【Code With SOLO】用 SOLO 从零搭建飞书群聊 AI 智能分类助手

SOLO挑战赛专区
,
1

【Code With SOLO】用 SOLO 从零搭建飞书群聊 AI 智能分类助手，自动生成每日摘要报告

一、摘要

我用 TRAE SOLO 从零搭建了一个飞书群聊消息监听系统，实现了实时消息接收、豆包大模型 AI 优先级分类（P0-P3）、FAQ 自动匹配、每日摘要报告自动生成并创建飞书云文档。整个过程无需手动写代码，全程通过自然语言与 SOLO 对话完成，从需求拆解到最终端到端验证仅用一次会话。

二、背景

我是一名开发者，日常在飞书群聊中处理大量工作消息，包括线上故障告警、客户需求、项目讨论和闲聊等。每天花大量时间筛选重要消息，容易遗漏紧急事项。我希望有一个工具能自动监听群聊消息，用 AI 进行优先级分类，并每天自动生成摘要报告，帮助我快速回顾当天重要信息。

三、实践过程

3.1 任务拆解

我并没有一次性让 SOLO 完成所有事情，而是分步骤引导：

  1. 环境准备：安装 lark-cli（飞书命令行工具）、配置火山引擎 ARK API Key

  2. 核心脚本开发：消息监听、AI 分类、FAQ 匹配、报告生成

image
image2940×1846 496 KB

  1. 配置文件设计：YAML 格式，支持 ARK/飞书内置 AI 双后端

  2. 测试验证：语法检查、单元测试、dry-run 环境检查、端到端演示

image
image2940×1846 452 KB

image
image2940×1846 445 KB

  1. 文档与发布：README 编写、GitHub 仓库发布

image
image2940×1846 450 KB

3.2 关键能力使用

  • 代码生成：SOLO 根据我的自然语言描述生成了完整的 Python 脚本（约 1000 行），包括消息解析、AI 调用、报告生成等模块

  • 多轮调试：遇到 lark-cli 命令参数错误（event subscribe → event +subscribe --as bot）、ARK API 返回格式解析等问题时，SOLO 自动定位并修复

  • API 集成：SOLO 帮我集成了火山引擎 ARK（豆包大模型）API，使用 urllib 直接调用，无需额外 SDK

  • 飞书文档创建：通过 lark-cli docs +create --markdown 自动将摘要报告创建为飞书云文档

3.3 踩过的坑

  1. lark-cli 命令参数：event subscribe 不存在，正确命令是 event +subscribe --event-types im.message.receive_v1 --as bot，SOLO 通过多次试错找到了正确用法

  2. 飞书文档创建：最初使用 --file 参数传递临时文件，发现 lark-cli 不支持，改为 --markdown 直接传递内容

  3. AI 返回解析：豆包大模型有时返回 Markdown 代码块包裹的 JSON，需要兼容纯 JSON、代码块、纯文本三种格式

  4. WebSocket 事件接收：event +subscribe 只支持 bot 身份，群聊中需要 @机器人才能触发事件，需要引导用户在飞书开放平台配置事件订阅

3.4 项目最终结构

├── listen_feishu.py    # 主程序：实时监听 + AI 分类 + 每日摘要（约1000行）
├── msg_assistant.py    # 环境检查脚本（dry-run，7项检查）
├── demo.py             # 端到端演示脚本（手动生成摘要报告）
├── config.yaml         # 配置文件（ARK/FAQ/报告/日志）
├── faq.yaml            # FAQ 知识库（5条示例）
└── README.md           # 完整使用文档

四、成果展示

4.1 AI 分类效果

实际测试中，豆包大模型对消息的分类非常准确：

消息内容 分类 类别 理由
线上订单接口返回超时，客服收到大量用户投诉 P0 紧急 线上故障 会严重影响业务正常运行
下周二一起去客户现场培训系统的操作使用 P1 重要 客户任务 与客户相关的重要任务
下周一迭代计划会议改到周二下午3点 P2 普通 日常工作 日常会议安排讨论
今天中午吃什么？食堂新出了酸菜鱼 P3 低优 闲聊 不涉及重要事项

4.2 自动生成的飞书文档

每日摘要报告会自动创建为飞书云文档，包含优先级分布统计和消息详情：

报告示例文档：https://www.feishu.cn/docx/CIHBdhn41ol9odxORCAcysyQnTc

4.3 环境自检工具

msg_assistant.py --dry-run 一键检查 7 项配置，全部通过才允许启动：

[1/7] 配置文件 ✅
[2/7] lark-cli ✅ v1.0.13
[3/7] 登录状态 ✅ 用户已登录
[4/7] ARK API ✅ doubao-1-5-pro-32k，分类测试通过
[5/7] FAQ 知识库 ⏭️ 未启用
[6/7] 群聊验证 ⚠️ 权限受限（不影响监听）
[7/7] 每日报告 ✅ 18:00 自动生成

4.4 GitHub 仓库

完整代码已开源： GitHub - peachgreenti/lark-cli-skill-viewListen-feiShu: 飞书消息监听 + AI 优先级分类 + FAQ 知识库 + 每日摘要报告 · GitHub

五、效果与总结

提效成果

  • 开发效率：从零到完整可用系统，一次 SOLO 会话完成，预计节省 2-3 天开发时间

  • 日常使用：每天自动生成摘要报告，原本需要 30 分钟手动整理群消息，现在自动完成

  • 消息筛选：AI 分类准确率高，P0 紧急消息不会被遗漏

SOLO 在流程中的角色

SOLO 在整个过程中承担了核心开发工作：

  1. 需求理解：准确理解我的自然语言描述，生成对应的代码模块

  2. 技术选型：推荐使用 urllib 调用 ARK API（无需额外依赖）、lark-cli 处理飞书交互

  3. 问题排查：遇到 lark-cli 命令错误、API 返回格式问题等，SOLO 自动调试修复

  4. 测试验证：自动编写测试用例，验证每个模块的功能正确性

  5. 文档编写：生成完整的 README 和使用文档

可复用方法

  1. 分步引导：不要一次性描述所有需求，分步骤让 SOLO 完成，每步验证后再进行下一步

  2. 善用 dry-run：先做环境检查，确保依赖和配置正确，再启动主程序

  3. 端到端验证：用模拟数据跑通全流程，再接入真实数据源

  4. 配置与代码分离：使用 YAML 配置文件，方便非技术人员调整参数

技术栈

  • Python 3.10+（纯标准库 + PyYAML，零额外依赖）

  • lark-cli（飞书命令行工具）

  • 火山引擎 ARK / 豆包大模型（AI 分类）

  • 飞书开放平台（WebSocket 事件 + 云文档 API）