Feishu CLI je open source, proveo sam sat testirajuci 3 slucaja i zadivljen sam

Juče sam još uvek koristio novu funkciju plagina Codex-a da otpremim Markdown u Feishu cloud dokumente, a danas je stigao zvanični Feishu CLI.

Ovaj tempo je apsurdno brz.

Znači funkcija na kojoj sam juče celog dana muke nije vise potrebna, stvarno potvrđuje onu izreku: u doba AI-ja, ako ne učiš, alati sami od sebe zastarevaju.

Šta je Feishu CLI?

Jednom rečenicom: komandna alatka koja dozvoljava AI Agent-u da direktno upravlja Feishu-om. Pokriva kalendar, poruke, dokumente, tabele, zadatke, cloud disk, adresar, e-poštu, video konferencije i još 11 domena, sa 200+ komandi.

Ranije, ako ste želeli da AI pomogne u radu sa Feishu-om, morali ste da napravite aplikaciju, podesite dozvole, pišete kod, pozivate interfejse — pola dana bi prošlo. A sada? Instalirate CLI, skenirate kod i Agent može odmah da radi.

U nastavku sam prikupio kompletan proces instalacije i tri praktična primera, samo pratite uputstvo.

01. Globalna instalacija Feishu CLI-a

Prvo da razjasnimo šta tačno instaliramo.

Feishu CLI je zvanični open source komandni alat kompanije Feishu, hostovan na GitHub-u, adresa repozitorijuma je https://github.com/larksuite/cli .

Njegova najveća osobina je native podrška za AI Agent.

Šta to znači? Znači da u Agent alatima kao što su Claude Code, Qoder, Codex, bez ikakve dodatne konfiguracije, Agent može direktno da poziva CLI kako bi upravljao Feishu-om.

Postoje dva načina instalacije, preporučujem globalnu instalaciju preko npm-a.

Otvorite terminal i izvršite:

npm install -g @larksuite/cli

Instalacija je brza, završi se za nekoliko sekundi.

Nakon instalacije, izvršite sledeću komandu za proveru:

lark-cli --version

Ako se prikaže broj verzije, instalacija je uspešna.

02. Inicijalna konfiguracija

Nakon instalacije CLI-a, potrebna je inicijalna konfiguracija kako biste povezali svoj Feishu nalog sa CLI-om.

U Qoder CLI-u sam uneo:

https://github.com/larksuite/cli ovo je CLI od Feishu-a, pogledaj kako da ga instaliram i kako da ga koristim

Brzo je instaliran, zatim u konzoli izvršite:

lark-cli config init

Sistem će pitati da li želite Feishu ili Lark. Feishu je domaća verzija, Lark je međunarodna verzija, izaberite prema svojim potrebama.

Nakon izbora, terminal će prikazati QR kod.

Uzmite telefon, otvorite Feishu i skenirajte kod, potvrdite autorizaciju. Ceo proces je isti kao prijavljivanje na web verziju Feishu-a, nema nikakve težine.

Nakon skeniranja, CLI automatski dobija vaše korisničke akreditive i čuva ih u lokalnoj konfiguracionoj datoteci.

Zatim izvršite komandu za prijavu:

lark-cli auth login --recommend

Ova komanda će vam preporučiti najprikladniji opseg dozvola, štedeći vas od ručne konfiguracije.

Nakon izvršenja, možete koristiti ovu komandu da proverite trenutni status prijave:

lark-cli auth status

Ako piše da ste prijavljeni, konfiguracija je završena.

Do ovog koraka, CLI se može koristiti direktno u terminalu.

Ali njegova vrednost je u tome što ga sve Agent alatke dele. Instalirate jednom u Qoder-u, i alati kao što su Codex i Claude Code mogu da ga pozivaju bez ponovljene konfiguracije.

To je pravi adut CLI-a.

03. Čitanje podataka iz Feishu multodimenzionalnih tabela

Pređimo odmah na prvi praktični primer.

U mojoj Feishu multodimenzionalnoj tabeli sačuvano je više od 600 zapisa o biografijama. Ranije, kada sam želeo da analiziram podatke, morao sam ručno da izvezem Excel, pa da napišem skriptu u Pythonu. Svaki put mi je to bilo naporno — format izvoza mora biti tačan, skripta se mora napisati, i treba rukovati svakojakim graničnim slučajevima.

Sada sa CLI-om, prepustite to Agentu.

Nakon što Agent primi instrukciju, prvo poziva CLI da pretraži moj cloud prostor, pronalazi multodimenzionalnu tabelu vezanu za izmenu biografija, a zatim čita strukturu tabele i podatke.

