AI编程工具的演进速度之快，令人目不暇接。市场上各类产品层出不穷，功能逐渐趋同，但真正拉开差距的并非工具本身，而是使用者是否构建了一套属于自己的高效工作模式。
先抛出核心观点：每款工具的能力上限是固定的，然而不同的使用方法所导致的产出差异，最高可达10倍之多。
今天这篇文章，将分享我在实战中总结的一套组合方案——AI编程 + 飞书CLI + Skills。这套模式不仅能让AI协作更加顺畅，更关键的是，一旦你掌握了飞书CLI的命令体系，飞书便会成为AI可以直接调用的“操作系统”。
别急着跳过，请继续往下看。
二、飞书CLI详解
2.1 飞书CLI是什么
飞书CLI，全称为飞书官方命令行工具，由 larksuite 团队维护。其设计逻辑非常直接：让人类开发者乃至 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，一个都没有遗漏。目前已经提供超过200条命令，并且仍在持续扩展。
2.2.1 飞书CLI解决了什么问题
以往，想在飞书里截图、发消息、拉表格，要么手动点击多次，要么需要折腾API。现在，一行命令即可解决，没人再愿意打开多个页面。对于开发者而言，更关键的是——批量操作、自动化流程、对接CI/CD管道，这些原本需要编写大量代码才能搞定的事情，现在变得非常轻量。
2.2.2 飞书CLI核心定位
一句话概括：它是一个终端门面，将飞书的复杂能力全部封装成简洁的命令。无论是开发者还是AI，都可以直接调用，无需理解背后错综复杂的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，那么CLI暂时不是必需品。但如果你是开发者、运维人员，或负责自动化流程的团队，它就值得深入研究。甚至可以说，当你在终端里管理飞书的工作流时，会发现许多操作效率翻倍。
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工作包括但不限于：
- 发送消息（单聊、群聊、发送卡片消息）
- 创建/读取/更新文档内容（Markdown、Block等格式均支持）
- 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
基本覆盖了一个团队协作工具80%以上的高频场景。
2.5 谁适合使用飞书CLI
主要面向以下几类人群：
- 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作为AI调用的工具集，让智能体在终端中直接完成协作任务。
- 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，也可以通过CLI实现简单的自动化，例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，它就会非常对胃口。
三、飞书CLI本地部署
聊完了概念，咱们直接上手。本地部署其实不复杂，按步骤操作即可。
3.1 前置准备
3.1.1 安装Node
飞书CLI基于Node.js构建，因此需要确保本地有Node环境。推荐使用v14.0.0及以上版本。如果之前未安装Node，去官网下载长期支持版本即可，安装过程没有坑点。
3.1.2 安装客户端操作工具
这一步不是强制的，但建议安装，它可以帮助更便捷地管理CLI的配置和认证信息。工具名为 feishu 客户端，具体安装方式参照官方文档。
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，一条命令即可搞定：
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，说明安装成功。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需要获取应用的权限才能操作飞书中的数据。因此需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，所有命令便可以正式调用。
3.4 效果使用体验
说实话，初次体验给人感觉非常棒。第一条命令敲下去，飞书里立即出现消息或文档时，那种掌控感非常直接。个人感受：这是目前将飞书开发效率推向极致的一种方式。
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
如果你在使用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。简单来说，就是把飞书CLI的能力注入到AI的思考回路中，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，就可以在AI的对话中，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，才算进入核心实战环节。我将完整的闭环流程拆分为五步：
4.2.1 提供原始的需求文档
一切从需求文档开始。将飞书文档中写好的需求描述直接交给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，例如数据流图、关键类关系、数据库设计。同时，AI会调用飞书CLI，将设计文档直接写入飞书文档，无需反复拷贝。
4.2.4 基于开发方案生成代码
设计方案落地后，才真正开始编写代码。这一步的工作量基本交给AI，它根据方案逐模块生成代码，并且每完成一个模块，直接在飞书文档中更新进度——这些都能通过CLI自动完成。
4.3 项目效果测试
代码写完后，让AI启动测试。单元测试、集成测试依次运行，测试报告和结果也会被CLI自动记录到飞书多维表格中。哪个模块未通过、哪里需要优化，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，直接在群里即可展开讨论。
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，发现问题后自动创建任务到飞书任务中心。开发者只需接过任务，修改代码，剩下的上板和同步工作，CLI都能搞定。
五、写在文末
回过头来看，这套模式最大的价值并非某一个工具本身有多强，而是将“需求 - 开发 - 同步 - 协作”这个链条彻底打通。以往做开发，光是写文档、同步进度、交工汇总就会消耗不少时间。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”的全链路自动化。
当然，这套模式仍在不断迭代中。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。
