂的工作流指南。

    它不是什么

    • 不是长期运行的 AI employee runtime。
    • 不是 task source of truth；它能读写任务，但不会自己定义任务生命周期。
    • 不是代码执行环境；它不会替代 Codex、Claude Code、GitHub Actions。
    • 不是权限万能钥匙；scope、tenant、bot/user identity、文档权限仍然决定它能做什么。

    最重要的判断：Lark CLI 的强点不是“能发消息”，而是它把 Lark 这个 workspace 里大量结构化对象变成 agent 可操作的 API：文档、表格、任务、日历、会议、邮件、审批、知识库、多维表格、事件流。

    2. 三层命令系统

    层级用途例子AI employee 价值
    Shortcuts人和 AI 最常用的高层动作，命令名通常是 +xxxdocs +create, task +create, im +messages-send, calendar +agenda让 agent 快速完成真实工作流，不必每次拼底层 API。
    Generated API commands从 Lark OpenAPI metadata 动态生成，覆盖大量资源和方法drive file ..., sheets spreadsheet ..., base app-table-record ...当 shortcut 不够时，还能落到正式 API 层。
    Raw API直接调用任意 Lark API 路径lark-cli api GET /open-apis/...长尾能力兜底，适合新 API 或 CLI 尚未封装的场景。
    Skills给 AI agent 的操作手册和安全规则lark-doc, lark-base, lark-mail, lark-event减少“猜命令”和误操作，把复杂流程变成可复用套路。

    源码里每个 service method 会带上 path、domain、risk、identity、参数 schema、文件字段、dry-run 支持等 metadata。这对 AI 很关键，因为 agent 需要知道一个动作是 read、write 还是 high-risk-write，以及应该用 --as user 还是 --as bot。

