一、全文核心要点概览

今天，我们来深入探讨一个备受关注的话题：如何高效利用AI Agent处理企业数据。我们的核心策略非常明确：将数据划分为本地与云端两部分。所有需要团队协作的数据与流程，都部署在云端。因此，AI Agent与云端工具（如飞书）的深度集成已成为常态。一个有趣的现象是，团队成员使用传统图形化界面的时间正在显著减少。

回想飞书命令行工具（CLI）刚开源时，我曾分享过初体验，反响热烈。但短短一个月，情况已发生巨变。飞书团队在后台持续迭代，其CLI开放的能力列表悄然扩充。据昨日统计，其开放的能力项已接近120个。

这个数字意义非凡，意味着通过命令行操控飞书的覆盖面，已几乎媲美完整的API。

如今，借助Claude Code这类AI编程工具来驱动飞书，只要不是极其特殊的极客操作，日常办公所需的一切几乎都能通过自然语言指令完成。

飞书开放平台现已提供了完整的能力索引。

与此同时，飞书CLI项目在GitHub上获得的星标数也已逼近一万大关。

基于此，我将分享几个我们团队内部将AI Agent与飞书CLI结合的真实应用案例。实践过程中，确实有几个瞬间令人感到惊艳。

接下来，让我们直接切入正题。

二、为系列会议构建跨场次智能知识库

第一个分享的场景，我们已经落地并真切感受到了其价值：为每一个系列会议构建一个持续积累的智能知识库。

公司内部每周都有培训会、周会、复盘会等定期会议。这类会议普遍存在一个痛点：会议结束后，宝贵的妙记和讨论内容就沉寂在飞书文档中，除了会后短暂查阅，长期缺乏系统性的追踪和沉淀。

时间一长，问题接踵而至。

例如，某次选题会曾讨论过一个长线选题，计划在假期后推进。当时全员认可，但假期结束后，这个选题竟无人再主动提起，险些被遗忘。

再比如，每当新同事入职，都需要快速了解选题会的流程、团队的偏好与历史决策。堆积如山的过往会议记录本是最佳培训素材，但若无人整理，这些经验资产便白白流失。

以我们三月份的选题会数据为例（数据已做脱敏处理）。

接入飞书CLI后，你可以在Claude Code中直接调用指令与飞书交互，获取数据。

很快，AI便能生成一份结构清晰、内容详实的飞书分析文档。

文档涵盖了会议清单、选题转化率分析、会议节奏、决策机制、观察到的现象以及后续优化建议，一应俱全。

坦白说，让AI Agent直接接入飞书获取原始数据并整理成文，体验堪称“极致流畅”。回想过去需要手动导出数据再交给AI处理的繁琐流程，效率提升立竿见影。

报告内容极为全面，每一场会议讨论了哪些选题、最终决议如何、决策依据是什么，全都清晰记录。

这其中蕴含的大量信息都可以作为经验素材，沉淀到团队的知识库中。

这种对周期性会议经验的自动化留存方法，可以复用到各个业务领域，直接形成一个动态更新的知识库，方便后续进行各类知识检索与归档。

公司内部的培训会同样适用。先让Agent抓取历史培训记录，沉淀成初始知识库。之后定期设定任务，让它自动抓取新增会议信息，实现知识库的无人值守更新——这一切，只需在Claude Code中输入一句指令。

这些持续积累的知识库，对任何追求知识沉淀与复用的公司而言，都是无比珍贵的数字资产。

三、利用AI Agent进行全方位个人工作复盘

第二个用法在同事中广受欢迎：利用AI Agent对自己进行深度、多维度的个人工作复盘。

正如我们常说的，公司几乎完全“生长”在飞书上，所有工作痕迹——私信、群聊、会议妙记、日程、任务、邮件、文档、OKR——都留存在这里。这些分散的数据是个人工作的全景图，但靠人力很难进行完整的横截面分析。

