【Python × 深度学习 × Agent 系列·第四篇】Agent 异步编程：async/await 原理、并发 LLM 调用、流式输出与 FastAPI 集成

拾-光

62人浏览 · 2026-05-27 16:00:00

拾-光 · 2026-05-27 16:00:00 发布

【开源观察】飞书 CLI 45 天破万星：AI 操作可见可控，MCP 黑箱给不了的透明感

导语：飞书开源命令行工具 lark-cli，45 天 GitHub 破万星，成为国内首个万星办公套件开源项目。但比星标数字更有说服力的是——主干代码已合并 10 位外部开发者的 PR，而钉钉和企业微信是零。lark-cli 让 AI 通过命令行直接操作飞书，建群、建文档、发消息、查日历，每一步都可预览、可审查。这种"透明感"是 MCP 黑箱模式给不了的，也是开发者放心把任务交给 AI Agent 的前提。1 万星和 10 个外部 PR，这组数字比任何 PR 稿都诚实。

在这里插入图片描述

文章目录

【开源观察】飞书 CLI 45 天破万星：AI 操作可见可控，MCP 黑箱给不了的透明感

一、为什么办公套件突然都在做 CLI？

2026 年 3 月，三天之内，钉钉、飞书、企业微信相继开源了各自的 CLI 工具。这不是巧合，而是一个信号：办公套件正在为 AI Agent 时代重新设计接口。

为什么？因为 AI Agent 操作 GUI 太难了——按钮位置会变、弹窗不可预测、操作无法回滚。但 CLI 天然就是 Agent 友好的：

维度	GUI	MCP	CLI
Agent 可操作性	❌ 需要视觉识别	⚠️ 受限于 MCP Server 能力	✅ 文本命令，天然可解析
操作可预览	❌ 不可预览	❌ 黑箱执行	✅ `--dry-run`
过程可审查	❌ 无日志	⚠️ 部分有日志	✅ 终端完整输出
权限可控性	⚠️ 粗粒度	⚠️ 全有或全无	✅ 精确到单条命令
可组合性	❌ 不可组合	⚠️ 有限	✅ 管道 + 脚本
Token 消耗	—	⚠️ 高（JSON Schema）	✅ 低（纯文本）

CLI 不是退回到命令行时代，而是为 AI Agent 开了一扇门——一扇透明、可控、可审计的门。

二、lark-cli 是什么？三层架构 + 200 命令

lark-cli 是飞书官方开源的命令行工具，由 larksuite 团队维护，npm 包名 @larksuite/cli。

2.1 三层架构

lark-cli 最精妙的设计是三层命令架构，让不同复杂度的任务走不同层级：

在这里插入图片描述

层级	名称	特点	适用场景	Token 消耗
第一层	Shortcuts（快捷命令）	人类 & AI 友好，语义化	“建个群”、“发个消息”	最低
第二层	API Commands（API 命令）	与平台 API 同步，精确控制	标准业务操作	中等
第三层	Raw API（原始 API）	2500+ 端点全覆盖	复杂/非标操作	最高

为什么三层？ 因为 AI Agent 的 Token 是按上下文长度计费的。一个 Shortcut 命令 lark chat create --name "项目组" 只需要几十个 Token，但如果用 Raw API，需要构造完整的 HTTP 请求体，Token 消耗翻 10 倍。三层架构让简单任务保持低 Token，复杂任务不失灵活性。

2.2 覆盖范围

11 大业务域，200+ 命令，19 个 AI Agent Skills：

业务域	典型命令	AI Skill
消息 Messenger	`lark message send`	自动选择群聊/个人
文档 Docs	`lark doc create`	根据描述生成文档
多维表格 Base	`lark base create`	自动建表+填充数据
表格 Sheets	`lark sheet read`	数据分析+图表
幻灯片 Slides	`lark slide create`	根据大纲生成 PPT
日历 Calendar	`lark calendar list`	智能安排会议
邮件 Mail	`lark mail send`	智能起草邮件
任务 Tasks	`lark task create`	自动拆分+分配
会议 Meetings	`lark meeting create`	一键创建会议
知识库 Wiki	`lark wiki search`	语义搜索知识库
Markdown	`lark md convert`	Markdown ↔ 飞书文档