    3. 全能力地图

    下面按“企业员工工作域”整理，而不是照搬 command help。实际命令可用 lark-cli <domain> --help 展开。

    工作域能做什么代表命令/skill可变成什么员工能力
    Auth / Config登录、scope 检查、identity 切换、strict mode、keychain、profile、diagnostics。auth login, auth status, auth scopes, config strict-mode, doctor企业级部署前的账号、权限、scope 自检。
    IM / Messenger发消息、回复、搜索消息、列 chat、管理群、下载消息资源、处理 reactions、threads、feed、bookmarks。im +messages-send, im +messages-search, im +chat-create, lark-im通知、日报、审批提醒、群里交互式 AI 员工入口。
    Docs / Docx创建、读取、更新文档；插入/下载媒体；搜索文档；更新 whiteboard。docs +create, docs +fetch, docs +update, lark-doc把研究结果、PR 报告、会议总结、产品方案写成可读文档。
    Drive上传、下载、导出、导入、移动、删除、评论、权限、版本历史、文件夹和快捷方式管理。drive upload, drive download, drive +apply-permission, lark-drive资料归档、客户文件管理、自动生成交付物并放到正确目录。
    Markdown创建、拉取、覆盖、patch、diff Drive-native Markdown 文件。markdown +create, markdown +patch, markdown +diff把 Git/docs workflow 和 Lark 文档沉淀连接起来。
    Wiki空间、节点、成员、层级管理；创建/移动/复制/删除 wiki 节点。wiki node-create, wiki node-list, lark-wiki团队知识库 IA 维护、项目文档自动归档。
    Base / BitableBase、表、字段、记录、视图、权限、角色、表单、dashboard、workflow、attachment、data query。base record +create, base field +create, base dashboard +get-data, lark-baseCRM、项目台账、任务运营、研究证据库、agent 输出的结构化 projection。
    Sheets工作簿、sheet、行列、单元格读写、公式、样式、图片、图表、透视表、筛选、条件格式、CSV。sheets +set, sheets +search, lark-sheets财务/运营分析、数据整理、轻量 BI 报告。
    Slides创建和编辑演示文稿、读取/新增/删除/替换页面。slides +create, slides +page-update, lark-slides自动生成 pitch deck、客户汇报、周报 slides。
    Tasks创建、查询、更新、完成、重开任务；子任务、关注者、评论、提醒、附件、任务清单、任务智能体。task +create, task +get-my-tasks, task +complete, lark-task让 AI PM 管任务、拆任务、催办、同步执行状态。
    Calendar查看 agenda、创建/更新日程、参会人、会议室、忙闲、建议时间、RSVP。calendar +agenda, calendar +create, calendar +freebusy, lark-calendar安排会议、找空档、做 daily/weekly planning。
    VC / Minutes搜索历史会议、查 notes/recording/events；妙记搜索、summary、todo、下载、上传音视频生成纪要。vc +search, minutes +summary, lark-vc, lark-minutes会议后自动出纪要、待办、风险、负责人和后续计划。
    Mail读邮件、搜索、写草稿、发送、回复、转发、模板、签名、triage、read receipt、watch。mail +send, mail +draft-create, mail +reply, lark-mail研究完自动起草邮件、BD follow-up、客服初稿、人类确认后发送。
    Contact按姓名/邮箱解析 open_id，查部门、邮箱、个人状态、联系方式。contact +search-user, lark-contact把“Peter/老板/某同事”解析成可操作的 Lark 身份。
    Approval查待审批、本人发起实例、处理审批任务。approval ..., lark-approval员工型 agent 的 human approval gate，不让 agent 绕过决策。
    Attendance查询自己的考勤打卡记录。attendance ..., lark-attendance内部 HR/运营类自动化的只读数据源。
    OKR查看/编辑周期、目标、KR、对齐关系、进展记录、图片上传。okr cycle, okr progress, lark-okr项目战略目标和执行状态同步。
    Event订阅、消费、停止、查看事件 schema/status，以 NDJSON 方式流式读事件。event consume, event schema, lark-event把 Lark 事件变成自动化触发器。
    Whiteboard查询、导出、更新文档里的画板，支持 Mermaid/PlantUML/DSL。whiteboard +query, whiteboard +update, lark-whiteboard自动生成架构图、流程图、路线图。
    Apps / Spark创建、发布和迭代 Lark 妙搭/Spark 应用。lark-apps把 agent 产出的后台工具快速变成内部 app。
    OpenAPI Explorer在现有 CLI/skill 不覆盖时探索原生 Lark OpenAPI。lark-openapi-explorer突破封装边界，接新 API。
    Skill Maker把常用 Lark API 操作封装成可复用 skill。lark-skill-maker把一次性自动化沉淀为组织能力。
    Workflows组合 Calendar/Task/Meeting 等生成站会、会议周报、待办摘要。lark-workflow-standup-report, lark-workflow-meeting-summary从单个工具调用升级到小流程。

    4. 对 AI employee 最关键的能力

    输入层

    • docs +fetch 读设计文档、spec、会议材料。
    • im +messages-search 查历史对话。
    • minutes +summary 和 vc +notes 读会议结论。
    • event consume 监听新任务、新评论、新审批。

    状态层

    • base record 写结构化台账、CRM、证据库。
    • task +create / task +update 管执行状态。
    • calendar +agenda 读取时间约束。
    • wiki node 组织知识库。

    输出层

    • docs +create 生成研究报告/PR 报告。
    • im +messages-send 通知人类。
    • mail +draft-create 起草商务邮件。
    • slides +create 生成汇报材料。

    产品判断：只要 Lark CLI 权限和 workspace 结构配置好，AI employee 就可以不再停留在“回答问题”，而是进入“读上下文 - 写结构化状态 - 产出 artifact - 通知/请求审批”的闭环。

    5. Auth、identity、risk 和企业安全边界

    机制我看到的实现/行为对产品化的含义
    Identity命令可声明支持 user、bot 或两者。使用时通过 --as user / --as bot 选择。员工型 agent 要区分“代表用户做事”和“以应用身份做事”。两者的权限、审计、责任不同。
    Scopeauth login、auth check、auth scopes 可检查 OAuth scope。读写文档、邮件、任务都依赖 scope。多客户部署必须有 scope manifest 和最小权限策略，不能临时缺什么补什么。
    Risk源码风险枚举包含 read、write、high-risk-write。高风险操作需要更强确认。可以接到 lane/policy：read-only、test-autofix、reviewed-production、trusted-low-risk。
    Policy pruning平台层支持通过 policy/plugin rules 裁剪命令可见性。给不同客户/项目/员工角色暴露不同工具集合。
    Sidecarrepo 有 sidecar demo 和 multi-tenant demo，强调 HMAC、host allowlist、identity allowlist、auth header allowlist、audit logging。企业 SaaS 不能把本地 CLI 裸暴露给外部；需要受控 sidecar/proxy。
    Version management本次研究中 lark-cli 从 1.0.52 升级到 1.0.53，skills 也同步更新。长期产品化需要固定版本、升级测试、skills 版本管理。

