一键将任意文章结构化总结到个人飞书知识库

知识管理全流程：文章链接/对话内容/文稿 → 结构化总结 → 飞书知识库归档。触发词："整理到飞书"、"帮我处理文章"、"/feishu-knowledge-flow"。

Security Scan

技能的声明、所需组件和操作大体一致：用 Playwright 抓取文章、用 lark-cli 把结构化结果写入飞书；主要风险来自“全程自动、不询问”的行为和本地配置/令牌的存储，而非功能上的不一致性。

Purpose & Capability

名称/描述为“抓取文章→总结→归档到飞书”。代码与说明匹配：fetch-article.js 用 Playwright 抓取网页，README/SKILL.md 要求安装 lark-cli 用于飞书读写，package.json 声明 playwright 依赖——这些都是完成该目的所需且相称的组件。

Instruction Scope

SKILL.md 明确要求“全程自动，不中断不确认”，并指示直接执行多种 bash 命令（curl、lark-cli、mkdir、rm 等）、下载图片、并自动创建/更新知识库节点与索引。虽然这些操作与归档目的相关，但自动化级别高（会在不逐条确认的情况下把内容上传到用户的飞书账号），这对用户隐私/授权意外使用构成明显使用体验和安全注意事项。SKILL.md 还会读写 ${CLAUDE_SKILL_DIR}/.wiki-config 和 .wiki-tree（存放 node_token 等敏感标识），这应当被用户注意。

Install Mechanism

技能为 instruction-only（无 install spec），但包含 package.json 并在 README 指示运行 npm install（安装 playwright）。Playwright 会下载浏览器二进制，体积大并需要在本机安装依赖，属于中等风险/高成本安装，但与抓取微信公众号等页面的目的相称。lark-cli 的安装也由用户执行（通过 npm 或文档链接），未见可疑远程下载 URL 或隐匿安装。

Credentials

skill 未请求任何未关联的环境变量或外部凭据（requires.env 列表为空）。它依赖用户通过 lark-cli 完成飞书认证，随后把索引/节点 token 等写入本地 ${CLAUDE_SKILL_DIR}/.wiki-config。将 node_token 等写入本地文件是该功能的合理需要，但这意味着敏感标识会保存在技能目录，应妥善保护该目录权限。

Persistence & Privilege

flags 中 always:false（没有被强制常驻）。技能会在自身目录写入/更新配置文件（.wiki-config、.wiki-tree）、临时图片目录和临时 markdown 文件，并通过 lark-cli 以用户身份修改飞书知识库文档与索引；这些都是功能所需且仅影响该技能的文件/飞书账户，但用户应注意本地存储的索引 token/配置与自动上传行为。

Assessment

本技能在设计上与其描述一致，但使用时请注意： - 自动化与授权：技能会在不逐项询问用户的情况下抓取网页、生成总结并直接上传到你已用 lark-cli 授权的飞书账号。如果你不希望每次都自动上传，先用 --summarize-only 测试或在飞书上使用一个权限受限/测试账号。 - 本地配置与秘密：首次 setup 会在 ${CLAUDE_SKILL_DIR} 写入 .wiki-config（包含 INDEX_NODE_TOKEN 等标识）。这些文件应妥善保管，避免公开或备份到不受信任的位置。 - 安装成本：运行 npm install 会安装 playwright 并下载浏览器二进制（体积较大）。在受限制或共享环境中请注意磁盘/带宽影响。 - 推荐的验收步骤： 1) 在测试飞书账号上运行 --setup 并完成认证； 2) 用 --summarize-only 对少量非敏感文章测试生成质量； 3) 检查 .wiki-tree/.wiki-config 内容并确认权限； 4) 再以全流程模式处理真实/敏感内容前先确认行为符合预期。 总体上，本技能没有显示出与其目标不相称的权限或隐藏外部通信，但其“全自动上传”特点是你在安装前必须明确接受的行为。

