我的飞书，正在被 AI 接管：Task 一下，文档自己长出来
最近我重读了一篇文章，题目很直接，《我的飞书被AI“接管”了》。文章里讲的事很有代表性：查资料、建多维表格、看妙记、做群聊总结、创建日程和任务，这些动作一旦被封装成命令，AI 就能直接调度。
我读完后的真正感受，是另一层判断。
飞书里最先被 AI 改写的，可能不是聊天窗口，也不是单篇文档初稿。更值得重视的，是 Task 到文档之间那段原本很碎、很脏、很耗时间的执行链路。
今天我正好做了一次很典型的实操。
我把一份脱敏后的高风险 AI 合规手册拆成了一组可执行 Task，让 AI 在飞书表格里完成结构化整理、字段补写和结果回填。做完以后，我越来越确定，飞书一旦变成可调用的命令系统，它就会从“协作软件”往“执行界面”再走一步。
CLI（Command Line Interface）：用文本命令直接调用系统能力的接口。可以把它理解成“跳过按钮，直接告诉软件做什么”。
Feishu CLI：把文档、表格、Task、妙记、日程等能力封装成命令之后，AI 就能在飞书内部跨对象执行动作。
一、我为什么开始重新看飞书 CLI
过去很多人聊 AI 办公，关注点常常停在“能不能写一段话”“能不能总结一页内容”。这当然有价值，但这还只是外围。
飞书 CLI 真正让我兴奋的地方，在于它把飞书的协作对象都变成了可编排资源。
原来需要人手点来点去的动作，现在可以被 AI 串起来：
- 先查资料
- 再建表格或文档
- 然后补字段、改结构、做汇总
- 最后把结果写回系统里
这时 AI 干的，就不再只是“生成一段文本”。它开始接住一小段工作流。
《我的飞书被AI“接管”了》那篇文章，其实已经把这个方向点出来了。里面提到的场景非常典型：
- 用命令查资料
- 让 AI 创建多维表格
- 让 AI 调取飞书妙记并整理内容
- 总结群聊里的高价值信息
- 直接创建日程和任务
- 再和其他 CLI 串联，接外部信息源
这些场景放在一起看，会得出一个很重要的结论：
飞书正在从“人点按钮的地方”，变成“AI 可以执行动作的地方”。
二、一次真实 Task，足够说明问题
我今天做的事情，经过脱敏后，可以概括成这样：
我先把一份面向高风险 AI 系统的合规手册，拆成了 16 个 Task。每个 Task 都对应一个明确问题和一个交付方向，覆盖数据质量、风险管理、透明度、人工监督、网络安全、质量管理体系等章节。
第一步，AI 先把这些 Task 整理成一张双语对照表。
表格里有 9 列，分别是：
- Task ID
- 中文标题
- 英文标题
- 中文描述
- 英文描述
- 合规手册内容中文摘录
- 合规手册内容英文摘录
- 中文分析
- 英文分析
最终形成的是一个 9 列、17 行的结构化表格，其中 16 行是真实 Task，1 行是表头。
到这里其实已经很有用了，因为原本散在文档里的问题，已经被压成了可检索、可排序、可继续加工的任务矩阵。
但我接着又加了一个要求：
再补一列 Category，把每个 Task 映射回它原来所属的合规章节。
这个要求看着小，实际上很像真实工作里的“脏活”。人做当然也能做，但很费注意力。因为它要跨几层动作：
- 先理解表格结构
- 再读取每一行 Task 标题
- 从中英文标题里抽取章节号和章节名
- 拼成统一格式
- 最后写回指定列
AI 在飞书里实际做的流程，大概是这样：
lark-cli sheets +info --spreadsheet-token <token>
lark-cli sheets +read --spreadsheet-token <token> --sheet-id <sheet_id> --range "<sheetId>!A1:T50"
先读表格元信息，再读前几十行摸清结构。
接下来，它把所有 Task 行抽出来，用 Python 解析 B 列和 C 列标题。比如某一行里，中文标题前半段是“5.7 数据质量与治理”，英文标题前半段是“Section 5.7 Data Quality & Governance”，那就把这一对映射成统一的 Category 值。
中间还出现了一个很典型的参数错误。
一开始命令参数写错了，CLI 直接报错：unknown flag: --params。
这件事反而很能说明问题。真正有价值的 AI 执行，不是永远一次成功。更关键的能力，是 遇到报错后会回头看帮助、修正参数、继续往下走。
最后，AI 把 K 列的 17 个单元格一次性写回，完成了从 K1:K17 的更新。表头是 Category，下面 16 行是对应章节映射。
这一步完成后，整张表的可读性和可管理性一下就上来了。
