实战指南｜11个经典场景教你丝滑操控飞书
TRAE 是面向开发者、职场人与学生的 AI 办公平台，有 TRAE Work 和 TRAE IDE 两款产品。
TRAE Work 侧重学习、办公与工程执行场景，无论你是开发者、职场人、学生，都可以用它写方案、做分析、处理文件、推进协作，并完成需要持续执行、检查和产出结果的自动化任务。支持 桌面端、网页版 和 移动端，多端协作，随时发起任务、查看进展、持续推进。
TRAE IDE 适合写代码、读项目、改 Bug 等开发工作，更适合期望精细控制自己的代码改动和执行过程的开发者。
作者：李世博
TRAE 开发者用户
最近飞书出了一个 CLI 版本的开源库（@larksuite/cli），相较于之前的飞书 MCP，CLI 版本强大很多，且配合 TRAE 的使用也是特别方便。
本次作者将使用全新 TRAE Work （Beta）版本实现与飞书 CLI 的连接，实现随时随地去操作飞书，且还不用去在本地安装对应的系统环境，低成本的实现 TRAE 与飞书的连接！
TRAE Work Web 端或者 Desktop 桌面端都可以，大家可以自行选择，本次使用 Web 端进行演示，推荐大家使用 Desktop 独立端。
什么是飞书 CLI
飞书 CLI 是飞书官方推出的命令行工具，专为 AI Agent 和开发者设计。它将飞书的消息、文档、日历等核心功能封装成简洁的指令，让你无需打开飞书软件，就能在 TRAE 等工具通过命令行或自然语言直接操控飞书，实现自动化办公。无论是自动发送通知、批量处理文档，还是让 AI 助手帮你查日程、整理数据，都能轻松完成！
安装飞书 CLI
打开 TRAE Work Web 端
因为飞书 CLI 需要有对应的编程环境，我们本次使用 Code 模式。（当然使用 IDE 版的飞书也可以实现）
然后我们在 TRAE Work 中输入以下提示词：
请帮我把这个库 https://github.com/larksuite/cli 中的 skill安装到这里，我要实现操作飞书的能力
部署项目
这个时候 AI 会自动开始部署项目：
配置飞书 CLI
安装完成后，让 TRAE 继续帮您完成配置：
开始配置
在输入框中输入：
好的，我看你已经安装完了，我们开始实现使用这个飞书的CLI吧
我们发现这个时候，他会给我们一个 URL 地址，我们复制这个地址，到我们的浏览器中进行查看吧（有些同学可能不是这种提问的方式，但肯定都会有 URL 链接，如果没有的话，可以跟 TRAE 说，让他强制给你这个 URL）
创建飞书应用
我们在浏览器中复制这个 URL 地址，我们访问后就会进入「飞书开放平台」：
- 首先我我们需要先登录飞书开放平台
- 设置应用的名称和头像
- 等待创建成功提示
完成配置
配置完成后，我们就在刚才的输入框选择“已完成配置”
有可能大家没有出现这个输入框，可以输入下方的提示词
好的，我在飞书开发平台中配置完成了，我需要如何体验呢（可选）授权登录
这里你可以选择授权或者不授权。
- 飞书 CLI 不授权，直接使用：AI 仍然可以执行发消息、创建文档等操作，但无法访问你的个人数据（如你的日程、私信、收件箱）。
- 授权后以你的身份操作：AI 可以访问你个人的日历、消息、文档，并以你的名义执行操作。需要完成一次用户授权——运行下方命令后，打开链接在飞书中确认即可。（如果暂时跳过，后续 AI 在需要访问你个人数据时，也会自动发起授权提示）
TRAE Work 这里会提示需要先进行登录授权：
如果这块没有显示完整的话，可以鼠标悬停在这，就可以看到网址的 URL 地址，复制即可
- 访问授权页面
- 最好勾选下方的选项栏，开启更多的权限
- 点击「开通并授权」
授权成功后会有相应提示。
确认配置完成
最后在选择
如果没有选项卡的话，就在对话框中输入：
好的，我配置完成了设置完成
我们已经完成了全部的配置，TRAE Work 会显示可用的操作列表。现在你可以通过自然语言让 TRAE Work 帮助您完成各种飞书操作：