知识管理工作流

输入（文章链接/对话/文稿）→ 抓取 → 总结 → 分类 → 飞书归档。

执行原则：全程自动，不中断不确认。 用户说"整理到飞书"后，从抓取到总结到分类到写入到图片上传到索引更新，一口气跑完，中间不问用户任何问题。所有 bash 命令（curl/lark-cli/mkdir/rm 等）直接执行。

---

0. 首次使用引导（--setup 或自动检测）

每次执行工作流前，先做环境检查。如果全部通过则静默继续，不打断用户；只有检查失败时才进入引导流程。

0.1 检查清单

# 1) 检查 lark-cli 是否安装
which lark-cli 2>/dev/null || echo "NOT_INSTALLED"

# 2) 检查飞书认证状态
lark-cli auth status 2>/dev/null || echo "NOT_AUTHED"

# 3) 检查本 skill 目录下是否有 .wiki-config 配置文件
cat "${CLAUDE_SKILL_DIR}/.wiki-config" 2>/dev/null || echo "NOT_CONFIGURED"

0.2 引导流程（仅在检查失败时执行）

Step 1：安装 lark-cli（若未安装）

⚠️ 未检测到 lark-cli，这是连接飞书的必备工具。

安装方式（任选一种）：
  npm install -g @anthropic/lark-cli
  # 或参考 https://github.com/nicepkg/lark-cli

安装完成后重新运行 /knowledge-workflow --setup

Step 2：飞书认证（若未认证）

⚠️ 飞书尚未登录，需要先完成认证才能归档到知识库。

请运行：
  lark-cli config init    # 首次配置飞书应用
  lark-cli auth login      # 登录认证

提示用户运行命令后，等待用户确认再继续。

Step 3：知识库配置（若无 .wiki-config）

当认证通过后，引导用户完成知识库配置：

✅ 飞书已连接！现在配置你的知识库归档位置。

请提供以下信息：
1. 知识空间 ID（在飞书知识库 URL 中可以找到）
2. 索引文档 doc_id（可选，用于记录归档索引。没有的话我帮你新建一个）

收到信息后，自动：

1. 验证知识空间可访问：lark-cli wiki spaces get --params '{"space_id":"<SPACE_ID>"}'
2. 若用户没有索引文档，自动创建一个：

   lark-cli wiki nodes create --params '{"space_id":"<SPACE_ID>"}' \
     --data '{"node_type":"origin","obj_type":"docx","title":"【总】阅读文章索引"}' --as user
   

3. 将配置写入 ${CLAUDE_SKILL_DIR}/.wiki-config：

cat > "${CLAUDE_SKILL_DIR}/.wiki-config" << 'WIKIEOF'
# 知识库配置（首次 setup 时自动生成）
WIKI_SPACE_ID=<用户提供的知识空间ID>
INDEX_DOC_ID=<索引文档的doc_id>
INDEX_NODE_TOKEN=<索引文档的node_token>
WIKIEOF

4. 初始化框架树配置 ${CLAUDE_SKILL_DIR}/.wiki-tree（空模板）：

cat > "${CLAUDE_SKILL_DIR}/.wiki-tree" << 'TREEEOF'
# 知识库框架树
# 格式：分类路径 | node_token | doc_id
# 已有 doc 的节点直接用，新建节点后必须回填到此处。
#
# 示例：
# 大模型/Claude | L1n9xxxx | YoJHxxxx
# 大模型/GPT | AZubxxxx | HoBixxxx
# AI认知/AI方法论 | Mv8jxxxx | Hqfkxxxx
TREEEOF

Step 4：确认完成

🎉 配置完成！你的知识库已就绪：
  - 知识空间：<SPACE_ID>
  - 索引文档：<INDEX_DOC_ID>

现在你可以：
  - 发送文章链接，我会自动抓取、总结、归档到飞书
  - 说"整理到飞书"归档当前对话
  - /knowledge-workflow --setup 重新配置

