用【AI】的方式重新打开飞书：【Aily】+ 【妙搭】 + 【多维表格 Agent】 +【CLI】全解析
用 AI 的方式重新打开飞书：Aily + 妙搭 + 多维表格 Agent + CLI 全解析
导语：你还在手动查数据、写周报、建系统？2026 年的飞书已经不是一个"办公软件"了——它是一个 AI Agent 平台。@aily 一句话查数据，妙搭对话式建系统，多维表格 Agent 自动跑流程，飞书 CLI 让 AI 直接操作你的飞书。这篇文章带你全面拆解飞书的四大 AI 利器，从产品逻辑到技术架构，从使用场景到实战代码，看完你就能用 AI 的方式重新打开飞书。
文章目录
- 用 AI 的方式重新打开飞书：Aily + 妙搭 + 多维表格 Agent + CLI 全解析
-
- 一、飞书的 AI 版图：从办公工具到 Agent 平台
-
- 1.1 2025-2026：飞书的 AI 跃迁
- 1.2 四大 AI 利器一览
- 1.3 一句话理解四者的关系
- 二、Aily：你的 AI 智能伙伴
-
- 2.1 Aily 是什么？
- 2.2 Aily 的两种模式
- 2.3 自定义智能体：打造你的 AI 数字员工
- 2.4 Aily + OpenClaw：从问答到行动
- 三、妙搭：对话式搭建 AI 系统
-
- 3.1 妙搭是什么？
- 3.2 妙搭的三层能力
- 3.3 实战：用妙搭搭建报销系统
- 3.4 妙搭 vs 传统开发
- 3.5 妙搭的代码生成能力
- 四、多维表格 Agent：数据自动化的 AI 大脑
-
- 4.1 多维表格的 AI 进化
- 4.2 AI Agent 节点：自动化的"智能步骤"
- 4.3 实战：客户反馈自动处理
- 4.4 AI 数据分析：自然语言查数据
- 五、飞书 CLI：让 AI 直接操作飞书
-
- 5.1 CLI 是什么？
- 5.2 安装与配置
- 5.3 核心 200+ 命令
- 5.4 CLI + Claude Code 实战
- 5.5 CLI vs OpenClaw 插件
- 5.6 CLI 高级用法：批量操作
- 六、四大利器协同：飞书 AI 全场景实战
-
- 6.1 场景一：新人入职全流程
- 6.2 场景二：客户投诉处理
- 6.3 场景三：数据驱动决策
- 七、传统飞书 vs AI 飞书
- 八、总结与展望
-
- 8.1 核心要点
- 8.2 飞书 AI 的三个趋势
- 8.3 一句话总结
- 参考资料
一、飞书的 AI 版图：从办公工具到 Agent 平台
1.1 2025-2026：飞书的 AI 跃迁
2025 年 7 月，飞书在未来无限大会上批量发布了 7 款 AI 产品。2026 年 3 月，飞书春季发布会宣布从"办公平台"向"Agent 平台"跃迁。飞书不再只是"人用的工具"，而是"AI 用的平台"。
1.2 四大 AI 利器一览
| 产品 | 定位 | 核心能力 | 适合谁 |
|---|---|---|---|
| Aily | AI 智能伙伴 | 对话式问答 + 任务执行 + 智能体定制 | 全员 |
| 妙搭 | AI 低代码平台 | 对话式建系统 + 自动生成应用 | 业务人员 |
| 多维表格 Agent | 数据自动化引擎 | AI 节点 + 自动化工作流 + 数据分析 | 数据驱动团队 |
| 飞书 CLI | AI 操作工具 | 200+ 命令让 AI 直接操作飞书 | 开发者 |
1.3 一句话理解四者的关系
Aily 是"嘴巴"（对话入口），妙搭是"手"（搭建系统），多维表格 Agent 是"大脑"（数据处理），CLI 是"神经"（连接一切）。
二、Aily：你的 AI 智能伙伴
2.1 Aily 是什么？
Aily 是飞书旗下的智能体平台，它不是一个简单的聊天机器人，而是一个可以执行任务的 AI 员工。
Aily 的核心能力矩阵：
| 能力 | 描述 | 示例 |
|---|---|---|
| 知识问答 | 基于企业知识库回答问题 | “我们公司的差旅标准是什么？” |
| 任务执行 | 调用工具完成实际操作 | “帮我查一下本月销售额” |
| 智能体定制 | 创建专属 AI 数字员工 | 报销专员、HR 答疑机器人 |
| MCP 连接 | 接入企业业务系统 | 连接 ERP、CRM、数据库 |
2.2 Aily 的两种模式
对话模式：一问一答，适合快速查询
你: @aily 上周项目进度怎么样？
Aily: 根据项目管理系统数据，上周完成了 12 个任务，3 个延期，整体进度 78%。
延期任务：用户认证模块（预计周三完成）、支付接口（等待第三方审核）...
