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
111 lines
4.2 KiB
Markdown
111 lines
4.2 KiB
Markdown
# 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：
|
||
|
||
1. **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
|
||
2. **下载**：下载 HTML/MD/XLSX 等文件附件
|
||
3. **解析**：读取文档内容，提取关键信息
|
||
4. **结构化**：构建知识图谱（JSON）和 Obsidian 知识库
|
||
5. **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
|
||
|
||
```bash
|
||
# 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
|
||
|
||
```bash
|
||
# 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
|
||
|
||
详见 [output/reports/花园世界全量汇总.md](output/reports/花园世界全量汇总.md)
|
||
|
||
**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 |