AI智能体+飞书CLI+Skills实战测评：开发新范式
AI编程工具的迭代速度快到让人目不暇接。市面上产品层出不穷，功能渐趋同质，但真正拉开差距的，不是工具本身的极限，而是用户是否构建了属于自己的高效工作流。
先说一条核心判断：工具能力的上限是固定的，但不同用法带来的产出差异，可能高达10倍。
这篇文章，我将分享在实践中摸索出的组合打法——AI编程 + 飞书CLI + Skills。这套模式不仅让AI协作更流畅，更重要的是，一旦你掌握飞书CLI的命令体系，飞书本身就会成为AI可以直接调用的“操作系统”。
别急着跳，我们一步步往下拆解。
二、飞书CLI详解
2.1 飞书CLI是什么
飞书CLI是飞书官方推出的命令行工具，由larksuite团队维护。它的设计初衷很直白：让人类开发者甚至AI Agent，都能在终端中直接操控飞书。
覆盖的消息、文档、多维表格、电子表格、日历、邮箱、任务、会议等核心业务域，一个不落。目前已经提供超过200条命令，且仍在持续扩展。
2.2.1 飞书CLI解决了什么问题
过去，在飞书里截图、发消息、拉表格，要么手动点击，要么折腾API。现在，一条命令搞定的事，没人愿意再开N个页面。对开发者而言，更关键的是——批量操作、自动化流程、与CI/CD管道对接，这些原本需要大量代码才能完成的任务，现在变得极其轻量。
2.2.2 飞书CLI核心定位
一句话概括：它充当终端门面，将飞书复杂的能力封装为简洁命令。无论开发者还是AI，都能直接调用，无需理解背后复杂的API结构。
2.3 CLI跟普通用户有什么关系
这里需要区分一下。如果你只需要日常聊天、审批、看文档，CLI暂时不是你必需的。但如果你是开发者、运维人员，或负责自动化流程的团队，那它值得认真研究。甚至，当你开始在终端里管理飞书工作流时，许多操作效率会成倍提升。
2.4 飞书CLI可以做什么
从具体能力来看，目前它能直接完成的活儿包括但不限于：
- 发送消息（单聊、群聊、卡片消息）
- 创建/读取/更新文档内容（支持Markdown、Block等格式）
- 操作多维表格（插入行、获取数据、管理视图）
- 管理日历、创建日程
- 操作电子表格
- 处理邮件和任务
- 调用飞书应用的开放接口
基本覆盖团队协作工具80%以上的高频场景。
2.5 谁适合使用飞书CLI
主要面向这几类人：
- 开发者：在本地或服务器上通过脚本批量操作飞书数据。
- AI Agent开发者：将飞书CLI视为AI调用的工具集，让智能体直接在终端中完成协作任务。
- 运维与自动化团队：对接CI/CD流水线、定时任务、告警推送等场景。
- 产品/运营效率挖掘者：如果对终端操作不排斥，也能借助CLI实现简单自动化，比如自动创建周报文档、批量拉取表格数据。
一句话：如果你对效率有执念，它就会很对胃口。
三、飞书CLI本地部署
概念聊完，直接上手。本地部署并不复杂，跟着步骤走就行。
3.1 前置准备
3.1.1 安装Node
飞书CLI基于Node.js构建，需要确保本地有Node环境，推荐v14.0.0及以上版本。如果之前没装过Node，去官网下载长期支持版本即可，安装过程基本无坑。
3.1.2 安装客户端操作工具
这一步非强制，但建议安装，它方便管理CLI的配置和认证信息。工具名为feishu客户端，具体安装方式参见官方文档。
3.2 两种安装飞书CLI的方式
3.2.1 从npm安装（推荐）
最直接的方式，一条命令搞定：
npm install -g @larksuite/feishu-cli
安装完成后，在终端输入feishu验证是否成功。如果看到版本号和帮助信息，说明装好了。另一种方式是直接下载二进制包，但npm方式更省心，升级也更方便。
3.3 配置与使用过程
3.3.1 配置应用凭证
