Evilom
fe5505343e
- 通过悟空(dws CLI)拉取dc战略问题研究院+创新组两个群的消息(377条) - 提取190个飞书链接、18个文件附件 - 下载HTML/MD/XLSX等报告文件到output/downloaded-files/ - 构建知识图谱(JSON+HTML可视化) - 生成Obsidian知识库(28个页面,7大主题) - 生成花园世界全量汇总报告 - 所有脚本路径改为相对路径,便于迁移
4.2 KiB
4.2 KiB
钉钉群聊飞书文档收集与知识图谱系统
从钉钉群聊「dc战略问题研究院」和「创新组」中自动收集飞书链接、文件附件，读取内容并整理为结构化知识图谱和 Obsidian 知识库。
项目背景
公司战略研究团队每天在钉钉群中分享飞书文档（研究报告、竞品分析、日报等），本项目自动化完成：
- 采集：通过悟空（dws CLI）拉取群聊消息，提取飞书链接和文件附件
- 下载：下载 HTML/MD/XLSX 等文件附件
- 解析：读取文档内容，提取关键信息
- 结构化：构建知识图谱（JSON）和 Obsidian 知识库
- 汇总：生成主题汇总报告
目录结构
├── output/ ← 核心产出
│ ├── reports/ ← 汇总报告
│ │ ├── 花园世界全量汇总.md ← 《我的花园世界》全量研究汇总
│ │ └── ...
│ ├── knowledge-graph/ ← 知识图谱
│ │ ├── knowledge_graph.json ← 结构化数据（28人/190文档/7主题）
│ │ ├── knowledge_graph.html ← 可视化网页
│ │ └── knowledge_graph_mermaid.md
│ ├── obsidian-vault/ ← Obsidian 知识库（可直接打开）
│ │ ├── 00-MOC/ ← 主索引入口
│ │ ├── 01-产品研究/ ← 10个产品分析页面
│ │ ├── 02-方法论/ ← 5个方法论页面
│ │ ├── 03-项目落地/ ← 3个落地方案
│ │ ├── 04-人物/ ← 3个人物页面
│ │ ├── 05-行业趋势/ ← 2个趋势页面
│ │ └── 06-数据与索引/ ← 3个数据页面
│ └── downloaded-files/ ← 从钉盘下载的原始文件
│ ├── html-md/ ← HTML/MD/XLSX 报告
│ └── other/ ← ZIP 等其他文件
├── scripts/ ← 采集和处理脚本
│ ├── fetch_all.py ← 全量消息拉取
│ ├── extract_links.py ← 链接提取
│ ├── build_graph.py ← 知识图谱构建
│ ├── write_obsidian.py ← Obsidian 库生成
│ └── daily_feishu_collector.py ← 每日定时采集脚本
├── data/ ← 中间数据
│ └── links/ ← 提取的链接列表
└── docs/ ← 历史文档
快速开始
环境要求
- Python 3.10+
- 悟空 CLI（dws）已认证登录
- Node.js（可选，用于 Playwright 浏览器模式）
使用方式
# 1. 全量拉取两个群的消息
python scripts/fetch_all.py
# 2. 提取所有链接和文件
python scripts/extract_links.py
# 3. 构建知识图谱
python scripts/build_graph.py
# 4. 生成 Obsidian 知识库
python scripts/write_obsidian.py
# 5. 查看结果
# 知识图谱：output/knowledge-graph/knowledge_graph.html
# Obsidian：用 Obsidian 打开 output/obsidian-vault/ 目录
每日定时采集
# 注册 Windows 定时任务（每天18:00执行）
python scripts/daily_feishu_collector.py
核心发现
《我的花园世界》研究
一句话结论：不要学"种花题材"，要学"已验证底座 + 放大能力"的立项路径。
知识图谱概览
- 28位活跃人员：跨两个群
- 190个飞书文档链接：4个飞书空间
- 18个文件附件：HTML/MD/XLSX/PPT/PDF/ZIP
- 7大核心主题：花园世界研究、云湖项目、Agent工具、战略思维、AI落地、创新组研发、战略组日报
- 300+条关系
数据来源
| 群组 | 消息数 | 时间范围 | 飞书链接 |
|---|---|---|---|
| dc战略问题研究院 | 291条 | 2026-05-08 ~ 06-02 | 96个 |
| 创新组 | 86条 | 2026-05-01 ~ 06-02 | 94个 |
技术栈
- 悟空 CLI（dws）：钉钉消息拉取、文件下载
- Python：数据处理、知识图谱构建
- BeautifulSoup：HTML 解析
- Obsidian：知识库管理