简介飞书多维表格 OpenClaw 技能一键安装包面向非技术背景的办公人员与团队管理者帮助用户从零搭建个性化工作流完成日常数据创建、读取、更新、删除等操作无需复杂编程即可用于项目管理、客户维护、库存跟踪、内容策划等场景。资源共13个文件压缩包仅55KB包含7份说明文档系统讲解权限指南、自动化工作流、字段类型映射、系统模式和公式参考另有2个Python脚本、1个Shell安装脚本、1个JSON配置文件分别实现模板创建、通用操作、自动安装与元信息配置。已有90人浏览学习适合希望通过现成模板快速构建业务应用的中小团队。借助一键安装机制与配套脚本用户可快速搭建应用骨架结合文档中的字段映射和自动化配置思路进行个性化调整在社区技能库基础上持续扩展从而更高效地利用飞书多维表格承载多样业务逻辑。1. 飞书多维表格 OpenClaw 技能是什么一条让 AI 替你维护表格数据的捷径团队任务表在飞书多维表格里堆了几百行每周要人手工录状态或者你在跑一个「小程序 表格」的小项目数据天天靠人工搬。飞书多维表格 OpenClaw 技能就是把 OpenClaw 这个本地优先的 AI 助手和飞书开放平台的多维表格 API 接起来的一组工具新增、查询、更新、删除记录全部走自然语言触发最后打包成一个 .zip解压后跑一条安装脚本就能用。适合两类人已经在用飞书多维表格、想少点手工操作的人已经入了 OpenClaw 的坑、想给它加一个能落地的工具技能的人。读完你会得到一套能直接复现的 CRUD 实现、字段映射方案和安装包封装流程也会知道哪些地方最容易翻车。2. 先把原理和部署前置对齐技能机制、API 选型与最小运行环境动手写代码之前有三个问题必须先对齐OpenClaw 里的「技能」到底是个什么形态飞书多维表格该走哪条接入路线以及本地至少要准备哪些环境。这三个问题不解决后面写出来的东西要么注册不上要么跑起来全是黑匣子报错。2.1 OpenClaw 技能的真实形态从自然语言到工具调用的那一层壳OpenClaw 是一个基于 Node.js 的本地优先 AI 助手运行时聊天只是它最外面的一层。真正干活的是「技能」你可以把它理解成一组暴露给大模型的函数每个技能有一个描述文件告诉模型「你什么时候该用它、参数怎么填」有一个实现文件负责真正执行动作。模型在对话里判断用户意图决定调用哪个技能把参数以 JSON 形式传进来技能执行完把结果返回给对话流。这个机制和 MCP 有点像但技能更轻它不需要单独起一个服务进程就是普通的 Node.js 模块放在技能目录里由 OpenClaw 的运行时加载。关键点在于技能描述本身就是路由依据——大模型看不到你的源码它只看到描述文本。描述写得含糊它就会在用户说「帮我加一行数据」的时候去猜猜错的概率非常高。所以搭建这个技能的本质工作只有两件把飞书多维表格的 CRUD 封装成可靠的函数把「什么时候调用哪个函数」用大白话写清楚给大模型看。别把技能想成什么高大上的插件体系它就是你的代码加一段说明书只不过说明书是写给模型读的。2.2 对接飞书多维表格为什么选开放平台 API而不是 RPA 模拟点击操作飞书多维表格有两条路一条是浏览器自动化模拟点击另一条是开放平台提供多维表格 API。我一般直接选 API原因很实际。模拟点击要依赖页面结构飞书前端一改版脚本就废而且它天然慢每条记录都要等页面渲染批量写入几百条数据时体验极其痛苦。真正的瓶颈在于权限RPA 用的是登录态的 Cookie过期、风控、换设备都会让整个流程瘫掉。开放平台的多维表格 API 是标准 REST 接口认证走tenant_access_token能覆盖新增、查询、更新、删除、批量操作这些日常需求。它在权限上更干净你只需要在飞书开放平台建一个自建应用开多维表格权限拿app_id和app_secret后面所有请求都走这个身份和个人的登录态完全隔离。对比项开放平台 API模拟点击 / RPA稳定性接口有版本管理变更可控页面改版即失效速度毫秒级响应受页面渲染拖累权限自建应用隔离凭据可单独吊销依赖登录态容易误操作批量能力有 batch 接口只能逐条模拟慢且脆维护成本代码即文档选择器常修常新唯一要接受的是初次配置成本去开放平台建应用、开权限、拿凭证这一步没法跳过。但这一步是一次性的后面所有 CRUD 都复用同一套认证逻辑。2.3 最小部署环境Node 版本、Ollama 本地模型与 Windows/WSL 检查OpenClaw 跑在 Node.js 上第一步是把 Node 装到 LTS 版本直接从 node 官网下载安装包最省事别用系统自带的旧版本。很多人卡在启动阶段不是因为代码问题而是 Node 版本太老运行时起不来。装完后在终端跑node -v确认版本号这是一个值得养成的习惯。模型接入有两种方式接云端 API或者用 Ollama 跑本地模型。有人问 OpenClaw 是不是只能用 API 方式调用算力不是Ollama 部署后 OpenClaw 可以直接连本地模型技能代码本身完全不关心模型在哪——它只负责在技能被调用时执行 HTTP 请求。本地模型的好处是数据不出内网代价是中文意图理解能力弱一些技能描述要写得更直白。Windows 上有两条路原生 Node 直接跑或者放进 WSL。我建议优先原生 NodeWSL 作为备选。