0.3 加载配置

每次执行时从配置文件加载：

# 加载知识库配置
source "${CLAUDE_SKILL_DIR}/.wiki-config"
# 加载框架树（解析为查找表）
WIKI_TREE="${CLAUDE_SKILL_DIR}/.wiki-tree"

---

1. 模式路由

输入	模式	流程
URL（无 flag）	全流程	抓取 → 总结 → 归档
用户粘贴的文稿/口播	全流程	跳过抓取 → 总结 → 归档
--chat [主题]	对话归档	提取对话洞察 → 归档
--summarize-only <url>	仅总结	抓取 → 总结（不归档）
--screen-only <url>	仅筛选	抓取 → 三维评分
--setup	配置	重新运行首次引导
"整理到飞书"	智能判断	根据上下文走全流程或对话归档

---

2. 内容抓取（两级回退，全自动）

依次尝试，成功即停。禁止要求用户手动粘贴，两级都失败则在最终报告中标记该条失败并跳过，不中断流程：

1. Playwright：node "${CLAUDE_SKILL_DIR}/fetch-article.js" "<url>"，返回 JSON，content > 200 字有效
2. WebFetch：prompt = "Extract full article: title, author, date, complete body text. Original language. Do not summarize."

---

3. 生成总结

格式模板

---

# {序号}. {标题}

> 🔗 [原文链接]({url})
> ✍️ {作者}　　📅 {日期}

## 速览
{2-3句核心主张，10秒判断是否深读}

## 详细解读

### {块标题}
{150-300字，按原文逻辑复述}

序号规则：同一文档内的文章按写入顺序递增编号（1、2、3...），新文章追加时查看文档已有最大序号，+1 继续。

对话归档时，元数据行改为 > 💬 对话归档　　📅 {日期}，"详细解读"改为"核心洞察"。

图片处理

抓取文章时，同时提取文章中的图片 URL（data-src 属性，域名 mmbiz.qpic.cn）。筛选有价值的图片上传飞书：

上传标准：包含信息量大的图片才上传，包括：

• 数据图表、信息图、流程图、框架图
• 关键截图（产品界面、对比图、证据截图）
• 核心论点的可视化表达

不上传：纯装饰图、头像、二维码、广告图、表情包

执行流程：

1. 抓取时用正则提取所有 data-src="https://mmbiz.qpic.cn/..." 图片 URL
2. 判断哪些图片有信息价值（根据上下文位置和图片描述）
3. 下载到 ${CLAUDE_SKILL_DIR}/_imgs/ 临时目录
4. 文字内容写入飞书后，用 +media-insert 逐张上传并添加 caption
5. 上传完成后删除临时目录

# 下载图片
mkdir -p "${CLAUDE_SKILL_DIR}/_imgs"
curl -s -o "${CLAUDE_SKILL_DIR}/_imgs/name.png" "<img_url>" -H "Referer: https://mp.weixin.qq.com/"

# 上传到飞书文档（必须 cd 到图片目录用相对路径）
cd "${CLAUDE_SKILL_DIR}/_imgs" && lark-cli docs +media-insert \
  --doc "<doc_id>" --file "./name.png" --caption "图片说明" --align center --as user

# 清理
rm -rf "${CLAUDE_SKILL_DIR}/_imgs"

原则

• 用原作者的口吻和第一人称写，不要用"作者认为"、"文章指出"等第三人称旁观视角。读起来像作者本人在讲给你听
• 忠于原文，不加外部知识
• 保留作者的语言风格、比喻、金句、口语化表达
• 作者/日期无法识别时省略该行
• 全流程模式不在对话中展示总结，直接归档

---

4. 飞书归档

4.1 加载配置

source "${CLAUDE_SKILL_DIR}/.wiki-config"
# WIKI_SPACE_ID, INDEX_DOC_ID, INDEX_NODE_TOKEN 均从配置文件读取

4.2 分类 → 查 token → 写入

第一步：判断分类

根据内容核心主张，匹配框架树（.wiki-tree）中已有的分类路径。无法匹配时新建节点。

第二步：获取 doc_id

• 框架树中已有 doc_id 的节点 → 直接用，不查 API
• 框架树中无记录的分类 → 用 lark-cli wiki nodes create 创建，创建后立即更新 .wiki-tree

# 创建一级节点
lark-cli wiki nodes create --params "{\"space_id\":\"${WIKI_SPACE_ID}\"}" \
  --data '{"node_type":"origin","obj_type":"docx","title":"<名称>"}' --as user