因为它已经从“任务清单”变成了“章节到任务的双向索引”。
图1：当 Task 被压成结构化表格以后，AI 可以开始做字段映射、章节回填和批量加工。
三、这件事真正说明了什么
我现在更愿意用一个三层框架来看飞书里的 AI 执行。
1. Task 层，负责把问题压成工作包
如果一个需求只有一句空话，AI 很容易漂。
一旦任务被写成清晰的标题、描述、约束和目标输出，AI 的稳定性会明显提升。Task 本质上是在给 AI 一个可执行边界。
2. 表格层，负责把状态和结构显性化
文档适合叙述，表格适合操作。
只要工作进入“多条任务并行、多个字段需要回填、多个章节需要映射”的状态，表格就会比纯文档更适合作为中间层。AI 在表格上的优势也更明显，因为它天然适合读行列、找模式、做批量补写。
3. 文档层，负责交付、解释和复用
表格解决的是结构化执行，文档解决的是解释、复盘和传播。
今天这次实操做完以后，我马上就想把它写成一篇文章。原因很简单：如果没有文档沉淀，这次流程下次还得重新摸一遍。只有把它写成 SOP、案例、模板，团队里别的人和未来的自己，才能继续复用。
所以这件事最打动我的，不是 AI 会填一列内容。
真正重要的，是它已经开始打通这条链：
需求进入 Task，Task 进入表格，表格再长成文档。
图2：真正有用的 AI 执行，包含报错后的回看、修正和继续执行。
四、还有哪些场景值得继续做深
如果沿着今天这次 Task 实操继续往前推，我觉得至少还有五类场景很值得做。
1. 妙记到 Task，再到跟进文档
会议结束后，先调取飞书妙记，抽出结论、待办、责任人和时间点，再自动生成 Task 列表，最后同步出一份会后纪要。
这会把“听完会以后再手工整理”的时间，压缩很多。
2. 群聊到知识卡片，再到 Wiki
群里经常有高价值链接、争论和结论。AI 完全可以先总结，再抽成 FAQ、决策记录和知识卡片，最后沉淀进飞书文档或 Wiki。
很多组织的知识损耗，就发生在这一层。
3. 合规条款到交付物矩阵，再到审计材料包
这类场景和我今天做的最接近。
把法规、标准、手册里的要求拆成 Task，再映射到模板、证据、负责人和状态，最后输出成审计材料包。这对 TIC、质量、合规、项目管理团队都很实用。
4. 日程和 Task 联动，再到周报
日程里发生了什么，Task 推进到哪里，哪些事项被延期，哪些事项已经交付，这些信息原本散在多个地方。AI 可以把它们拉平，自动生成周报、项目看板和管理摘要。
5. 飞书 CLI 和其他 CLI 串联
这一步其实最有想象力。
比如先用外部 CLI 抓行业动态、政策变化、竞品信息，再写入飞书文档、表格或任务系统。这样飞书就不只是内部协作工具，它会逐渐变成一个工作流总线。
图3：当 Task、日程、妙记、群聊和文档被同一套命令连接起来，飞书会更像一个工作流中枢。
五、别忘了边界
我对这件事是兴奋的，但我也越来越清楚边界必须先立住。
尤其在处理真实工作内容时，有四条我觉得是底线。
1. 默认脱敏
公开分享的内容里，项目名、客户名、内部判断、敏感链接、原始材料，都应该默认脱敏。今天这篇文章里，我刻意保留的是流程，压掉的是敏感上下文。
2. 写回系统前要确认
AI 可以读，可以整理，也可以给出待写入内容的预览。涉及真正回写表格、改文档、发消息、同步外部对象时，最好仍然保留人工确认。
3. 权限和日志要留痕
谁能读，谁能写，改了什么，什么时候改的，这些都要能查。AI 进入企业协作系统以后，权限边界会比生成一段文字重要得多。
4. 判断权仍然在人
AI 非常适合高频、规则较清楚、格式明确的动作。目标设定、风险承担、对外口径、最终背书，仍然要由人最终确认。
写在最后
所以我现在看飞书 CLI，已经不把它当成一个新玩具了。
我更愿意把它看成企业协作系统向 Agent 开的一扇门。
一旦文档、表格、Task、妙记、日程都可以被命令调用，真正稀缺的能力就变了。以后更值钱的，不只是“会不会写提示词”，也包括：
- 能不能把一句需求压成一组可执行 Task
- 能不能把 Task 放进正确的结构层
- 能不能让 AI 把结构层继续长成交付物
- 能不能在这个过程中守住权限、边界和判断
飞书会不会真的被 AI 接管，我现在还不想下绝对判断。
但有一件事我已经很确定。
Task 到文档之间那段流程，已经开始被接管了。
而这，恰恰是很多知识工作里最费时间、也最值得先被改写的部分。
参考素材
- 向阳乔木，《我的飞书被AI“接管”了：一行命令干完一天的活！》
- 我在飞书表格中的一次脱敏实操记录：将一组高风险 AI 合规任务整理成结构化表格，并补齐章节映射字段