CLI需要获取应用权限才能操作飞书数据。因此，先创建一个飞书自建应用，在开发者后台获取App ID和App Secret，然后运行：
feishu config set app_id YOUR_APP_ID
feishu config set app_secret YOUR_APP_SECRET
3.3.2 登录
配置完成后，运行：
feishu auth login
此过程会在浏览器中跳转到飞书授权页面，确认后即可完成认证。登录成功后，所有命令便可正式调用。
3.4 效果使用体验
初次体验给人的感觉非常直接。第一条命令敲下去，飞书里立刻出现消息或文档时，那种掌控感很强。个人感受：这是目前把飞书开发效率推到极致的一种方式。
四、AI编程 + 飞书CLI高效开发过程
这个环节才是真正释放飞书CLI价值的地方。结合AI编程工具，堪称王炸组合。
4.1 前置准备
4.1.1 Trae配置飞书MCP
如果你在用Trae这类AI编程工具，可以直接通过MCP协议将飞书CLI注册为工具。简单说，就是把飞书CLI的能力注入到AI的思考回路里，让AI在写代码的同时，直接操作飞书文档或表格，无需手动切换窗口。
具体做法是：
npm install -g @larksuite/mcp-server
然后按提示完成MCP服务器配置即可。
4.1.2 配置MCP工具
在AI编程工具的设置中，添加MCP Server的地址，指向本地启动的飞书MCP服务。配置完成后，你就能在AI对话中，用自然语言直接指挥它创建文档、更新表格、发送消息了。
4.2 Trae + 飞书文档 + CLI开发全流程
到这里才进入核心实战环节。我把完整的闭环流程拆成五步：
4.2.1 提供原始的需求文档
一切从需求文档开始。把飞书文档里写好的需求描述直接丢给AI，而不是自己再提炼一遍。文档的格式、关键词、逻辑结构，AI都会自动消化。
4.2.2 基于需求文档生成开发计划
AI看完需求文档后，让它生成一份开发计划，包括模块划分、技术选型、接口设计、依赖关系。这一步其实就是在检验——AI对需求的理解是否到位。不到位就追问、补充，直到计划符合预期。
4.2.3 确认开发设计方案
开发计划敲定后，再让AI输出更详细的系统设计方案，比如数据流图、关键类关系、数据库设计。同时，AI会调用飞书CLI，把设计文档直接写到飞书文档里，无需再拷来拷去。
4.2.4 基于开发方案生成代码
设计方案落地后，才真正开始写代码。这一步的工作量基本交给AI，它根据方案逐模块生成代码，每完成一个模块，就通过CLI自动在飞书文档里更新进度。
4.3 项目效果测试
代码写完后，让AI启动测试。单元测试、集成测试依次跑完，测试报告和结果也会被CLI自动记录到飞书多维表格里。哪个模块没过、哪里要优化，一目了然。
4.4 代码Review
测试通过后，AI自动发起一次代码Review，检查设计缺陷、性能风险、可维护性问题，生成Review意见并推送到飞书消息。如果需要人工介入，直接群里就能展开讨论。
4.5 持续优化迭代
最后一个环节是持续迭代。基于前期生成的代码、文档和测试记录，AI可以定期检查代码质量，发现问题后自动生成任务到飞书任务中心。开发者只需把任务接过去，改好代码，剩下的同步工作CLI都能搞定。
五、写在文末
回过头来看，这套模式最大的价值不在于某一个工具本身有多强，而在于将“需求 - 开发 - 同步 - 协作”这条链彻底打通。以往做开发，光是写文档、同步进度、交工汇总就能吃掉不少时间。现在，飞书CLI让AI可以像开发者一样操作协作工具，真正实现了“AI写代码、AI写文档、AI发消息、AI记录进度”的全链条自动化。
当然，这套模式还在不断迭代中。但可以确定的是，谁先摸索出属于自己的高效路径，谁就能在这一波工具红利中跑得更快。