三、核心亮点：`--dry-run` 让 AI 操作可见可控

3.1 为什么"可见"这么重要？

想象这个场景：你让 AI Agent “把项目周报发给全组”。在 MCP 模式下，Agent 直接调用 API 执行——你不知道它发了什么内容、发给了谁、发到了哪个群。如果发错了，撤回都来不及。

lark-cli 的 --dry-run 彻底解决了这个问题：

# AI Agent 执行的命令
$ lark message send --chat "项目组" --text "本周进度：v2.0 已发布，bug 修复 12 个"

# --dry-run 输出（不实际执行）
[dry-run] 将执行以下操作:
  → 目标群聊: 项目组 (chat_id: oc_xxxxx)
  → 消息内容: "本周进度：v2.0 已发布，bug 修复 12 个"
  → 消息类型: text
  
确认执行? (y/n):

每一步操作都摊在终端里，你可以：

预览：看到 Agent 要做什么，再决定是否放行
审查：检查目标对象、内容、操作类型是否正确
拦截：发现不对，直接 n 掉，零损失
回溯：终端日志完整记录，出问题可追溯

3.2 MCP 黑箱 vs CLI 透明

在这里插入图片描述

这两种范式的本质区别是信任模型不同：

维度	MCP 模式	CLI 模式
信任模型	先执行，后知道	先知道，后执行
操作可见性	❌ 云端黑箱	✅ 本地终端
人工介入点	执行后（可能已晚）	执行前（`--dry-run`）
审计能力	⚠️ 依赖 MCP Server 日志	✅ 终端输出即日志
错误恢复	⚠️ 需要额外操作	✅ 不确认就不执行

一句话总结：MCP 是"先斩后奏"，CLI 是"先看后做"。对于涉及消息发送、文档修改、权限变更等不可逆操作，"先看后做"才是正确的信任模型。

四、实战：5 分钟让 AI Agent 操作飞书

4.1 安装与初始化

# 安装 lark-cli
npm install -g @larksuite/cli

# 初始化（扫码授权）
lark auth login

# 验证安装
lark --version
# 输出: @larksuite/cli 2.x.x

初始化过程会打开浏览器让你扫码授权。授权后，lark-cli 获得一个 OAuth token，后续所有操作都基于这个 token。token 存在本地，不上传云端。

4.2 基础操作示例

# 查看今日日历
$ lark calendar list --today
📅 2026-05-15
  09:00-09:30  站会                    (每日重复)
  10:00-11:00  产品评审                (会议室 A)
  14:00-15:30  技术方案讨论            (线上)

# 发送消息（带 dry-run）
$ lark message send --chat "技术组" --text "v2.1 已部署到预发环境"
[dry-run] 将向「技术组」发送: "v2.1 已部署到预发环境"
确认? y
✓ 消息已发送

# 创建文档
$ lark doc create --title "Q2 技术规划" --folder "技术文档"
✓ 文档已创建: https://feishu.cn/docx/xxxxx

# 查询多维表格
$ lark base read --app "项目看板" --filter "status=进行中"
| 任务名     | 负责人 | 截止日期   |
|-----------|--------|-----------|
| 用户模块重构 | 张三   | 2026-05-20 |
| API 网关升级 | 李四   | 2026-05-25 |

