Claude Code+飞书CLI知识库迁移技巧！

 

每天在飞书里写文档、做协作，在 Obsidian 里沉淀笔记、构建知识图谱。两个平台之间一直隔着一道墙——现在，可以让 AI 自己把墙拆了。

一、AI 产品经理的知识焦虑

做 AI 产品经理有一个很实际的痛点：知识散落在太多地方了。

飞书是团队协作的主战场——PRD、会议纪要、竞品分析、项目文档，全在上面。但飞书的文档更像是”流水”，适合协作，不适合沉淀。你很难在飞书里回溯半年前的某个灵感，也很难把散落在不同知识库里的内容串联成知识图谱。

Obsidian 恰好相反。它是个人知识管理的利器，双向链接、标签体系、图谱视图，天然适合做深度的知识沉淀和关联。但它是本地工具，不擅长协作。

所以日常工作就变成了一个尴尬的循环：白天在飞书里产出文档 → 想要沉淀到 Obsidian → 需要手动一个个下载 → 格式还得重新整理 → 图片得单独保存 → 表格排版全乱了 → 算了，改天再说吧。

“改天再说”说了半年，知识库依然是两个互不相通的孤岛。

直到最近，我在折腾飞书 CLI 的时候，偶然发现了一条全新的路。

二、为什么飞书 CLI 是打通这一切的关键

在聊具体怎么做之前，得先说一个让我眼前一亮的东西：飞书开源的 CLI 工具。

CLI 是什么？30 秒讲清楚

你平时打开飞书 App，看到的界面——按钮、菜单、拖拽——这叫图形界面（GUI）。你得用眼睛看、用手去点，一步一步操作。

CLI 是另一种操作方式：你在一个黑色窗口里敲一行文字命令，电脑直接执行。 没有按钮，没有菜单，一行指令解决一个问题。

打个比方：GUI 像是你走到餐厅前台，看着菜单一道一道点；CLI 像是你直接给后厨发了一张纸条——”宫保鸡丁一份，少辣”——菜就做出来了。

对人类来说，GUI 显然更友好。但对 AI 来说，情况完全反过来——AI 根本不会“看”按钮和“点”菜单，它天生就是靠文字指令工作的。 CLI 就是 AI 操控软件的天然接口。

飞书 CLI 意味着什么

飞书把自己的 CLI 开源了，覆盖了日历、消息、文档、多维表格、邮件、会议等几乎所有功能，提供了 200 多个命令。

这意味着：你可以让 AI 通过终端，直接对飞书下指令——查日程、发消息、读文档、建表格，全部用文字命令完成，不需要打开飞书 App 点任何按钮。

而且飞书 CLI 专门为 AI 场景做了一层封装，提供了 19 个”AI Skills”。装上之后，你甚至不需要知道具体命令是什么。你用中文告诉 Claude”帮我看看今天有什么会”，Claude 会自动选择对应的 CLI 命令去执行。你负责说人话，AI 负责翻译成机器能懂的指令。

这件事的意义，后面会越来越清楚——正是因为有了这个 CLI，我才能让 Claude 直接把飞书知识库的文档批量爬到本地。

三、从零开始：安装配置全流程

下面是我实际走过一遍的完整安装流程，踩过的坑也一并标出来了。

环境准备

唯一的前置要求是电脑上有 Node.js。如果还没装，去Node.js官网下载LTS版本，安装过程一路默认即可。

安装三件套

打开终端（Mac 用 Terminal，Windows 用 PowerShell），依次执行三条命令：

① 安装 Claude Code，在终端输入：

npm install -g @anthropic-ai/claude-code

② 安装飞书 CLI，输入：

npm install -g @larksuite/cli

③ 安装 AI Skills（给 Claude 装上飞书“技能包”）

npx skills add larksuite/cli -y -g

第三步容易被忽略，但非常关键。没有这些 Skills，Claude 不知道飞书 CLI 有哪些命令可用，等于给了它一把钥匙但没告诉它锁在哪。

踩坑提醒：如果安装过程报网络错误，大概率是 npm 源的问题。执行 npm config set registry https://registry.npmmirror.com 切换到国内镜像后重试。

创建飞书应用

接下来需要在飞书开放平台创建一个”应用”——可以理解为给 AI 在飞书里注册了一个身份，后续所有操作都通过这个身份执行。

lark-cli config init –new

终端会弹出一个链接，打开后按提示创建应用：起个名字、选个头像、确认。创建完成后回到终端，配置会自动同步。

授权登录

lark-cli auth login –recommend

–recommend 会自动勾选常用权限，省得你逐个选。终端输出授权链接，打开后用飞书扫码完成授权。验证是否成功：

lark-cli auth status

能看到你的用户名和权限状态就说明全部就绪。

踩坑提醒：企业飞书用户可能会遇到”应用审批中”的提示，需要等管理员审批通过才能继续。个人版飞书一般没有这个问题。

最重要的一步：重启 Claude Code

安装完上面所有东西后，必须重启 Claude Code。不重启的话，Claude 感知不到新装的 Skills，你跟它说什么飞书相关的指令它都会一脸懵。

重启之后，直接用中文下达任务就可以了：

“帮我创建一下待办事项”