    研究期间曾遇到 user auth 过期，报错是 need_user_authorization，缺 docx:document:readonly。这个小故障很有代表性：这类系统的第一性问题不是模型能力，而是 auth、scope、tenant、审计和权限生命周期。

    6. Lark vs Slack：为什么 Lark 对这个方向更合适

    维度LarkSlack
    协作对象Chat、Docs、Wiki、Base、Sheets、Task、Calendar、Mail、Approval、OKR、Meetings 在一个 work OS 里。强在 messaging、channels、app ecosystem；Canvas、Workflow、AI 正在增强，但很多业务对象仍依赖外部 SaaS。
    AI 操作层lark-cli 把大量 Lark 对象直接暴露成 CLI/API/skills。Slack 有 API、Workflow、Agentforce、Marketplace，但没有等价的官方“一套 CLI skills 覆盖整个 work OS”的形态。
    定价公开信息官方 help 显示 Starter/Basic/Pro/Enterprise。Starter 最多 20 人、100 GB storage；Pro 最多 500 人、15 TB storage、Base workflow 50,000 runs/month；Enterprise 更高。官方价格页动态且地区相关，需下单时确认。官方价格页显示 Free $0；Pro $8.75/user/month monthly 或 $7.25 annual；Business+ $18 monthly 或 $15 annual；Enterprise+ contact sales。
    agent 产品机会更适合做“员工分层、任务、文档、审批、表格、邮件、会议”打通的工作员工。更适合做 chat-first 的 assistant/agent 入口；若要实现同样的管理闭环，需要额外接 Jira/Linear/Google Drive/Notion/Salesforce 等。

    判断：Slack 不是不能做，而是要补的业务对象更多。Lark 的优势是工作对象天然集中，且已经有 lark-cli 这条 agent 操作路径。对我们这种想做“AI employee / project manager / research employee”的产品，Lark 是更低摩擦的起点。

    7. 边界和坑

    边界为什么重要建议
    不是长期 runtimeCLI 调用是一次性动作，不保存推理上下文和 shell session。把 Botmux/Codex/Claude Code 放在 runtime 层。
    不是 source of truthLark Doc 很适合呈现，但 task lifecycle、agent state、audit log 不应只靠自然语言文档。用 Beads/local DB/WAL 作为 SoT，Lark Base/Doc 作为 projection。
    权限容易漂移OAuth scope、文档权限、bot 权限、群权限都可能变。做 auth health check 和权限预检。
    写操作必须有人类 gate邮件发送、审批处理、任务状态、生产发布都可能产生外部影响。使用 risk lane：read-only 默认，write 需要明确授权，高风险必须 human approval。
    事件驱动需要去重Lark event/webhook 可能重放、乱序、重复。每个 event 要有 idempotency key 和 audit log。
    版本和 skills 会更新CLI 已从 1.0.52 升到 1.0.53；skills 也会随版本变化。固定版本、记录 SHA、升级前跑 smoke tests。

    8. 可以直接落地的三类用法

    1. AI Developer 控制台：从 Lark Doc/Task/GitHub Issue 读取任务，用 Codex/Claude Code 写代码，生成 PR，再把结果、测试、风险、review link 写回 Lark。
    2. Research Employee：定时读外部来源和内部 docs，把情报写进 Base 证据库，生成 Lark Doc 报告，起草邮件或 Slack/Lark 消息等待确认。
    3. Project Manager：从会议纪要抽任务，查每个人 agenda/任务状态，生成周报，标出 blockers，发给相关群或负责人。

    这三类都需要 Lark CLI，但都不能只靠 Lark CLI。CLI 给的是“操作能力”，员工产品还需要 runtime、state、policy、measurement。

    10. 来源链接