如果走 WSL先做两个检查能省掉后面一大半报错# 检查 WSL 内核状态和默认发行版OpenClaw 在 WSL 里跑时先确认这步 wsl --status wsl --list --verbosewsl --status会显示内核是否就绪wsl --list --verbose看有没有可用的发行版以及它的版本号。常见的「无法安全验证」类报错多半就是 WSL 发行版没初始化或者版本过旧这个在第五章的避坑清单里细说。环境就绪的标准是Node 能跑、模型能通、OpenClaw 进程能起来然后再开始写技能。3. 从零搭建技能目录结构、三项凭证与 CRUD 四个动作的实现原理对齐之后进入搭建阶段。我会按「目录 → 凭证 → 代码 → 注册验证」的顺序走每步都给可直接抄的东西。这一章做完你的 OpenClaw 应该已经能通过自然语言读写飞书多维表格了。3.1 技能目录与 manifest一个技能最少需要哪几个文件一个最小的飞书多维表格技能四个文件足够feishu-bitable-skill/ ├── manifest.json # 技能元信息名称、描述、版本 ├── skill.md # 写给 LLM 的调用说明什么时候调、参数怎么填 ├── index.js # CRUD 实现用 fetch 直接打开放平台接口 └── config.json # app_id / app_secret / app_token / table_idmanifest.json是技能的身份证OpenClaw 加载技能目录时先读它。重点是description字段这是大模型决定是否调用技能的根据{ name: feishu-bitable, description: 操作飞书多维表格的通用 CRUD 技能新增记录、查询记录、更新记录、删除记录。当用户提到飞书多维表格、新增一行、查数据、改状态、删记录时使用。, version: 1.0.0, entry: ./index.js }description里把触发词写全模型命中率会明显提升。entry指向实现文件OpenClaw 加载时会 require 这个文件并读取它导出的函数作为可调用工具。skill.md则是更详细的说明比如「调用前先查一次字段列表确认字段名存在」这些约束写在技能描述里比写在代码里更有效因为模型真的会去读它。3.2 三项关键凭证app_token、table_id 与 tenant_access_token 怎么拿技能要跑起来需要三个东西表的位置、表的身份、调用的令牌。app_token是多维表格应用的唯一标识打开你的多维表格浏览器地址栏里base/后面的那一长串就是它。table_id是具体某张表的标识URL 上table参数对应的值形如tblxxxx。这两个可以直接写死在config.json里。tenant_access_token是动态的需要拿app_id和app_secret去换。这两个来自飞书开放平台创建一个自建应用在「权限管理」里开通多维表格的查看和编辑权限然后从「凭证与基础信息」页面复制App ID和App Secret。开通后建议先调用一次接口换 token确认权限配置真的生效别等到写代码时才发现权限没开。换 token 的命令curl -X POST https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal \ -H Content-Type: application/json \ -d {app_id:cli_xxx,app_secret:你的secret}成功会返回code: 0、tenant_access_token和expire过期秒数通常是 7200 左右。这个 token 的有效期只有两小时代码里必须做缓存和自动续期不能每次请求都重新拉也不能拉一次用到天荒地老——踩坑清单第一条就是它。3.3 CRUD 四个动作的实现用 fetch 直接打多维表格开放接口Node 18 以上自带fetch不需要引 axios 之类的依赖。实现文件核心逻辑如下// index.js —— 飞书多维表格 CRUD 技能实现 const CONFIG require(./config.json); const BASE https://open.feishu.cn/open-apis/bitable/v1; let tokenCache { value: , expireAt: 0 }; // 获取 tenant_access_token带缓存和提前过期避免 401 async function getToken() { if (tokenCache.value tokenCache.expireAt Date.now()) return tokenCache.value; const res await fetch(https://open.feishu.cn/open-apis/auth/v3/tenant_access_token/internal, { method: POST, headers: { Content-Type: application/json }, body: JSON.stringify({ app_id: CONFIG.app_id, app_secret: CONFIG.app_secret }) }); const data await res.json(); if (data.code ! 