dc-docs/skills/dingtalk-feishu-collector/SKILL.md

钉钉群聊飞书文档采集与知识整理 SOP

触发条件

当用户提到以下关键词时使用此技能：

• "收集钉钉消息"、"拉取群聊"、"采集飞书文档"
• "整理群里的链接"、"汇总飞书报告"
• "每日收集"、"定时采集"
• 涉及钉钉群聊 + 飞书文档的工作流

一句话概述

从钉钉群聊中自动采集飞书文档链接和文件附件，下载内容，生成结构化总结。

前置条件

工具	用途	获取方式
dws CLI	钉钉消息采集 + 文件下载	悟空(Wukong)自带，或从 GitHub 下载
lark-cli	飞书文档内容读取	npm install -g @larksuite/cli
Python 3.10+	数据处理	系统自带或悟空内置

认证要求：

• dws CLI：运行 dws auth status 确认已登录（钉钉扫码）
• lark-cli：运行 lark-cli auth status 确认已授权（飞书浏览器OAuth）

完整工作流（6步）

Step 1: 拉取钉钉群消息

python scripts/step1_collect_messages.py          # 全量
python scripts/step1_collect_messages.py --days 1  # 增量

输出：data/raw-messages/all_messages_combined.json

Step 2: 提取链接与附件

python scripts/step2_extract_links.py              # 全量
python scripts/step2_extract_links.py --incremental # 增量

正则提取飞书链接、文件附件、Kimi链接。

输出：data/links/all_feishu_links.json + data/links/all_file_attachments.json

Step 3: 拉取飞书文档内容

python scripts/step3_fetch_feishu_docs.py              # 全量
python scripts/step3_fetch_feishu_docs.py --incremental # 增量

wiki/docx 自动识别，Block API 解析为 Markdown。

输出：output/feishu-docs/<doc_id>.md + data/links/all_feishu_content.json

Step 4: 下载文件附件

python scripts/step4_download_files.py              # 全量
python scripts/step4_download_files.py --incremental # 增量

使用 dws drive download 下载 HTML/MD/XLSX/PPTX/PDF 等附件。

输出：output/downloaded-files/html-md/ 和 output/downloaded-files/other/

Step 5: 生成结构化总结

python scripts/step5_generate_summary.py              # 全量
python scripts/step5_generate_summary.py --since today # 今日
python scripts/step5_generate_summary.py --brief       # 简要

按群组/人物/主题聚类，生成增量报告。

输出：output/reports/latest_summary.md

Step 6: 更新知识库（可选）

python scripts/step6_update_knowledge_base.py

同步到 Obsidian 知识库 + 知识图谱。

配置文件

所有可定制项在 config.yaml：

groups:
  dc战略问题研究院: "cidoUneRB4Db8TAXaTrKxkQAw=="
  创新组: "cidMuM+itt5PeY7xNSWsv3M0g=="

collection:
  start_date: "2026-05-01 00:00:00"
  days_back: 3
  limit: 200

dws_path: auto  # auto | /path/to/dws.exe

output_dir: "./output"
data_dir: "./data"

Agent 调用约定

增量模式（日常）

python scripts/step1_collect_messages.py --days 1
python scripts/step2_extract_links.py --incremental
python scripts/step3_fetch_feishu_docs.py --incremental
python scripts/step4_download_files.py --incremental
python scripts/step5_generate_summary.py --since today

全量模式（首次/重建）

python scripts/step1_collect_messages.py --full
python scripts/step2_extract_links.py
python scripts/step3_fetch_feishu_docs.py
python scripts/step4_download_files.py
python scripts/step5_generate_summary.py --full

快速模式（只看今天）

python scripts/step1_collect_messages.py --days 1
python scripts/step2_extract_links.py --incremental
python scripts/step5_generate_summary.py --since today --brief

输出产物

目录	内容	格式
data/raw-messages/	钉钉原始消息	JSON
data/links/	链接索引	JSON
output/feishu-docs/	飞书文档	.md
output/downloaded-files/	文件附件	原始格式
output/reports/	汇总报告	.md
output/obsidian-vault/	Obsidian 知识库	.md
output/knowledge-graph/	知识图谱	JSON + HTML

常见问题

dws 未登录：dws auth login 扫码。悟空内置路径 C:\Users\<user>\.real\.bin\dws\bin\dws.exe

lark-cli 过期：lark-cli auth login --domain docs,drive,wiki --recommend

wiki 链接解析：脚本自动处理 wiki→docx 的节点ID解析

消息分页：脚本内置 openMessageId 去重 + 分段拉取

定时任务

# Windows 每天 18:00 增量采集
schtasks /create /tn "DingTalkFeishuCollector" /tr "python <project>\scripts\step1_collect_messages.py --days 1" /sc daily /st 18:00

技术栈

钉钉群聊 → dws CLI (Go) → JSON消息
                ↓
         Python 正则提取 → 链接索引
                ↓
         lark-cli (Node) → 飞书文档内容
                ↓
         Python 处理 → Markdown总结 + Obsidian库 + 知识图谱

总依赖：dws CLI (14MB) + lark-cli (npm) + Python 3.10+ + beautifulsoup4 总成本：0 元（需要飞书账号 + 钉钉群访问权限）