# 创建二级节点（需指定 parent_node_token）
lark-cli wiki nodes create --params "{\"space_id\":\"${WIKI_SPACE_ID}\"}" \
  --data '{"node_type":"origin","obj_type":"docx","title":"<名称>","parent_node_token":"<父节点>"}' --as user

第三步：写入内容

cd "${CLAUDE_SKILL_DIR}" && lark-cli docs +update \
  --doc "<doc_id>" --mode append --as user --markdown @_temp.md
rm -f "${CLAUDE_SKILL_DIR}/_temp.md"

第四步：更新索引

新日期/新文章插入到索引文档最顶部（新的在上），使用 insert_before 定位到第一个日期标题前。日期和星期必须用 date 命令动态获取，禁止写死或凭记忆：

# 生成当日日期标题（中文星期）
TODAY=$(date +"%-m月%-d日 周$(date +%u | tr '1234567' '一二三四五六日')")
echo "## $TODAY"

## {date 动态生成，如 4月23日 周四}
- [ ] [{标题}](https://www.feishu.cn/wiki/{node_token}) → {一级} / {二级}

# 插入到文档最前面（在第一个 ## 标题之前）
cd "${CLAUDE_SKILL_DIR}" && lark-cli docs +update \
  --doc "${INDEX_DOC_ID}" --mode insert_before \
  --selection-by-title "## " --as user --markdown @_index.md
rm -f "${CLAUDE_SKILL_DIR}/_index.md"

如果文档为空或找不到 ## 标题，回退用 append 模式。 同日追加文章时，用 insert_after --selection-by-title "## {当日日期}" 追加到该日期块下。

4.3 输出确认

✅ 已归档 → {一级} / {二级}
🔗 https://www.feishu.cn/wiki/{node_token}
📋 索引已更新

---

5. 对话归档（--chat 或"整理到飞书"）

触发条件

对话涉及以下话题时，可主动提示归档：

• AI 技术原理、大模型、Agent、提示工程
• 认知升级、思维框架、方法论
• 行业趋势、产品洞察、商业认知
• 社会现象、文化分析

日常闲聊、代码调试、文件操作不触发。

执行

1. 从对话中提取核心洞察，剥离噪声
2. 按第 3 节格式生成总结
3. 按第 4 节归档到飞书

---

知识库框架树

框架树存储在 ${CLAUDE_SKILL_DIR}/.wiki-tree，格式为：

# 分类路径 | node_token | doc_id
大模型/Claude | <node_token> | <doc_id>
大模型/GPT | <node_token> | <doc_id>
AI认知/AI方法论 | <node_token> | <doc_id>
商业认知/AI产业 | <node_token> | <doc_id>
社会认知/人生哲学 | <node_token> | <doc_id>

已有 doc 的节点直接用，不查 API。新建节点后必须回填到 .wiki-tree 文件。

分类速查（默认推荐分类，可自定义）

内容关键词	分类路径
Claude/GPT/Gemini/具体模型	大模型 / {模型名}
Agent/多智能体/外化架构	大模型 / Agent架构
MoE/Transformer/模型结构	大模型 / 模型架构
AI使用心得/思维框架/方法论	AI认知 / AI方法论
训练数据/算力/投融资/产业链	商业认知 / AI产业
产品/创业/商业模式	商业认知 / 产品/创业
社会现象/两性/文化心理	社会认知 / 两性与社会心理
人生哲学/认知框架/心态	社会认知 / 人生哲学
工作方法/效率/职业发展	职场效能 / {子类}
以上都不匹配	新建最合适的一级+二级

---

错误处理

• 单篇失败不阻塞，跳过继续，最后汇总
• 权限不足 → 提示 lark-cli auth login --domain all
• 超过 5 篇 → 建议分批

---

附录：三维评分（--screen-only）

维度	5分	1分
信息密度	大量一手数据/案例	几乎无实质内容
原创性	全新框架/视角	纯搬运
实操性	读完立刻可照做	纯抽象讨论

总分 ≥ 10 通过。