任务模式：规划-执行-反馈，适合复杂任务
你: @aily 帮我准备下周一的项目评审材料
Aily: 好的，我来规划一下：
1. [执行中] 收集本周各模块进度数据...
2. [待执行] 生成项目进度报告
3. [待执行] 整理风险清单
4. [待执行] 制作评审 PPT
步骤 1 完成！已收集 5 个模块的数据。
是否继续执行步骤 2？
2.3 自定义智能体：打造你的 AI 数字员工
2026 年 4 月，Aily 上线了「自定义智能体」功能，三步创建专属 AI 员工：
# Aily 智能体配置示例（概念代码）
agent_config = {
"name": "报销专员小飞",
"avatar": "finance_bot.png",
"description": "帮助员工处理报销相关问题",
# 第一步：配置人设
"persona": """你是飞书公司的报销专员小飞。
- 专业、耐心、高效
- 熟悉公司报销政策和流程
- 遇到不确定的问题，引导员工联系财务部""",
# 第二步：接入企业知识
"knowledge": {
"type": "feishu_docs",
"sources": [
"wiki/报销政策V3.2",
"wiki/差旅标准2026",
"folder/报销模板",
]
},
# 第三步：添加业务系统 MCP
"tools": [
{
"name": "query_reimbursement",
"description": "查询报销单状态",
"mcp_server": "finance-system-mcp",
"parameters": {
"ticket_id": {"type": "string", "description": "报销单号"}
}
},
{
"name": "submit_reimbursement",
"description": "提交报销申请",
"mcp_server": "finance-system-mcp",
"parameters": {
"amount": {"type": "number"},
"category": {"type": "string", "enum": ["差旅", "餐饮", "办公用品"]},
"receipts": {"type": "array", "items": {"type": "string"}}
}
}
]
}
2.4 Aily + OpenClaw：从问答到行动
2026 年 3 月，Aily 内置了 OpenClaw 插件，实现了从"问答式助手"到"行动式 Agent"的跃迁：
| 之前 | 现在 |
|---|---|
| “帮我查一下订单” → “建议您登录系统查询” | “帮我查一下订单” → 直接调用系统查询并返回结果 |
| 需要手动复制粘贴数据 | AI 直接读取和写入飞书数据 |
| 只能回答知识库中的问题 | 可以执行实际业务操作 |
三、妙搭：对话式搭建 AI 系统
3.1 妙搭是什么？
妙搭是飞书推出的 AI 低代码平台（aPaaS），核心理念是：你说需求，它帮你建系统。
3.2 妙搭的三层能力
| 层级 | 能力 | 描述 |
|---|---|---|
| AI 辅助设计 | 需求→原型 | 描述需求，AI 自动生成页面原型和数据模型 |
| AI 辅助开发 | 原型→应用 | AI 自动生成页面逻辑、数据绑定、权限配置 |
| AI 辅助运维 | 应用→运营 | AI 自动生成数据分析、异常告警、优化建议 |
3.3 实战：用妙搭搭建报销系统
你: 帮我建一个员工报销系统
妙搭: 好的！我为你规划了以下模块：
1. 报销申请表单（金额、类别、附件上传）
2. 审批流程（直属领导→财务→出纳）
3. 报销记录查询
4. 数据统计仪表盘
是否按此方案创建？
你: 审批流程加一个：超过5000元需要部门总监审批
妙搭: 已更新审批流程：
- 金额 < 5000：直属领导 → 财务 → 出纳
- 金额 >= 5000：直属领导 → 部门总监 → 财务 → 出纳
系统已创建完成！包含 4 个页面、3 个数据表、1 个审批流程。
你可以在飞书工作台中找到"员工报销系统"。
3.4 妙搭 vs 传统开发
| 维度 | 传统开发 | 妙搭 |
|---|---|---|
| 开发周期 | 2-4 周 | 1-2 天 |