这类复杂的聚合与分析任务，正是AI Agent的绝佳应用场景。

例如，有同事让它拉取过去7天、30天或一个季度的全维度工作数据。有了这些结构化数据，可挖掘的洞察就非常多了。

我们甚至将此功能做成了一个标准化的“技能”，放入公司内部的AI Skill Hub，供所有同事一键调用。

用一位同事的账号演示，生成一份季度工作报告。

只需一句简单的指令即可启动。

接着，AI会并行抓取消息、会议、妙记、日程、任务、邮件、文档、OKR等八大类数据，并进行交叉分析。

最终，生成一份非常全面的个人工作分析文档，包含一句话季度总结、时间投入分布图、协作网络分析、主要项目进展、核心产出成果，以及基于数据的深度洞察与可行性建议。

例如，它能敏锐地发现某个重要项目的排期出现了遗漏风险。

建议将飞书“文件传输助手”中的零散想法和资料，每月定期沉淀为结构化文档，避免知识碎片化。

文档末尾还会附上一份可直接使用的季度汇报草稿框架。

由于分析基于飞书中真实的沟通与工作上下文，它生成的文档是真正有血有肉、可直接使用的，而非空洞的模板填充。

而这仅仅是个开始。后续你可以根据需要，将这个“个人数字画像”轻松转化为述职网页、汇报PPT或多维数据看板。

思考深度有了，产出物有了，同时又没有耗费大量时间在重复性劳动上，这种体验非常美妙。

四、实现重复性对接流程的智能自动化

第三个案例是让我最有成就感的实践之一。

我们部分业务涉及AI领域的媒介合作与博主经纪，拥有自己的经纪团队。由于每月需向大量合作博主支付费用，经纪同事每月都要固定花费大量时间与博主们对账，确认项目、金额，检查是否有漏单。

过去的流程是：AI Agent能帮我们从飞书多维表格中查询出项目和金额，但“最后一公里”的沟通仍需人工完成。每月对接数百位博主，而经纪人只有三位。他们需要将对账明细贴到群聊，等待博主回复，再根据反馈手动分流给不同同事，重复沟通量巨大，耗时耗力。

现在，随着飞书CLI能力的开放，这个流程得以彻底优化：我们用AI Agent开发了一个小工具，并将其部署为飞书机器人，让机器人自动执行整个流程。

于是我们进行了内部迭代。新流程如下：将博主和机器人拉入同一个群，在群里@机器人请求对账。机器人会自动去多维表格查询该博主相关的所有项目数据，然后在群里@该博主，清晰列出本月所有合作项目、对应金额及备注，请博主确认。

博主反馈后，再次@机器人，机器人会根据反馈内容自动分流。金额有误则通知商务同事核对刊例，有漏单则通知财务同事补单，若一切无误则@我告知对账完成。

构建这个自动化流程时，我甚至没有写代码，直接采用语音转文字，口述了一大段复杂需求。

正因为有了飞书CLI，创建和配置这样一个智能机器人的门槛变得极低。你完全不需要理解什么是API接口、什么是事件回调，就能把事情搞定。

将创建好的机器人与博主拉入一个群聊（为保护隐私，此处使用模拟数据，并用同事账号测试）。

在群里直接@机器人，发出对账指令。

它会自动从表格拉取数据，生成清晰的对账明细发到群里，并@对应博主请求确认。

待博主反馈“没问题”后，它会自动通知我们对账无误。

如果博主反馈有问题，机器人会智能识别问题类型，并即时转发给对应的负责人。

此时，相关同事会立即收到机器人的私信通知，明确告知待处理事项。

整个过程——从@机器人发起对账，到博主反馈，再到问题智能分流——全部由机器人自动完成，实现了闭环。

如果想提高通知的重要程度，甚至可以让AI Agent以你本人的账号名义发送私聊消息，飞书CLI现已支持此功能。

效果如图所示。

这个智能协作模式可以轻松复用到许多业务场景中。只需替换机器人查询的数据源、反馈的分类规则以及分流对象，即可直接套用。例如客户回款核对、订单异常处理、合同到期提醒，乃至年终奖发放前的数据核对等场景。

五、生成可实时协同编辑的智能画板

第四个案例涉及飞书近期推出的一项新能力：画板。

简单来说，就是让AI Agent生成一张可供团队全员实时协同编辑的结构图或流程图。这个功能的协同价值非常突出。

用AI生成HTML来绘制信息图已不新鲜。但关键在于，当Claude Code与飞书画板结合时，产出物不再是静态的HTML网页或图片，而是飞书原生的、可交互的画板文档。你可以分享给团队任何成员，他们打开后都能直接拖动元素、修改文字、添加节点、调整连线。