0) throw new Error(token 获取失败: JSON.stringify(data)); tokenCache { value: data.tenant_access_token, expireAt: Date.now() data.expire * 1000 - 60000 }; return tokenCache.value; } // 统一请求入口所有 CRUD 都走这一层便于加日志和错误处理 async function call(method, path, body) { const token await getToken(); const url ${BASE}/apps/${CONFIG.app_token}/tables/${CONFIG.table_id}${path}; const res await fetch(url, { method, headers: { Authorization: Bearer ${token}, Content-Type: application/json }, body: body ? JSON.stringify(body) : undefined }); const json await res.json(); if (json.code ! 0) throw new Error(请求失败(${res.status}): ${JSON.stringify(json)}); return json; } // 新增一条记录fields 的 key 必须和表格里的字段名完全一致 async function createRecord(fields) { const data await call(POST, /records, { fields }); return data.data.record; } // 查询记录pageSize 建议不超过 100翻页用 pageToken async function listRecords({ pageSize 100, pageToken , filter } {}) { const q new URLSearchParams({ page_size: pageSize }); if (filter) q.set(filter, filter); if (pageToken) q.set(page_token, pageToken); const data await call(GET, /records?${q}); return data.data; } // 更新记录用 record_id 定位行fields 只传要改的字段 async function updateRecord(recordId, fields) { const data await call(PUT, /records/${recordId}, { fields }); return data.data.record; } // 删除记录record_id 是每行的唯一标识 async function deleteRecord(recordId) { const data await call(DELETE, /records/${recordId}); return data.data; } module.exports { createRecord, listRecords, updateRecord, deleteRecord };getToken里的提前过期逻辑是关键token 实际有效期两小时我提前一分钟让它失效避免到期的瞬间请求撞上无效 token。call统一处理了鉴权、JSON 序列化和错误抛出所有网络细节都收敛在这一层。listRecords的filter参数直接透传飞书多维表格的过滤表达式比如AND(CurrentValue.[状态]未开始)不熟悉的可以先不用默认全量查询也够日常用。updateRecord只传要改的字段可以减少覆盖写错的风险。3.4 把技能注册进 OpenClaw用 node 先验证、再让 LLM 调技能目录放好后先别急着让大模型调。常见做法是把feishu-bitable-skill这个目录放进 OpenClaw 的技能目录一般在用户目录下的.openclaw/skills里重启 OpenClaw 让它加载。但加载成功不等于逻辑正确先用 Node 直接跑一遍函数把网络层和参数层的问题提前筛掉# 先在命令行里直接调用一次 createRecord确认网络和凭证没问题 node -e const skill require(./index.js); skill.createRecord({ 任务名称: 写周报, 状态: 未开始 }) .then(r console.log(created:, r.record_id)) .catch(e console.error(failed:, e.message)); 如果这条命令返回了record_id说明凭证、token、字段名全部正确。只有到这步通了才值得去 OpenClaw 里发消息测试。测试时直接说「帮我在飞书多维表格里新增一条记录任务名称是写周报状态未开始」然后看 OpenClaw 的日志里有没有出现技能调用的记录。