4.3 与 Claude Code 集成

lark-cli 最强大的用法是和 AI Coding Agent 配合。在 Claude Code 中：

# 在 Claude Code 对话中直接使用
> 帮我查一下明天有什么会议

# Claude Code 自动执行:
$ lark calendar list --tomorrow

# 或者更复杂的任务
> 把这个代码审查结果发到飞书技术群

# Claude Code 自动执行:
$ lark message send --chat "技术组" --text "代码审查结果：..."

Claude Code 会自动识别 lark-cli 命令，并在执行前展示 --dry-run 结果让你确认。

4.4 与 Cursor 集成

Cursor 同样支持。安装 lark-cli 后，在 Cursor 的 Agent 模式中：

> 帮我创建一个飞书文档，把当前项目的 README 内容填进去

# Cursor 自动执行:
$ lark doc create --title "项目说明" --content "$(cat README.md)"

4.5 自定义 AI Skill

lark-cli 内置了 19 个 AI Skill，但你也可以自定义：

# ~/.lark/skills/daily-standup.yaml
name: daily-standup
description: 自动收集昨日工作并发送站会消息
steps:
  - action: calendar list
    args: { range: "yesterday" }
  - action: task list
    args: { assignee: "me", status: "completed" }
  - action: message send
    args:
      chat: "站会群"
      template: |
        昨日完成:
        {{#each completed_tasks}}
        - {{this.name}}
        {{/each}}
        今日计划:
        {{#each today_events}}
        - {{this.title}} ({{this.start_time}})
        {{/each}}

# 执行自定义 Skill
$ lark skill run daily-standup --dry-run
[dry-run] 将执行 3 步操作:
  1. 获取昨日日历事件
  2. 获取已完成任务列表
  3. 向「站会群」发送站会消息
确认? y
✓ 站会消息已发送

五、开源生态：10 个外部 PR 说明什么？

5.1 数字背后的真相

在这里插入图片描述

指标	飞书 lark-cli	钉钉 ding-cli	企微 wecom-cli
GitHub Stars	10,200+	1,800	460
外部 PR 合并	10 个	0 个	0 个
外部贡献者	10 人	0 人	0 人
命令数量	200+	80+	30+
业务域覆盖	11 个	6 个	3 个
`--dry-run`	✅	❌	❌
AI Skills	19 个	5 个	0 个
三层架构	✅	❌	❌

10 个外部 PR 意味着什么？ 意味着这个项目不是"甩出去就不管"的甩开式开源，而是真正有开发者在用、在改、在贡献。外部贡献者提交了新命令、修复了 Bug、改进了文档——这些是真金白银的社区活跃度指标。

钉钉和企微的零 PR 则说明：项目虽然开源了，但社区还没建立起来。可能是因为功能覆盖不够、文档不够友好、或者贡献门槛太高。

5.2 为什么飞书的生态最好？

三个原因：

先发优势 + 功能覆盖：200+ 命令覆盖 11 个业务域，开发者想做的操作基本都有现成命令
--dry-run 降低贡献门槛：贡献者可以安全地测试新命令，不用担心误操作
三层架构降低开发门槛：Shortcut 层封装了常用操作，贡献者不需要理解底层 API 就能添加新命令

六、一句话指令驱动完整项目流程

lark-cli 的终极愿景是：一句话指令，驱动完整项目流程。

想象这个场景：

你: "启动 Q3 项目，建群、建文档、排会议、分配任务"

AI Agent 自动执行:
  ✓ 创建「Q3项目组」群聊，拉入 8 位成员
  ✓ 创建「Q3技术规划」文档，填入模板
  ✓ 创建「Q3启动会」日历事件，邀请全员
  ✓ 在项目看板创建 5 个任务，分配给对应负责人
  ✓ 发送项目启动通知到技术大群

每一步都有 --dry-run 预览，每一步都可以审查和拦截。AI 做了 5 件事，你只需要确认 5 次。 比手动操作快 10 倍，比 MCP 黑箱安全 10 倍。

七、适用场景与建议

7.1 适合谁？

用户类型	使用方式	推荐度
AI Agent 开发者	集成到 Agent 工具链	✅ 强烈推荐
飞书重度用户	日常操作自动化	✅ 推荐
团队管理者	项目流程自动化	✅ 推荐
轻度飞书用户	偶尔用 CLI 操作	⚠️ 收益有限