“给XXX发一条消息：中午吃什么”

“帮我创建一个多维表格，标题叫项目进度表”

Claude 会自动把你的自然语言翻译成飞书CLI 命令，执行前会让你确认一下——点”同意”就完事了。到这一步，飞书的”控制台”就算正式交给 AI 了。

四、进阶玩法：让 Claude 直接爬取飞书知识库

安装完成后，基本的日程查询、消息发送、文档创建都不在话下。但让我真正兴奋的，是接下来这个发现。

第一次尝试：翻车现场

我脑子里突然冒出一个想法：既然 Claude 可以通过CLI 操控飞书，那能不能直接让它把整个知识库的文档爬下来？

说干就干。我给了一个简单粗暴的指令：”帮我把飞书知识库的文档都下载下来”。

几分钟后，80 多个 .md 文件哗啦啦出现在我的本地文件夹里。

打开一看——一团乱麻。

所有文件平铺在同一个目录下，没有任何层级结构。文档里的图片全部丢失，只剩下空的引用链接。飞书里排版整齐的表格，变成了一堆无法解析的HTML标签。

踩坑复盘：三个关键问题

冷静下来分析，我意识到三个问题：

问题一：结构丢失。 飞书知识库是有层级的——知识库 → 父文档 → 子文档，但直接爬取会把所有文件拍平，丢失目录关系。而且 CLI 只能识别直属的知识库 ID，不会自动递归子文档。

问题二：图片不下载。 飞书文档里的图片是云端链接，导出 Markdown 时只保留了 URL 引用，不会自动下载图片到本地。一旦离开飞书环境，图片全部失效。

问题三：表格格式损坏。 飞书的表格导出后是 <lark-table> 自定义标签，不是标准的 Markdown 表格语法，需要额外转换。

解决方案：一个结构化的 Prompt

经过反复测试，我终于摸索出了一套完整的结构化 Prompt，能够一次性解决上面所有问题。这个 Prompt 你可以直接复制使用：

我想把飞书云文档按知识库分类批量下载到本地，要求如下：

1. 分类结构：按飞书知识库的层级结构（知识库→父文档→子文档）创建对应的文件夹，不要把所有文件平铺在一起

2. 表格处理：飞书导出的 <lark-table> 标签需转换为标准 Markdown 表格格式（| col | col |）

3. 图片处理：

– 有图片的文档，建一个以文档名命名的子文件夹，结构为 文档名/index.md + 文档名/images/

– 无图片的文档直接输出为 文档名.md

– 图片下载后替换 MD 中的引用为本地相对路径

4. 跳过规则：BITABLE（多维表格）和 SHEET（电子表格）类型跳过，只下载 DOCX/DOC 文档

5. 工具：使用 lark-cli，已安装并完成授权

6. 知识库范围：只下载以下知识库——[替换成你的知识库名称]

请先写脚本，支持 –space 参数指定单个知识库测试，确认效果后再全量下载。

效果：98 个文档，271 张图片，一键搞定

Claude 拿到这个 Prompt 后，先写了一个 feishu-download.py 脚本，支持 –space 参数指定单个知识库测试。我先拿”AI 健身教练-卡卡”这个知识库试水，确认效果没问题后，再全量下载。

最终结果：

• 成功下载 98 个文档
• 跳过 12 个（BITABLE/SHEET 类型）
• 下载图片 271 张
• 全部按知识库 + 层级归类，图片在各自文档文件夹内

整个过程大约 5 分钟，完全自动化，零手动操作。

这个过程中 Claude 的工作链路是这样的：首先通过飞书 API 批量获取所有文档的节点信息，然后用这些信息重建完整的目录树（208 个文档），接着按照目录结构创建文件夹、下载文档内容、转换表格格式、下载并替换图片引用。

五、更大的图景：飞书 × Obsidian 双向赋能

下载到本地只是第一步。真正让我觉得”这条路走对了”的，是想清楚了两个平台各自该放什么、怎么联动、以及如何避免内容重复。

首先要解决的问题：不是搬运，是”翻译”

很多人第一反应是”把飞书文档全部同步到 Obsidian”，但这样做只会制造两份一模一样的内容，维护成本翻倍，还不如不同步。

正确的思路是：飞书的内容到了 Obsidian，要经过一次“翻译”——从协作态转化为知识态。

什么意思？举个例子。一篇飞书上的”Q2 竞品分析报告”，里面有大量协作过程中的讨论痕迹、待办事项、@某某同事的备注。这些在飞书里是有用的上下文，但搬到 Obsidian 就变成了噪音。