如果模型没调技能大概率是manifest.json里的description不够具体把「新增一条记录」这种话术原样写进去命中率会好很多。如果模型调了但报错把错误信息贴给模型看它的纠错能力往往能直接定位问题。4. 日常 CRUD 的进阶姿势批量写入、上下合并与字段类型映射单个接口通了之后真正的日常使用会撞上三件事一次要写几百行数据、字段类型比想象中复杂、以及怎么让模型别把字段名猜错。这一章解决这三个进阶问题。4.1 批量写入batch_create 分片与「上下合并」的显示真相飞书多维表格有批量新增接口路径是/records/batch_createbody 里传records数组每个元素带一个fields对象。但批量接口有单次上限官方文档写得清楚以你看到的最新文档为准。代码层面要做的是分片加节流我一般每片 50 条、片间休眠 300ms既不出错也不触发限流// 批量新增自动分片 休眠避免触发接口频率限制 async function batchCreate(rows, { batchSize 50, sleepMs 300 } {}) { const results []; for (let i 0; i rows.length; i batchSize) { const chunk rows.slice(i, i batchSize); const data await call(POST, /records/batch_create, { records: chunk.map(fields ({ fields })) }); results.push(...(data.data.records || [])); if (i batchSize rows.length) { await new Promise(resolve setTimeout(resolve, sleepMs)); // 片间休眠给接口喘息时间 } } return results; }batchSize和sleepMs这两个参数值得单独拎出来调局域网内网穿透或者个人网络环境差时把batchSize降到 20、sleepMs加到 500 更稳。顺带说一下「飞书多维表格上下合并」这个和批量写入强相关的话题。上下合并是视图层的显示功能把相邻且值相同的单元格在视觉上合并起来但 API 层面没有合并这一说——你写入的时候每一行都必须有完整的字段值。所以如果你的表格开了上下合并别想着「这行不写值它就会自动合并」不会的API 写入空值和写入「无」是两个完全不同的数据。保持每行都写全值显示层自然该合并就合并。4.2 字段类型映射日期、人员、附件为什么不能当普通字符串写CRUD 写多了会发现最坑的不是接口是字段类型。飞书多维表格的字段类型远不止文本一种用错了会出现「写入成功但数据是错的」这种最隐蔽的翻车。按目前开放平台的约定常用字段类型的值格式是这样的字段类型期望的 value 格式常见翻车写法文本字符串数字直接传成字符串排序全乱数字number 类型传了带引号的字符串写入后变 0日期毫秒时间戳number传「2025-01-01」字符串显示成 1970人员open_id 数组传中文姓名人员列空白附件[{ file_token: ... }]数组传 URL 字符串附件列不识别复选框boolean传「是」「否」字符串被当成非法值日期字段是最常见的问题源。它要的是毫秒时间戳写字符串基本都会错。我在封装层做了一个转换函数把常见的日期字符串在进接口前转成时间戳// 字段值预处理把日期字符串转成多维表格需要的毫秒时间戳 function toBitableFields(input) { const fields {}; for (const [key, value] of Object.entries(input)) { if (typeof value string /^\d{4}-\d{2}-\d{2}/.test(value)) { fields[key] new Date(value).getTime(); } else { fields[key] value; } } return fields; }人员字段要open_id这个值要从飞书通讯录接口拿或者让用户先在表格里手动选一次人员然后调用listRecords查一条记录看返回的人员字段到底长什么样——这是最快的学习方式比自己翻文档快得多。附件的file_token同理可以从上传接口拿也可以先手动传一个附件再查接口看结构。原则只有一个拿不准时先查一条真实数据看结构别猜。4.3 技能描述的写法让 OpenClaw 自己决定该调哪个 CRUD 命令自然语言触发的体验好坏完全取决于你给模型喂了什么信息。模型不会主动去查表格有哪些字段它只会凭manifest.json里的描述猜。猜错字段名是 CRUD 技能翻车的头号原因。我一般给技能加一个describeTable函数调用多维表格的字段列表接口把字段信息返回给模型// 查询表格字段结构供 LLM 在操作前确认字段名和类型 async function describeTable() { const data await call(GET, /fields); return data.data.items.map(field ({ name: field.field_name, type: field.type, property: field.property ? field.property : null })); }然后在skill.md里明确写一句「用户在新增或修改记录前如果提到的字段名不确定先调用 describeTable 获取字段列表。」