| 开发人员 | 需要前端+后端+产品 | 业务人员即可 |
| 需求变更 | 改代码、重新测试 | 对话修改、即时生效 |
| 维护成本 | 持续投入 | AI 辅助运维 |
| AI 能力 | 需要额外集成 | 原生内置 |
3.5 妙搭的代码生成能力
妙搭不仅生成页面，还能生成底层逻辑：
// 妙搭自动生成的报销审批逻辑（概念示例）
export async function onReimbursementSubmit(record) {
const amount = record.fields.amount;
const category = record.fields.category;
// AI 自动生成的审批路由逻辑
if (amount >= 5000) {
await approval.startFlow('high_value_reimbursement', {
steps: [
{ role: 'direct_manager', action: 'approve' },
{ role: 'department_director', action: 'approve' },
{ role: 'finance', action: 'review' },
{ role: 'cashier', action: 'pay' }
],
record: record
});
} else {
await approval.startFlow('standard_reimbursement', {
steps: [
{ role: 'direct_manager', action: 'approve' },
{ role: 'finance', action: 'review' },
{ role: 'cashier', action: 'pay' }
],
record: record
});
}
// 自动发送通知
await feishu.sendMessage(record.fields.applicant,
`报销申请已提交，金额：${amount}元，类别：${category}`);
}
四、多维表格 Agent：数据自动化的 AI 大脑
4.1 多维表格的 AI 进化
多维表格是飞书的王牌产品，2025-2026 年完成了三轮 AI 升级：
| 版本 | 时间 | AI 能力 |
|---|---|---|
| V1 | 2025.07 | AI 字段：单条记录智能总结 |
| V2 | 2025.09 | AI Agent 节点：自动化工作流中的 AI 步骤 |
| V3 | 2026.03 | AI 数据分析：自然语言查询数据 |
4.2 AI Agent 节点：自动化的"智能步骤"
传统自动化工作流的每个节点都是"固定规则"，AI Agent 节点则是"智能判断"：
传统自动化：
新记录创建 → 发送通知 → 更新状态
（每一步都是固定逻辑）
AI Agent 节点：
新记录创建 → [AI 分析内容并分类] → 根据分类路由到不同处理流程
（AI 节点可以理解语义、做出判断）
4.3 实战：客户反馈自动处理
# 多维表格 AI Agent 节点配置示例
workflow = {
"name": "客户反馈自动处理",
"trigger": {
"type": "record_created",
"table": "客户反馈表"
},
"steps": [
{
# Step 1: AI 分析反馈内容
"type": "ai_agent",
"name": "分析反馈",
"prompt": """分析这条客户反馈：
1. 情感倾向：正面/负面/中性
2. 反馈类别：产品问题/服务投诉/功能建议/其他
3. 紧急程度：高/中/低
4. 建议处理部门：技术/客服/产品/运营
反馈内容：{record.fields.content}
""",
"output_fields": {
"sentiment": "情感倾向",
"category": "反馈类别",
"urgency": "紧急程度",
"department": "建议处理部门"
}
},
{
# Step 2: 根据紧急程度路由
"type": "condition",
"conditions": [
{
"field": "urgency",
"operator": "equals",
"value": "高",