Claude 可以帮你做这个翻译：提取核心结论和洞察，去掉协作噪音，重新组织成适合个人知识体系的结构，再补上 Obsidian 的 frontmatter 元数据（tags、category、related），让它能和你已有的知识网络产生链接。

两个平台的边界：什么该放哪里

经过实践，我摸索出了一个清晰的分工原则——飞书放“过程”，Obsidian 放“结果”。

只留在飞书的内容：

• 日常会议纪要（协作上下文强，离开团队就失去意义）
• 进行中的项目文档（需要多人实时编辑）
• 即时沟通和审批流（天然属于飞书的领地）
• 多维表格和数据看板（飞书的强项，Obsidian 做不了）

只留在 Obsidian 的内容：

• 个人方法论和思维框架（比如你对 AI Agent 架构的理解）
• 读书笔记、学习记录、灵感捕捉
• 长期积累的知识卡片（概念定义、原理解析）
• 每日日记和复盘

需要“翻译”后从飞书迁移到 Obsidian 的内容：

• 已结项的 PRD → 提炼成产品方法论笔记
• 竞品分析报告 → 提炼成行业洞察卡片
• 技术方案文档 → 提炼成架构知识笔记
• 复盘文档 → 提炼成经验教训清单

关键词是”提炼”而不是”复制”。Claude 帮你做的不是 Ctrl+C / Ctrl+V，而是把一篇 3000 字的项目文档浓缩成一张 500 字的知识卡片，同时自动关联到 Obsidian 里已有的相关笔记。

Claude 在中间做的三件事

第一件：入库时做清洗和提炼。 飞书文档批量下载后，让 Claude 逐篇阅读，去掉协作噪音，提取核心内容，补上 Obsidian 的 frontmatter（tags、category、related、status），统一格式。这一步把”飞书文档”转化成了”Obsidian 笔记”。

第二件：建立知识图谱关联。 Claude 可以通读你整个 vault，识别笔记之间的语义关联，自动添加双向链接。比如它发现”AI 健身教练 PRD”里提到了”用户留存策略”，而你的 vault 里恰好有一篇”留存指标体系”的笔记，它就会在两篇之间建立 [[]] 链接。时间一长，你的知识图谱会从散点变成网络。

第三件：反哺工作产出。 这是最容易被忽略的一步，也是真正的”双向赋能”。当你在 Obsidian 里积累了足够多的知识笔记后，下次用 Claude Code 写飞书文档时，可以让它先读取 Obsidian 的知识库。比如你要写一份新的 PRD，Claude 可以调取你之前沉淀的竞品洞察、用户画像方法论、技术架构笔记，产出的内容会比从零开始写专业得多。

这就形成了一个正循环：飞书产出 → Claude 提炼入 Obsidian → 知识积累 → Claude 调取写飞书 → 更高质量的产出 → 继续提炼……

避免重复的增量同步策略

日常使用中，不需要每次都全量下载。我建议的节奏是：

• 周频同步： 每周花 5 分钟，让 Claude 增量下载本周飞书新增或修改的文档。它会自动识别哪些是新内容，只处理增量部分。
• 同步后立即分流： 下载完不要直接扔进 Obsidian 的正式目录。先放到一个”收件箱”文件夹（，让 Claude 做一轮筛选——哪些值得提炼入库，哪些只是过程性文档不需要保留。
• 保留溯源链接： 每篇从飞书迁移过来的 Obsidian 笔记，在 frontmatter 里加一个 source 字段，记录原始飞书文档的链接。这样你既不需要在两边保留完整内容，又能随时溯源到飞书原文查看完整的协作上下文。
• 定期清理： 每月让 Claude 扫一遍 Obsidian vault，识别内容高度重复的笔记（比如同一份 PRD 被导入了两次），合并或删除冗余。

六、写在最后：AI 产品经理的工具观

这次折腾给我最大的启发不是某个具体的技术方案，而是一个思维方式的转变：

不是工具多就好，而是工具之间能不能用 AI 串起来。

过去我们评价一个工具好不好用，看的是它自身的功能有多强。但在 AI Agent 的时代，评价标准变了——一个工具好不好用，取决于它有没有给 AI 留接口。

飞书做对了一件事：它把 CLI 开源了，给 AI 留了一个”控制台”。这意味着飞书不再只是一个人类用的协作工具，它同时也是一个 AI 可以操控的基础设施。

这个趋势会越来越明显。未来的 SaaS 工具竞争，不只是比谁的 GUI 好看、功能多，更是比谁的 API 和 CLI 对 AI 更友好。因为在 AI Agent 的世界里，能被 AI 调用的工具，才是有生命力的工具。

对于 AI 产品经理来说，现在是一个非常好的时间点去建立自己的”AI + 工具链”工作流。不需要会写代码，你只需要学会和 AI 对话，告诉它你想要什么，剩下的交给它。

操作不懂的可以评论区提问～