Ceo proces ne zahteva da navodim token ili ID tabele, Agent sam, kroz semantičko razumevanje, pronalazi ciljni dokument. To je čarolija vođena prirodnim jezikom — ne morate zapamtiti konkretne API parametre, dovoljno je da običnim rečima opišete šta želite.

Prvi put vraćeno je 200 zapisa. Očigledno pogrešno, moja tabela ima mnogo više podataka.

Gde je problem? U ograničenju konteksta velikog modela. Jedan domaći model je prvi put povukao samo 200 zapisa i stao, bez nastavka paginacije.

Ovo je jedna od projektnih razmatranja CLI-a: sam CLI podržava paginaciju, ali da li će nastaviti da povlači više podataka zavisi od toga koliko je Agent koji ga poziva pametan.

Prijavio sam problem Agentu, on je brzo reagovao i shvatio da je potrebno paginirani upit. Ovog puta, nakon ponovnog izvršenja, dobio je kompletne podatke od 657 zapisa.

Nakon što sam dobio podatke, zamolio sam ga da napravi statistiku učestalosti reči, da vidim iz kojih škola dolaze ove biografije.

Agent je prvo izvukao polje škole, zatim izračunao broj pojavljivanja svake škole, i na kraju sortirao izlaz po učestalosti. Ceo proces je tekao glatko, bez ikakve moje intervencije.

Rezultat je spreman: Univerzitet elektronske nauke i tehnologije u Xianu, Univerzitet pošti i telekomunikacija u Pekingu, Univerzitet jugoistočne Kine su prva tri, ukupno 657 zapisa, obuhvataju 306 različitih škola.

Čini se da u ovim školama ima mojih vernih pristalica, hvala vam na podršci.

Tokom celog procesa, nisam napisao nijedan red koda, nisam otvorio Feishu web stranicu, i pustio sam Agent-a da završi kompletnu analizu podataka i statistiku.

04. Generisanje oblaka reči

Sada kada imam podatke, došao mi je na pamet jedan eksperiment: da li Agent može direktno da generiše oblak reči?

Ovaj zahtev prilično testira sposobnost učenja velikog modela, jer mora da zna kako se generiše oblak reči, koju biblioteku koristiti, kako da radi segmentaciju kineskih reči. Iskreno, u početku nisam imao previsoka očekivanja, jer ovo obuhvata dosta znanja.

Poslao sam zahtev Agentu, on je razmišljao nekoliko sekundi, a zatim počeo da radi. Ceo proces je tekao glatko, bez ikakvog zapinjanja.

Konačno generisani oblak reči, iskreno, prilično je impresivan.

Podaci dolaze iz Feishu tabele, obrada se obavlja lokalno, vizualizacija je gotova u jednom dahu. Ranije bi ovakav posao zahtevao barem pola sata muke, a sada se reši u nekoliko rečenica. Ključno je to što Agent sam zna da koristi jieba za segmentaciju kineskih reči i wordcloud za generisanje oblaka reči, čak mi je rešio i problem sa fontovima.

05. Masovno otpremanje Markdowna u Feishu cloud dokumente

Prethodna dva primera su bila čitanje podataka, hajde da u trećem uradimo nešto izazovnije — upis podataka.

Imam jednu smelu ideju: da sve članke iz serije „Mianzha Nixi“ iz mog repozitorijuma otpremim u Feishu cloud dokumente, kako bi bili dostupni čitaocima koji vole da čitaju u Feishu-u.

Mianzha Nixi je moja serija za pripremu intervjua, obuhvata Java, MySQL, Redis, Spring i druge ključne tehnologije, ukupno 18 članaka, svaki je hardcor sadržaj na nivou od desetinama hiljada reči.

Ranije sam razmišljao o korišćenju Feishu robota u kombinaciji sa plaginom, ali je konfiguracija prilično komplikovana. Potrebno je napraviti Feishu aplikaciju, podesiti dozvole robota, napisati kod plagine, obraditi konverziju iz Markdowna u Feishu dokument format — sve zajedno oduzelo bi pola dana.

Sada sa CLI-om, trebalo bi da bude mnogo jednostavnije.

Ovog puta prelazimo na Codex, jer se CLI instalira globalno samo jednom i sve Agent alatke ga mogu pozivati.

Neposredno preko docs +create kreirajte dokument i uvezite sadržaj.

Neverovatno, stvarno savršeno.

Mnogo je laganije od mog ranijeg pristupa sa kreiranjem robota i konfiguracijom plagine.

U Codex-u sam uneo:

U direktorijumu /Users/itwanger/Documents/GitHub/toBeBetterJavaer/docs/src/sidebar/sanfene imam puno markdown datoteka iz serije Mianzha Nixi, želim da ih direktno otpremim u Feishu cloud dokumente i delim sa svima za čitanje, da li je to OK?