"action": {
"type": "send_message",
"to": "department_lead",
"template": "紧急反馈需立即处理：{record.fields.content}"
}
},
{
"field": "urgency",
"operator": "equals",
"value": "低",
"action": {
"type": "update_record",
"fields": {"status": "待处理", "assigned_to": "department"}
}
}
]
},
{
# Step 3: AI 生成回复草稿
"type": "ai_agent",
"name": "生成回复",
"prompt": """为这条客户反馈生成一封回复邮件草稿。
要求：专业、有同理心、提供解决方案或时间线。
反馈内容：{record.fields.content}
分类：{steps.0.output.category}
""",
"output_fields": {
"reply_draft": "回复草稿"
}
}
]
}
4.4 AI 数据分析：自然语言查数据
2026 年 3 月上线的 AI 数据分析功能，让你用自然语言查询多维表格数据：
你: "上个月哪个产品线的销售额最高？"
AI: "上个月产品线销售额排名：
1. 企业版：¥2,340万（占比 42%）
2. 旗舰版：¥1,860万（占比 33%）
3. 基础版：¥890万（占比 16%）
4. 免费版转化：¥500万（占比 9%）"
你: "和企业版去年同期相比呢？"
AI: "企业版同比增长 23%，主要增长来自新客户签约（+35%）和续费率提升（+8%）"
五、飞书 CLI：让 AI 直接操作飞书
5.1 CLI 是什么？
飞书 CLI 是飞书官方开源的命令行工具，让 AI Agent 能够直接操作飞书——读消息、查日历、写文档、建表格、发邮件，无需复制粘贴。
5.2 安装与配置
# 一行命令安装
npm install -g @anthropic-ai/lark-cli
# 配置飞书应用凭证
lark-cli config --app-id cli_xxx --app-secret yyy
# 验证连接
lark-cli whoami
# 输出：已连接飞书应用「AI助手」，用户：张三
5.3 核心 200+ 命令
| 类别 | 命令示例 | 功能 |
|---|---|---|
| 消息 | lark message send --chat=xxx --text="hello" |
发送消息 |
| 文档 | lark doc create --title="周报" --content=xxx |
创建文档 |
| 表格 | lark bitable list --app-token=xxx |
查询多维表格 |
| 日历 | lark calendar list --start=today --days=7 |
查看日程 |
| 邮件 | lark mail send --to=xxx --subject=yyy |
发送邮件 |
| 知识库 | lark wiki search --query="报销政策" |
搜索知识库 |
| 审批 | lark approval list --status=pending |
查看待审批 |
| 云文档 | lark drive upload --file=report.pdf |
上传文件 |
5.4 CLI + Claude Code 实战
飞书 CLI 最强大的用法是配合 Claude Code 等 AI 编码工具：
# 在 Claude Code 中直接使用飞书 CLI
> 帮我查一下今天的日程安排
Claude Code 执行：
$ lark-cli calendar list --start=today --days=1
结果：
09:00-09:30 站会（3楼会议室）
10:00-11:00 产品评审（线上）
14:00-15:30 客户演示（5楼路演厅）
16:00-16:30 1:1 with 主管
> 帮我把下午的演示材料整理成文档发给张三
Claude Code 执行：
$ lark-cli doc create --title="客户演示材料" --content="..."
