引言

飞书开放平台今天正式发布了 lark-cli，一个命令行工具。

说实话，当我看到这个项目的时候，第一反应不是「又一个CLI」，而是——终于有人把飞书的能力，用一种AI Agent能直接调用的方式暴露出来了。

这才是这个工具真正值得聊的地方。

---

先说它是什么

lark-cli 是飞书开放平台的官方命令行工具，Go 写的，MIT 协议，刚发了 v1.0.0。

覆盖了飞书 11 个核心业务域：日历、消息、文档、云盘、多维表格、电子表格、任务、知识库、通讯录、邮件、会议。

200 多个命令，19 个 AI Agent Skills。

你没看错，19 个 AI Agent Skills。这不是一个普通的 CLI，它从一开始就是为 AI Agent 设计的。

---

三层架构，这个设计很聪明

lark-cli 的命令分三层：

第一层：Shortcuts（快捷命令）

用 + 前缀标记，人和 AI 都能用，带智能默认值。比如你想看今天的日程：

lark-cli calendar +agenda

一条命令搞定。不用查 API 文档，不用拼参数。

第二层：API Commands

100 多个精选命令，直接映射到飞书开放平台的接口。比普通 REST API 调用方便得多，因为认证、分页、格式化这些脏活它都帮你干了。

第三层：Raw API

直接访问飞书开放平台全部 2500 多个 API。什么都能干，但你得自己知道自己在干什么。

这个分层设计我觉得非常聪明。大部分场景你用 Shortcuts 就够了，需要更精细控制的时候往下走一层。对 AI Agent 来说，Shortcuts 这层就是天然的 tool calling 接口。

---

安装和配置，三步搞定

1. 安装npm install -g @larksuite/cli# 2. 注册 AI Agent Skills（给 Claude Code 等工具用）npx skills add larksuite/cli -y -g# 3. 初始化配置 + 登录lark-cli config init --newlark-cli auth login

配置的时候需要填飞书开放平台的 App ID 和 App Secret。如果你之前用过飞书开放平台的 API，这些你应该有。没有的话去飞书开发者后台创建一个应用就行。

登录支持 OAuth，浏览器会弹出来让你授权。授权完了凭证会保存在系统的 Keychain 里，不是明文存的，这点好评。

---

真正让我兴奋的：AI Agent 集成

坦白讲，CLI 工具本身不算新鲜。但 lark-cli 真正让我眼前一亮的，是它对 AI Agent 的原生支持。

19 个 AI Agent Skills，覆盖：

• • 日历管理（查日程、建会议、查空闲时间）
• • 消息收发（发消息、回复、管理群聊、下载媒体）
• • 文档操作（创建、编辑、搜索）
• • 多维表格（建表、增删改查记录）
• • 电子表格（创建、导出）
• • 任务管理（建任务、设提醒、跟踪进度）
• • 邮件（浏览、写邮件、管理草稿）
• • 通讯录（查人、查部门）
• • 知识库（管理知识空间）
• • 会议纪要（搜录音、拉转写）

这意味着什么？

意味着你的 AI Agent 可以直接帮你发飞书消息、建日程、查文档、操作多维表格。不需要你自己去封装 API，不需要写一堆胶水代码。

装上 Skills 之后，在 Claude Code 里你可以直接说：「帮我看看今天下午有没有会」「把这个方案发到 XX 群」「在多维表格里新建一条记录」。

它就直接干了。

---

几个值得注意的细节

输出格式灵活。 支持 JSON、表格、CSV、NDJSON，还有 pretty-print。对 AI Agent 来说 JSON 最友好，对人来说表格模式看着最舒服。

有 dry-run 模式。 危险操作之前可以先预览，不会真执行。这个对 Agent 场景太重要了——你不会想让 AI 不小心把你的群聊解散了。

支持身份切换。 可以用用户身份执行，也可以用 Bot 身份执行。不同场景用不同身份，权限控制更细。

安全方面下了功夫。 输入注入防护、终端输出清洗、凭证存 Keychain。官方文档里甚至专门警告了 AI Agent 的风险——幻觉、提示注入、数据泄露。建议把 Bot 当私人助手用，不要直接暴露在群聊里。

这个安全意识，说实话在国内厂商的开源项目里不太常见。好评。

---

我的看法

飞书这一波，其实是在抢一个非常关键的生态位：AI Agent 的执行层。

你想想，现在做 Agent 最大的痛点是什么？不是推理能力不够，不是模型不够聪明。是 Agent 想干点事，发现什么工具都没有。

想发个飞书消息？自己封 API。想查个日程？自己封 API。想操作多维表格？还是自己封 API。

每个开发者都在重复造一模一样的轮子。

lark-cli 做的事情就是：我把这些轮子全给你造好了，而且是官方出品，持续维护。你只管用。

这个思路和 Anthropic 推 MCP 是一样的——标准化 Agent 的工具调用。只不过 MCP 是协议层，lark-cli 是具体的实现层。

再往远了想，如果钉钉、企业微信也跟进出类似的 CLI + Agent Skills 工具，那 AI Agent 在国内企业场景的落地速度会快很多。

不过目前来看，飞书是第一个这么干的。

先发优势。

---

适合谁用

如果你在做 AI Agent 开发，而且你的用户或者你自己在用飞书： 这个工具几乎是必装的。省掉的 API 封装时间，少说几天。

如果你是飞书重度用户，平时喜欢在终端里干活： 也值得装一个。查日程、发消息、搜文档，终端里一条命令比打开飞书点来点去快多了。

如果你用的是钉钉或企微： 那就等等看吧，说不定很快就有对标产品了。

---

时代真的变了。

以前我们讨论 AI Agent，总觉得「能用」但「不好用」。不好用的原因不是 AI 不够聪明，是基础设施没跟上。

现在，基础设施开始一块一块补上了。

学AI大模型的正确顺序，千万不要搞错了

🤔2026年AI风口已来！各行各业的AI渗透肉眼可见，超多公司要么转型做AI相关产品，要么高薪挖AI技术人才，机遇直接摆在眼前！

有往AI方向发展，或者本身有后端编程基础的朋友，直接冲AI大模型应用开发转岗超合适！

就算暂时不打算转岗，了解大模型、RAG、Prompt、Agent这些热门概念，能上手做简单项目，也绝对是求职加分王🔋

📝给大家整理了超全最新的AI大模型应用开发学习清单和资料，手把手帮你快速入门！👇👇

学习路线:

✅大模型基础认知—大模型核心原理、发展历程、主流模型（GPT、文心一言等）特点解析
✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑
✅开发基础能力—Python进阶、API接口调用、大模型开发框架（LangChain等）实操
✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用
✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代
✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经

以上6大模块，看似清晰好上手，实则每个部分都有扎实的核心内容需要吃透！

我把大模型的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】