Nakon što je Codex primio instrukciju, prvo je istražio strukturu direktorijuma i potvrdio postojanje 18 članaka. Uputstvu je pročitao početak nekoliko njih, kako bi potvrdio format i strukturu sadržaja.

Zatim je dao plan: prvo otpremiti dva članka kao probu, a nakon potvrde da je sve u redu, obraditi svih 18. Takođe je predložio kreiranje fascikle radi lakšeg naknadnog deljenja na jednom mestu.

Ovaj proces razmišljanja je vrlo pouzdan, nije krenuo naglavačke da sve odjednom otprema, već prvo proverava pa onda masovno obrađuje — tipično inženjersko razmišljanje.

To je razlika između Agent-a i obične skripte: Agent razmišlja kako da uradi stabilnije, umesto da mehanički izvršava komande.

Proces izvršenja je prilično vremenski zahtevan, jer je svaki članak veoma dugačak, potrebno je raščlaniti Markdown, konvertovati format, otpremiti slike, kreirati dokument.

Trebalo je dosta vremena.

Potrebno je malo strpljenja.

Sadržaj je potpuno ispravan.

Na kraju su sva 22 članka uspešno otpremljena. Vreme otpremanja je prilično dugo, jer težina sadržaja serije Mianzha Nixi je poznata — svaki članak je hardcor sadržaj na nivou od desetinama hiljada reči, sa mnogo slika, pa konverzija i otpremanje zahtevaju vreme.

Nakon završetka otpremanja, u mom Feishu cloud prostoru su uredno raspoređena 22 članka iz serije Mianzha Nixi, format sadržaja je potpuno ispravan, slike se normalno prikazuju. Čak su i matematičke formule i dijagrami toka u člancima pravilno renderovani, što me je veoma obradovalo.

Direktno delim fasciklu, možete je pogledati:

https://my.feishu.cn/wiki/CScqwBVyliWpRYkJEAWc9ouxnZf?from=from_copylink

Ovo je prilično prijatno, haha.

06. Prednosti CLI-a u poređenju sa rešenjem plaginom

Juče sam tek što implementirao funkciju otpremanja Markdowna u Feishu preko Codex plagine, a danas je stigao CLI.

U poređenju, prednosti CLI-a su veoma očigledne.

Rešenje sa plaginom zahteva kreiranje robota, konfiguraciju aplikacije, dodavanje dozvola, instalaciju plagine — ceo proces traje najmanje pola sata. A pri svakoj promeni Agent alata, morate sve ponovo da konfigurišete. Još gore, rešenje sa plaginom zahteva i da razumete model dozvola Feishu otvorene platforme, znate koje dozvole treba uključiti, a koje ne — greškom se lako stvaraju bezbednosni problemi.

Rešenje sa CLI-om zahteva samo jednu globalnu instalaciju, skeniranje koda za autorizaciju i sve Agent alatke mogu da ga dele. Nema potrebe za pravljenjem aplikacija, nema podešavanja dozvola, nema pisanja koda. CLI je interno već rešio zahteve za dozvolama i upravljanje akreditivima, vi samo skenirate kod da potvrdite identitet.

Ova lakoća donosi poboljšanje efikasnosti koja je kvalitativni skok.

Ritam doba AI-ja zaista je prebrz. Juče sam mislio da sam napravio vrlo kul funkciju, a danas otkrivam da je već zastarela.

Ali s druge strane, zar to nije upravo čarolija doba AI-ja? Brzina iteracije tehnologije postaje sve veća, a mi možemo da uradimo više sa manje truda.

07. Šta Feishu CLI može da radi?

Nakon što smo videli praktične primere, hajde sistematski da pređemo granice moći Feishu CLI-a.

CLI pokriva 11 glavnih domena Feishu-a i pruža 200+ komandi. Ovaj opseg u suštini pokriva sve ključne funkcije Feishu-a — sve što svakodnevno radite u Feishu-u, CLI može da uradi.

Izdvojiću nekoliko najčešće korišćenih.

Operacije nad dokumentima: kreiranje dokumenata, čitanje sadržaja, dodavanje pasusa, umetanje slika, pretraživanje cloud prostora. Možete Agentu tražiti da sastavi beleške sa sastanka, generiše nedeljni izveštaj, kreira predloške dokumenata u seriji. Na primer, tražite Agentu da sastavi tehničko rešenje koje ste ove nedelje diskutovali u Feishu grupi u jedan dokument — on automatski prikuplja istoriju razgovora, izdvaja ključne informacije i generiše formatirani dokument, bez ikakvog ručnog kopiranja.

Operacije nad tabelama: kreiranje spreadsheet-a, čitanje i upis ćelija, dodavanje redova podataka, izvoz datoteka. Analiza podataka, generisanje izveštaja — sve se može automatizovati. Analiza podataka o biografijama koju sam ranije demonstrirao tipičan je scenario; ranije sam morao da pišem Python skripte, a sada prepustim Agentu.