这样模型就养成了「先看表结构再动手」的习惯。多选框的可选项也在这个property里模型看到了可选项才不会把「进行中」写成「进行种」这种错别字。如果你在折腾 codex 接入飞书多维表格这类场景这套「先 describe 再 CRUD」的设计同样适用。任何 LLM 工具类接入最大的坑都是模型对数据结构的臆测把结构信息显式喂给它幻觉率会直线下降。5. 一键安装 .zip 的封装与避坑安装脚本 5 条血泪经验技能写好了CRUD 也测通了接下来把它封装成标题里说的「一键安装.zip」。封装本身不难难的是把别人环境里会遇到的坑提前排掉。这一章先讲 .zip 怎么打再讲五条高频踩坑记录每条都按「现象 → 原因 → 解决」的格式写。5.1 一键安装 .zip 怎么打目录内容、安装脚本与校验步骤一个合格的安装包里除了技能本身的四个文件还要有安装脚本、配置模板和使用说明。我用config.example.json而不是直接放config.json这样别人解压后不会被你的真实凭证污染feishu-bitable-skill-v1.0.0/ ├── feishu-bitable-skill/ │ ├── manifest.json │ ├── skill.md │ ├── index.js │ └── config.example.json # 带字段说明的空配置模板 ├── install.sh # 一键安装脚本 └── README.md # 凭证怎么填、怎么验证安装脚本做的事只有三件检查技能目录是否存在、把技能目录复制到 OpenClaw 的 skills 路径下、生成一份全新的config.json。脚本要写得保守已经存在的config.json绝不覆盖#!/usr/bin/env bash set -euo pipefail SKILL_SRC$(dirname $0)/feishu-bitable-skill SKILL_DEST${OPENCLAW_SKILLS_DIR:-$HOME/.openclaw/skills}/feishu-bitable # 检查源目录是否存在防止压缩包解压不全导致静默失败 if [ ! -d $SKILL_SRC ]; then echo 错误找不到技能目录 $SKILL_SRC请检查压缩包是否解压完整 exit 1 fi mkdir -p $SKILL_DEST cp -r $SKILL_SRC/. $SKILL_DEST/ # 首次安装生成空配置已存在则跳过避免覆盖使用者的真实凭证 if [ ! -f $SKILL_DEST/config.json ]; then cp $SKILL_SRC/config.example.json $SKILL_DEST/config.json echo 已生成 config.json请填写 app_id / app_secret / app_token / table_id 后重启 OpenClaw else echo config.json 已存在跳过生成 fi打包时注意目录层级压缩包最外层是一个带版本号的目录用户解压后能看到完整的包结构。Linux 下用zip -r打包Windows 下用 PowerShell 的Compress-Archive也行但编码问题见踩坑 5。「一键」的边界要跟用户讲清楚解压、跑脚本、填凭证、重启 OpenClaw这四步里唯一不能自动化的是填凭证因为app_id和app_secret属于用户自己的密钥脚本碰不到。5.2 踩坑 1token 过期导致的 401 风暴现象技能刚装好能正常读写跑了半小时到两小时后所有请求开始报 401错误信息里带access_token expired。原因tenant_access_token有效期只有两小时左右。最常见的错误是把 token 当成静态配置写死在配置文件里或者缓存后忘记刷新。另一个隐蔽场景是同时跑了多个 OpenClaw 进程每个进程各自拉 token后拉的被先拉的有效期覆盖掉导致旧 token 全部失效。解决统一走getToken()里的缓存逻辑并在过期前 60 秒就主动续期。多实例部署时要么只保留一个技能实例要么把 token 缓存到共享的本地文件里进程间复用同一份缓存。排查 401 时先看日志里 token 的获取时间再算一下离过期还有多久基本能一击定位。5.3 踩坑 2OpenClaw 在 Windows/WSL 下启动报错「无法安全验证」现象按教程在 PowerShell 里执行启动命令界面提示「无法安全验证」或者类似的校验失败让你自己运行wsl -- status检查环境装完还是起不来。原因OpenClaw 在 Windows 上常见的部署路径是 WSL而 WSL 发行版本身没初始化、内核版本过旧或者默认发行版为空都会让上层服务校验失败。另一种情况是 Node 版本太老运行时在初始化阶段就抛异常但错误信息被包装成了「无法安全验证」这种让人摸不着头脑的提示。解决先别管 OpenClaw把 WSL 本身治好。