功能模块 | 说明 |
|---|---|
飞书日历 | 创建日程、查询会议、管理日历 |
飞书文档 | 创建文档、编辑内容、搜索文档 |
飞书表格 | 创建表格、读写数据、筛选排序 |
飞书消息 | 发送消息、管理群聊、搜索聊天记录 |
通讯录 | 搜索员工、查询部门、获取用户信息 |
案例展示
场景01：分析 B 站视频评论区的评论
下面通过一个实际案例，展现出使用TRAE 新版 TRAE Work 的 Web 端，实现浏览器自动化操作的能力
需求描述
传统的评论区分析只能做到"抓取评论→统计数量"，本案例展示如何结合 AI语义理解能力 对B站视频评论区进行深度分析：自动判断每条评论的情感倾向、提取话题标签、识别高价值讨论、量化热议度评分，最终产出结构化数据表格 + 数据可视化网页 + AI洞察报告。从"搬运数据"升级为"AI理解+量化评估+产出决策建议"。
操作步骤
在对话框中输入以下提示词：
请帮我完成一个B站视频评论的AI深度分析任务，具体要求如下：
第一步：打开浏览器访问这个B站视频 https://www.bilibili.com/video/BV13qXSBdERk/ ，抓取视频评论区内容。如果需要登录，提示我登录，以便获取更多数据。
第二步：对每条抓取到的评论进行AI深度分析，分析维度包括：
- 情感倾向判断：正面/负面/中性，并给出置信度
- 关键词/话题标签提取：从评论中自动提炼2-3个核心关键词
- 内容分类：是否包含技术讨论、产品反馈、情感表达、玩梗吐槽等类型
- 互动质量评估：基于点赞数、回复数、评论长度综合判断是否为"高价值评论"
- 如果是回复类评论，判断它回复的原评论的核心观点是什么
第三步：在飞书中创建一个新的多维表格，表名"B站评论AI分析"，字段设计如下：
- 评论内容（文本）
- 作者（文本）
- 点赞数（数字）
- 回复数（数字）
- 评论长度（数字）
- 情感倾向（单选：正面/负面/中性）
- 置信度（数字，0-100）
- 关键词标签（多选，动态生成选项）
- 内容类型（单选：技术讨论/产品反馈/情感表达/玩梗吐槽/其他）
- 是否高价值（单选：是/否）
- 热议度评分（公式字段：点赞数×2 + 回复数×3 + 评论长度×0.1）
第四步：把所有分析后的评论数据写入这张多维表格
第五步：基于表格数据生成一个本地HTML的数据可视化网页，包含以下图表：
- 情感分布饼图（正/负/中占比）
- Top10热词词云图
- 内容类型分布柱状图
- 高价值评论Top10列表（按热议度排序）
- 点赞数vs评论长度散点图
第六步：在飞书创建一份文档叫"B站评论AI分析报告"，内容包括：
- 视频基本信息（标题、UP主、播放量、评论总数）
- 评论区整体氛围分析（正面占比多少、主要讨论什么方向）
- 高价值评论精选（引用原文并附AI解读）
- 最热门的话题TOP5及代表性评论
- 如果这是产品相关的视频，给出值得产品团队关注的用户反馈要点
- 分析结论与建议
1. 读取这个仓库的基本信息（stars、forks、issues数、PRs数、最近活跃度）
2. 拉取最近50个issue，用AI分析：
- issue类型分布（Bug/Feature/Question/其他）
- 哪些issue是高频重复问题（相似issue聚类）
- 平均响应时间、平均关闭时间
- 标记出超过30天未关闭的stale issue
3. 拉取最近20个PR，分析：
- PR大小分布（按文件变更行数）
- Review轮次分布
- 合并率
4. 把以上所有数据写入飞书多维表格，建多个视图：
- Issue概览视图（按类型分组统计）
- PR效率视图（按耗时排序）
- Stale问题追踪视图（标红超期未关闭的）
5. 用公式字段计算"项目健康分"（基于响应速度、关闭率、活跃度加权）
6. 生成一份飞书文档的体检报告，包括：项目整体健康状态、需要关注的风险点、改进建议