Operacije nad porukama: slanje poruka, pretraživanje istorije razgovora, upravljanje članovima grupe. Možete tražiti od Agent-a da šalje obaveštenja, sastavlja suštine razgovora u grupi, šalje podsetnike u određeno vreme. Na primer, tražite Agentu da svako jutro pošalje dnevni raspored u vašu Feishu grupu — on automatski pretražuje kalendar, sastavlja tekst i šalje poruku.

Operacije nad kalendarom: pregled rasporeda, kreiranje sastanaka, provera statusa zauzetosti. Agent može da vam pomogne u organizaciji sastanaka, usklađivanju vremena i podsećanju na važne događaje. Možete reći „zakazi mi sastanak za sledeću sredu popodne u sali“, i Agent će proveriti slobodne termine, kreirati sastanak i pozvati učesnike.

Operacije nad e-poštom: sastavljanje poruka, slanje e-pošte, pretraživanje poruka, upravljanje nacrtima. Možete Agentu prepustiti redovnu razmenu poruka. Na primer, tražite Agent-a da odgovori na pismo zahvalnosti — on će na osnovu sadržaja poruke generisati primeran odgovor.

Operacije nad multodimenzionalnim tabelama: ovo je prepoznatljiva funkcija Feishu-a, a CLI pruža kompletnu podršku. Kreiranje tabela, dodavanje polja, čitanje i upis zapisa, konfiguracija pogleda — sve se može obaviti preko komandne linije. Multodimenzionalne tabele se u Feishu-u koriste veoma mnogo — upravljanje projektima, upravljanje klijentima, upravljanje sadržajem, pokrivaju razne poslovne scenarije.

Operacije nad cloud diskom: otpremanje datoteka, preuzimanje datoteka, upravljanje fasciklama. Možete tražiti od Agent-a da organizuje datoteke na cloud disku i razvrsta razbacane dokumente u odgovarajuće fascikle.

Ovo je samo vrh ledenog brega. CLI takođe podržava upravljanje zadacima, pretraživanje adresara, video konferencije i druge funkcije, u suštini pokrivajući sve ključne mogućnosti Feishu-a.

Ključno je da se sve ove operacije mogu pokrenuti prirodnim jezikom. Samo recite Agentu šta želite, a ostalo prepustite CLI-u.

08. Rešavanje uobičajenih problema

Tokom upotrebe možete naići na neke probleme, evo najčešćih situacija radi samoprovere.

Problem 1: Komanda nije uspela

Mogući uzroci:

• Niste izvršili auth login prijavu
• Nedovoljan opseg dozvola
• Mrežni problem

Rešenje:

lark-cli auth status
lark-cli auth login --recommend

Problem 2: Agent ne može da pozove CLI

Mogući uzroci:

• CLI nije instaliran globalno
• Agent alat nema dozvolu za izvršavanje u terminalu

Rešenje:

Uverite se da koristite npm install -g za globalnu instalaciju, a ne lokalnu.

Problem 3: Nepotpuno čitanje podataka

Ovo je problem na koji sam naišao tokom testiranja — jedan domaći model je prvi put vratio samo 200 zapisa, bez nastavka paginacije.

Rešenje:

Eksplicitno recite Agentu da je potrebno paginirano preuzimanje, ili dozvolite Agentu sam da proceni da li treba nastaviti sa povlačenjem više podataka.

Ovo zapravo nije problem CLI-a, već problem u sposobnosti obrade konteksta velikog modela. Sa unapređenjem sposobnosti modela, ovaj problem će postepeno nestajati.

09. Kraj

Ranije, da biste AI upravljali Feishu-om, morali ste da napravite aplikaciju, podesite dozvole, napišete kod i pozivate interfejse.

Sada sa CLI-om, instalirate jednom, skenirate kod i svi Agenti mogu direktno da upravljaju Feishu-om. Ne morate razumeti API, ne morate umeti da programirate — dovoljno je da u terminalu otkucate nekoliko linija komandi.

[Kada se AI iz razgovora pretvori u akciju, naš način rada se potpuno menja.]

Ako i vi često koristite Feishu i želite da vam Agent pomogne u raznim zamornim operacijama nad dokumentima i podacima, pratite ovaj vodič i instalirajte CLI.

Mnogi čekaju — čekaju da AI sazri, čekaju da neko podučava, čekaju da kompanija organizuje obuku. Ali želim da vam kažem: napravite prvi korak, i vaše shvatanje i produktivnost doživeće dramatičnu promenu.

Kada instalirate CLI, Agent može da počne da radi za vas.

A taj korak zaista može svako.