智能体进会：三类玩法全解，附亚朵影子面试官的抄作业命令
2026 年 7 月深圳飞书 CLI 开发者日展示了智能体入会、文字与语音交互、整理会议记录等用法。本文回顾当时的案例，以及获取会议录制和妙记、写回结果的 CLI 命令。
三类玩法（按智能体怎么思考、怎么开口分）
- 深度思考 + 文字交互——智能体实时回应弹幕问题、统计高频疑问、跟进会议待办。
- 浅思考 + 语音交互——智能体扮演固定角色做标准化交互：销售培训、用户调研、会议点名。适合流程基本不变的场景。
- 深度思考 + 语音交互——智能体实时接收语音指令完成复杂操作。还在内部探索阶段，存在一定响应延迟。
开发者日当时介绍，文字交互已开放，独立入会与语音交互处于灰度阶段。实际使用需满足所在租户的开放范围与应用权限要求。
标杆案例一：亚朵"影子面试官"
亚朵基于这套能力做了影子面试官：自动拉取岗位 JD 和候选人简历，面试中实时给出追问建议，面试结束后自动生成面评归档——面试官全程不用敲一个字。
复现这个闭环：
# 1. 把会议转成 minute_token
lark-cli vc +recording --meeting-ids <meeting_id>
# 2. 读取已生成的逐字稿与章节
lark-cli minutes +detail --minute-tokens <token> --transcript --chapter --as user
# 3. 把一条追问建议发进会议聊天
lark-cli vc +meeting-message-send --meeting-id <meeting_id> --msg-type text --text "建议追问：候选人主导的深度？"
# 4. 会后生成面评文档
lark-cli docs +create --content '<title>面评-候选人X</title>...'
影子面试官提示词：
"你是资深面试官的影子助手。这是岗位 JD、候选人简历，以及面试实时逐字稿的最近一段。请判断：候选人刚才的回答是否真正回答了问题？如果回避或答得浅，给出一句具体的追问建议（不超过 30 字）。如果回答充分，只输出『OK』。不要评价语气，只给可执行的追问。"
标杆案例二：事故排查助手（飞书自家产研）
飞书内部研发团队部署的会议智能体，能在故障排查会中实时接收语音指令完成数据查询，让研发专注于问题分析而不是来回切仪表盘。它维护一块实时面板：当前结论、原因定位、影响范围、时间线、待办。
底层是同一套积木：vc +recording → minutes +detail --transcript，然后由智能体把一份共享文档当作唯一事实源持续更新：
# 会中持续更新一份"活的"事故文档
lark-cli docs +update --doc <事故文档> --command append \
--content '<p>[11:46] 当前结论：追光退款；原因定位中；影响：trc、11</p>'
标杆案例三：会议点名助手
针对多人大周会，智能体自动统计实际参会人员名单，把会议内容同步给未参会的人，避免信息传递断层。
# 谁发言了 / 谁到会了
lark-cli minutes +detail --minute-tokens <token> --transcript --as user
# 把纪要私信发给每个缺席的人
lark-cli im +messages-send --user-id <缺席者> --text "今日周会纪要：<链接>"
从这里开始：文字交互闭环
可以先读取已生成的会议记录，再让 Agent 整理回答、摘要和待办：
meeting_id ──vc +recording──▶ minute_token
minute_token ──minutes +detail──▶ 逐字稿 + 摘要 + 待办
逐字稿 ──你的 Agent──▶ 答疑 / 统计 / 跟进
结果 ──vc +meeting-message-send / im +messages-send──▶ 发回给人
一条命令把会议变成结构化数据，再一条命令把智能体的产出推回会场。剩下的全是你的提示词。