这种可即时复用的协同能力，正是其核心优势。以往生成的HTML内容，想与同事协同编辑非常麻烦，需要额外的工具和流程。

实践中一个高效的场景是：在会议中，将大家口头讨论的复杂架构或流程，让AI当场生成一张可视化画板丢到群里，所有人直接在画板上边改边讨论，实时达成共识。

例如，与团队讨论AIHOT的架构图时，若想邀请同事协同评审，可以直接让Claude Code配合飞书生成一个可编辑的画板。

很快，一个详细的架构画板就生成了，其中每个节点、每条连线，你的同事都可以随意编辑、修改、拖动。

再比如，之前筹备AIFUT大会时，讨论出的观众入场流程是一大段文字描述，阅读起来颇为费力。尝试将其丢给AI处理。

使用的提示词也非常简单直接。

几分钟后，一个清晰直观的流程图画板便呈现出来。

所有相关者都能在上面继续协同修改，这种体验堪称“效率爆表”。

而且，既然是画板，其用途远不止于架构图和流程图。你甚至可以用它来快速协作制作PPT。

同样支持多人随意修改、实时分享和协同编辑。

其核心优势就在于：实时协同、无缝协作、提升团队效率。

六、自动化报销申请与审批流程

第五个案例是我们一位同事今天刚刚成功跑通的：让Claude Code完成从整理到提交再到审批的完整报销流程。

报销的繁琐，每一位职场人都深有体会。

这位同事的做法是：直接告诉Claude Code接收发票的邮箱（她已将公司邮箱与飞书绑定），并让它去公司知识库查找报销SOP（标准作业程序），然后严格按照SOP填写并提交报销申请。

接着，AI会先去指定邮箱搜索相关发票邮件。

自动整理好发票信息，包括金额、抬头、税号等关键要素。

然后，它能在飞书上自行填写并发起报销审批流程，但在最终提交前，会先与申请人进行最终确认。

确认无误后，流程继续。

审批人随即能在飞书审批流中看到刚刚提交的报销单。

财务同事下午看到时都感到十分惊讶。

除了帮忙提交报销，在审批端同样可以交给AI Agent处理。

它会自动核对发票信息、金额、报销政策等各类要素。

然后将汇总的核对情况与审批人确认。

确认后，审批即可一键通过。

它还会根据具体情况，自动生成清晰明确的审批意见。

这一套流程跑下来，从发票整理、信息填写、提交申请到完成审批，全程只需与Claude Code对话，无需手动打开飞书界面操作。

这种自动化流程只需更换业务“外壳”，就能套用到出差申请、采购申请、请假审批等各类企业流程上。其核心骨架完全一致：信息自动收集、模板智能匹配、申请自动提交、状态实时追踪。

七、总结与展望

以上分享的场景均来自我们公司的真实实践，当然无法穷尽AI Agent与飞书结合的全部可能性，仅作抛砖引玉之用。

最后进行简单总结。

目前飞书CLI已完全开源，开发者可直接在GitHub获取，其能力覆盖15个核心业务域、共计114项具体能力。

由于能力项实在太多，我为大家整理了一份全面的能力总结图表，内容可能稍长，但确实非常详尽，可供参考。

当下看来，AI Agent的协同模式主要趋于两类：一类是本地化、个人化的效率工具；另一类则是在组织内与同事进行深度、强耦合的协同。甚至已经可以实现机器人@机器人，让多个AI之间自主协同完成复杂任务。

在组织级AI协同这个领域，除了飞书，目前确实难有功能如此全面的替代品。

利用AI Agent来深度操控飞书，实现全方位的效率提升与协同模式进化，或许正是当前许多组织迈向智能化、自动化办公下一阶段的关键要素。

想象一下，当飞书将其所有能力全面通过CLI开放，整个飞书近乎完全实现“命令行化”的那一天到来时，我们的办公方式与团队协同模式，或许真将迈入一个前所未有的智能新时代。

希望上述真实场景能给大家带来一些关于AI办公自动化的启发。

相关攻略

热门推荐