$ lark-cli message send --chat=张三 --text="演示材料已整理：[链接]"
5.5 CLI vs OpenClaw 插件
| 维度 | 飞书 CLI | OpenClaw 插件 |
|---|---|---|
| 运行环境 | 本地终端 | 飞书云端 |
| 适用场景 | 开发者、自动化脚本 | 全员、对话式使用 |
| 能力范围 | 200+ 命令，覆盖所有 API | 核心功能，持续扩展 |
| 自定义 | 完全可编程 | 配置式 |
| 集成方式 | Claude Code / Cursor / Trae | Aily 内置 |
5.6 CLI 高级用法：批量操作
# 批量创建周报文档
for team in "前端组" "后端组" "测试组"; do
lark-cli doc create
--title="${team}周报-$(date +%Y%m%d)"
--template="weekly_report"
done
# 批量查询多维表格数据并生成报告
lark-cli bitable query
--app-token=bascnXXX
--table="销售数据"
--filter="月份=2026-04"
--fields="产品线,销售额,同比增长"
| lark-cli doc create
--title="4月销售分析"
--format=table
六、四大利器协同：飞书 AI 全场景实战
6.1 场景一：新人入职全流程
触发：HR 在多维表格创建新员工记录
↓
[多维表格 Agent] AI 分析入职信息，生成任务清单
↓
[Aily] 自动发送欢迎消息，引导完成入职手续
↓
[妙搭] 自动创建个人工作台（含所需系统权限）
↓
[CLI] 自动配置邮箱、日历、文档权限
↓
完成：新人 30 分钟内完成所有入职手续（传统需 2-3 天）
6.2 场景二：客户投诉处理
触发：客服收到客户投诉消息
↓
[Aily] AI 分析投诉内容，判断紧急程度和类别
↓
[多维表格 Agent] 自动创建工单记录，分配处理人
↓
[Aily] AI 生成回复草稿，客服确认后发送
↓
[妙搭] 投诉数据自动汇总到管理看板
↓
完成：投诉响应时间从 4 小时缩短到 15 分钟
6.3 场景三：数据驱动决策
触发：管理者需要做业务决策
↓
[Aily] "帮我分析一下Q1各产品线的增长趋势"
↓
[多维表格 Agent] AI 查询数据，生成分析报告
↓
[妙搭] 自动生成数据看板
↓
[CLI] 将报告发送给相关团队
↓
完成：数据分析从 2 天缩短到 10 分钟
七、传统飞书 vs AI 飞书
| 维度 | 传统飞书 | AI 飞书 |
|---|---|---|
| 查数据 | 打开表格→筛选→计算 | @aily 一句话 |
| 写周报 | 手动整理→写文档→排版 | @aily 自动生成 |
| 建系统 | 提需求→排期→开发→测试 | 妙搭对话式搭建 |
| 处理反馈 | 人工分类→分配→跟进 | 多维表格 Agent 自动化 |
| 操作飞书 | 手动点击 | CLI 命令行 |
| 核心范式 | 人找信息 | 信息找人 |
| 平均提效 | – | 60x – 600x |
八、总结与展望
8.1 核心要点
| 问题 | 答案 |
|---|---|
| Aily 是什么？ | 飞书 AI 智能伙伴，对话+任务+智能体定制 |
| 妙搭是什么？ | AI 低代码平台，对话式建系统 |
| 多维表格 Agent？ | 数据自动化引擎，AI 节点+工作流 |
| 飞书 CLI？ | 200+ 命令让 AI 直接操作飞书 |
| 四者关系？ | Aily=嘴巴，妙搭=手，多维表格=大脑，CLI=神经 |
8.2 飞书 AI 的三个趋势
- 从工具到平台：飞书正在从"人用的办公工具"变成"AI 用的 Agent 平台"
- 从配置到对话：所有操作都在从"点击配置"变成"对话式交互"
- 从孤立到协同：四大 AI 产品正在深度融合，形成端到端的 AI 工作流
8.3 一句话总结
飞书正在用 AI 重新定义"办公"——不是让人更高效地操作软件，而是让 AI 替人操作软件。从 Aily 的对话入口，到妙搭的系统搭建，到多维表格的数据处理，到 CLI 的底层连接，飞书构建了一个完整的 AI Agent 生态。用 AI 的方式打开飞书，不是"用飞书+AI"，而是"AI 用飞书"。
参考资料
- 飞书 Aily 智能体定制能力升级 (2026.04)
- 一文总结飞书新品发布会：向 Agent 平台的跃迁 (2026.03)
- 飞书 CLI 安装与使用指南 (2026.03)
- 飞书多维表格 AI 功能介绍
- 飞书妙搭：AI 增强的 aPaaS
- 飞书 Aily 智能体平台
- 飞书开放平台
作者简介：小李同学_LSH，CSDN博主，专注AI前沿技术解读与开发实战，持续分享LLM应用、Agent开发、深度学习等领域的深度内容。
如果觉得有帮助，欢迎点赞、收藏、关注！你的支持是我持续创作的动力！ 🚀
© 版权声明
文章版权归作者所有，未经允许请勿转载。