在 PowerShell 里依次跑wsl --status看内核状态、wsl --update升级、wsl --list --verbose确认默认发行版存在且版本号为 2。如果 WSL 实在修不好直接放弃这条路线用原生 Node 在 Windows 上跑反而更稳。Node 版本低于 OpenClaw 要求的最低版本时从官网下载最新的长期支持版重新装一遍很多「玄学」启动报错其实是版本太低。5.4 踩坑 3字段类型不匹配写入成功但数据是错的现象调用返回code: 0表格里也出现了新记录但日期列显示成 1970数字列是空的人员列一片空白。原因这类错误最阴因为接口没有报错数据「写入成功」了。本质是字段类型不匹配——日期传了2025-01-01字符串、数字传了带引号的字符串、人员字段传了中文名而不是open_id。飞书多维表格对部分非法值采取静默丢弃策略而不是报错拒绝。解决在写代码前先listRecords查一条已有记录把它返回的fields结构完整打印出来照着真实结构写。日期统一走toBitableFields()转时间戳人员字段先通过通讯录接口拿到open_id再写。养成一个习惯每次批量写入后随机抽查几条记录看关键字段是否正确别只看接口返回。5.5 踩坑 4大批量写入触发限流 429现象循环写入几千条数据前两三百条正常后面开始稳定报 429或者提示请求过于频繁。原因多维表格开放接口有频率限制具体上限以官方文档为准。很多人用「循环单条新增」而不是 batch 接口一条请求一个往返频率轻松打满。代码里没有任何限速逻辑等于全速撞击限额。解决改用batch_create批量接口配合batchSize 50、sleepMs 300的分片休眠策略。429 响应里通常带Retry-After头看到 429 时按这个值等待后再重试不要立刻重发。日志里出现 429 后先把sleepMs调大再把batchSize调小两组参数配合着找稳定点。5.6 踩坑 5Windows 解压 .zip 中文路径乱码现象在 Windows 上解压安装包后技能目录里的中文说明文档文件名乱码安装脚本找不到文件或者 README 打开全是一堆问号。原因打包环境和解压环境的文件名编码不一致。在 Linux 或 macOS 上用 UTF-8 打的包Windows 自带的「全部解压缩」有时按 ANSI 处理中文文件名两边对不上就乱码。脚本找不到文件其实是次要的更烦的是乱码会污染整个技能目录删都难删干净。解决打包时技能目录内全部用英文文件名中文说明统一写在 README 的正文里而不是文件名里这是最省事的做法。Windows 解压时不建议用右键自带解压改用 PowerShell 的Expand-Archive命令它对编码处理更规范。已经乱码的目录用 7-Zip 指定 UTF-8 编码重新解压一遍能抢救大部分情况。6. 验证与进阶把个人技能扩成团队能用的工具技能做好、安装包打完之后最后一步是把验证流程固定下来然后看一眼往团队方向走需要补什么。6.1 最小验证用例新增、查询、更新、删除十分钟跑通我每装一次这个技能都会按固定顺序跑一遍四个动作确认链路完好# 1) 新增一条测试记录 node -e require(./index.js).createRecord({ 任务名称: 验证用例 }).then(r console.log(r.record_id)) # 2) 查询确认它出现了 node -e require(./index.js).listRecords({ pageSize: 5 }).then(console.log) # 3) 用上一步拿到的 record_id 更新状态 node -e require(./index.js).updateRecord(recXXX, { 状态: 已完成 }).then(console.log) # 4) 删除完成闭环 node -e require(./index.js).deleteRecord(recXXX).then(() console.log(deleted))这套验证的好处是如果新增能通token 和凭证链路一定没问题如果查询能通分页参数没问题更新和删除分别验证写路径和删路径。四个动作串完技能的健康状态一目了然。6.2 把 schema 缓存喂给 LLM减少字段幻觉的简单办法describeTable()每次调用都打一次接口对话频繁时会拖慢响应。我一般把字段列表缓存到内存里五分钟过期过期后重新拉。模型在操作前只需要花极少代价就能拿到准确字段名就不会瞎编字段。这个缓存对团队场景尤其重要因为字段经常被管理员改名缓存过期时间太长反而坏事五分钟是个比较合适的折中。6.3 从个人技能到团队工具user_access_token、删除审批与日志个人用tenant_access_token够用但团队共用一台部署机器时所有操作都是应用身份没法区分是谁删的数据。要留痕就换user_access_token让每个成员用自己的飞书身份操作接口返回里能追踪到操作者。删除这类不可逆操作我会在技能描述里要求模型删除前先列出将被删除的记录内容和数量向用户二次确认后再执行相当于在 LLM 层做一道审批。我自己的习惯是技能代码里保留最近一百次操作的完整日志包括谁在什么时间调用、传了什么参数、接口返回了什么。这不是什么高级做法但在团队里有人手滑批量删数据时它就是后悔药。这个习惯帮我避开了不少半夜爬起来修数据的局面希望帮到你。本文还有配套的精品资源点击获取