三个已验证的飞书 CLI 客户案例：bug 周期从 40 分钟压到 5 分钟

2026 年 7 月 17 日飞书 CLI 开发者探索日深圳场上，有一张 PPT 反复出现：飞书 CLI 负责连接与执行，大模型负责理解与判断。正是这个组合，把 AI 从"问答玩具"变成了能跑真实业务的工具。这篇拆解现场分享的三个已验证客户案例——零售门店巡检、汽车研发提效、律所案件管理——并给出可以直接抄走的命令和提示词。

三个案例背后是同一个套路

每个案例都是同一个三拍循环：

1. 拉取 → lark-cli 把原始数据从飞书读出来（群消息、文档、妙记、多维表格）

2. 判断 → 你的 Agent / 大模型做分类、总结、决策

3. 写回 → lark-cli 把结果写回去（报告文档、多维表格记录、群消息）

lark-cli 是手，大模型是脑。单独任何一个都没法做业务执行——合在一起才闭环。记住这个循环，下面三个案例只是它穿了不同的衣服。

案例一：零售门店巡检（奈尔宝、泰兰尼斯）

两家零售品牌每天通过 CLI 拉取门店服务录音，自动生成服务巡检报告并推回运营群。效果是门店服务能力常态化提升——不再依赖管理者偶尔抽查，而是每天稳定地发现问题。

可以直接复用的骨架：

# 1. 找到昨天的门店录音妙记

lark minutes +search --keyword "门店巡检" --as user

# 2. 拉每一份的逐字稿 + AI 摘要

lark minutes +detail --minute-tokens <token> --summary --transcript --as user

# 3. Agent 给服务质量打分，生成巡检报告文档

lark docs +create --content '<title>7月17日门店服务巡检报告</title>...'

# 4. 把报告链接推回运营群

lark im +messages-send --chat-id <运营群> --msg-type text --content "今日巡检报告已出：<链接>"

驱动第 3 步的提示词：

"你是零售门店服务质检专家。下面是某门店今日的接待录音逐字稿。请按【迎宾及时性 / 需求挖掘 / 产品讲解 / 送客规范】四个维度各打 0-10 分，指出一个做得好的细节和一个必须改进的问题，最后用一句话给出改进建议。输出为结构化小节，不要客套话。"

案例二：汽车研发，bug 修复周期从 40 分钟压到 5 分钟

某汽车企业用 CLI 自动拉取飞书内的用户反馈和文档信息，让模型完成 bug 分类与需求整理，bug 修复周期从 40 分钟压缩到 5 分钟。

这里的关键是反馈本来就在飞书里——只是散落在各个群和文档中。CLI 把它拉到一处，模型分诊，结果落进工程师真正干活的 Base：

# 1. 搜出所有提到某症状的反馈消息

lark im +messages-search --keyword "刹车异响" --as user

# 2. Agent 聚类去重，每条 bug 写成一条多维表格记录

lark base record create --app-token <app> --table-id <tbl> \

--fields {"标题":"...","严重度":"P1","来源":"用户反馈群"}

分诊提示词：

"你是汽车研发的需求分诊工程师。下面是一批用户反馈原文。请：1) 把描述同一问题的反馈合并；2) 给每条问题标注【模块】【严重度 P0-P3】【是否安全相关】；3) 安全相关的问题单独置顶并标红。只输出可分诊的结构化结果，不要复述原文。"

每个 bug 省下的 35 分钟，几乎全是"找 + 读 + 去重 + 归档"这些现在由模型做的事。工程师只做最后那个判断。

案例三：律所案件管理

上海某律所把 CLI 和 AI 画板结合，自动生成案件追踪全景图，再一键把案件信息归档到多维表格，大幅降低了案件整理的人力成本。

这里有两个写回目标：画板给合伙人一张可视化的全案全景图，多维表格给团队一个可查询的系统台账：

# 把结构化案件字段归档进多维表格

lark base record create --app-token <app> --table-id <tbl> \

--fields {"案件":"...","阶段":"举证","负责人":"...","下次节点":"7-30"}

# 在文档里生成 / 更新案件全景画板

lark docs +whiteboard-update --doc <doc> --whiteboard <wb_token> --mermaid "..."

抄作业：可复用的配方

把行业剥掉，每个案例都是同一套配方：

选一个已经在飞书里的数据源（一个群、一沓妙记、一批文档）。
定时拉取，用 +search / +detail。
写一条领域专家提示词，让它输出结构而不是散文。
把结果写回多维表格（系统台账）和群消息（让人看见）。

先做闭环，再谈工具。如果你的报告从来不落到有人行动的地方，模型再聪明也推不动业务。