1. 为什么我要在国庆七天折腾这套自动化工作流

国庆七天假,说长不长说短不短。出门堵在高速上看车尾灯,不如在家把一直想搭但没时间搭的自动化工作流给落地了。我平时的工作状态是这样的:飞书里堆着各种需求文档和表格,企微里是团队沟通和审批流,两边来回切换,手动搬运数据搬到手软。尤其是每周的周报汇总、任务分发、进度同步这几件事,纯手工操作至少吃掉我每天一个半小时。

这次我用的核心工具是 WorkBuddy,配合飞书开放平台和企微的机器人能力,把"数据采集→处理→分发→通知"这条链路整个串起来。整套方案不需要你有多深的编程功底,零基础也能跟着走,因为大部分逻辑都是靠配置和少量脚本完成的。我踩过的坑、试错的路径、最终跑通的方案,全部在这篇里摊开讲。

你可能会问,为什么是 WorkBuddy 而不是别的?原因很直接:它对飞书和企微的接口适配做得比较完整,支持多维表格读写、机器人消息推送、待办创建这些高频操作,而且它的 skill 机制让你可以把常用操作封装成可复用的模块。说白了,你不需要从零写一个中间层,它已经帮你把大部分脏活干完了。

这篇文章适合三类人看:一是每天在飞书和企微之间反复横跳的运营和项目经理;二是想入门 AI 自动化但不知道从哪下手的技术小白;三是已经在用 WorkBuddy 但只停留在单点操作、没串成完整工作流的人。我会从环境搭建讲到完整链路跑通,每一步都给出为什么这么做的理由,以及我实际踩过的坑。

2. 动手之前先把这三样东西的关系理清楚

2.1 WorkBuddy 在链路里到底扮演什么角色

很多人第一次接触 WorkBuddy 会把它当成一个"AI 聊天工具",这个理解偏了。它更像是一个 自动化调度中枢 ,核心能力是接收指令、调用接口、处理数据、触发动作。你可以把它想象成一个坐在你工位旁边的助理,你告诉它"把飞书表格里今天新增的任务同步到企微群里,并且给每个负责人发一条待办提醒",它就按这个逻辑去执行。

它的 skill 机制是关键。一个 skill 本质上是一组预定义的操作逻辑,比如"读取飞书多维表格指定视图的数据"是一个 skill,"向企微机器人 webhook 发送 markdown 消息"也是一个 skill。你把多个 skill 串联起来,就形成了一条完整的工作流。这种设计的好处是你不需要每次从头写代码,常用的操作直接调用现成的 skill 就行。

我在实际使用中发现,WorkBuddy 对飞书多维表格的支持尤其成熟。多维表格本身就是飞书里最适合做数据管理的组件,支持多种字段类型、视图过滤、自动化触发。WorkBuddy 能直接读取指定视图的数据,也能写入新记录,这就打通了"数据源"这一环。

2.2 飞书开放平台:你的数据仓库和触发源

飞书在这套方案里承担两个角色: 数据存储 和 事件触发 。数据存储靠的是多维表格,你把需要流转的数据放在表格里,比如任务清单、客户名单、进度跟踪表。事件触发靠的是飞书开放平台的事件订阅机制,当表格数据发生变化时,可以触发一个回调,通知 WorkBuddy 去处理。

这里有个细节值得展开说。飞书多维表格的 API 分为两类:一类是读取类接口,用来拉取表格数据;另一类是写入类接口,用来新增或更新记录。读取类接口需要你提供 app_token 和 table_id,这两个参数分别对应多维表格的唯一标识和数据表的唯一标识。获取方式是在多维表格的 URL 里找,具体位置我后面会详细讲。

飞书开放平台还有一个很实用的能力是 机器人 。你可以在飞书群里添加一个自定义机器人,通过 webhook 地址向群里推送消息。这个能力在"通知"环节特别好用,比如任务状态变更时自动在群里发一条提醒。

2.3 企微机器人:消息触达的最后一公里

企微的机器人能力和飞书类似,也是通过 webhook 地址向群聊推送消息。但企微的机器人对消息格式的支持和飞书略有不同,它支持文本、markdown、图片、图文等多种类型。我在实际使用中主要用 markdown 类型,因为可以带格式,看起来清晰。

企微机器人有一个限制需要注意: 每个机器人每分钟最多发送 20 条消息 。这个限制在低频场景下无所谓,但如果你要做批量任务分发,比如一次性给 50 个人发待办提醒,就得做限流处理。我的做法是在 WorkBuddy 的工作流里加一个简单的延时逻辑,每发 5 条暂停 3 秒,实测下来很稳。

还有一个容易忽略的点:企微机器人的 webhook 地址里包含一个 key 参数,这个 key 是机器人的唯一标识,泄露了别人就能往你的群里发消息。所以这个地址不要硬编码在公开的代码仓库里,建议放在环境变量或者配置文件里。

3. 环境搭建:从零到能跑通第一条消息

3.1 WorkBuddy 的安装与初始化配置

WorkBuddy 的安装方式取决于你用的平台。Windows 用户直接下载安装包,双击运行就行。安装完成后第一次启动会让你选择工作目录,这个目录用来存放你的 skill 配置、日志文件和临时数据。我建议单独建一个目录,比如 D:\workbuddy-workspace ,不要放在系统盘的用户目录下,因为日志文件会越积越多。

安装完成后需要做几项初始化配置。第一项是 模型配置 ,WorkBuddy 需要连接一个大语言模型来理解你的指令。你可以选择接入云端模型或者本地模型,云端模型响应快但需要网络,本地模型隐私好但对硬件有要求。我用的云端方案,配置好 API 地址和密钥就行。

第二项是 skill 目录配置 。WorkBuddy 的 skill 文件通常放在工作目录下的 skills 文件夹里,每个 skill 是一个独立的配置文件。你可以在设置里指定 skill 目录的路径,确保它指向正确的位置。

第三项是 日志级别 。调试阶段建议把日志级别设为 debug,这样能看到每一步的详细输出,方便排查问题。等流程跑稳了再调回 info 级别,减少日志量。

注意:WorkBuddy 的配置文件里可能包含 API 密钥和 webhook 地址,这些敏感信息不要截图发到公开渠道,也不要用在线工具做格式转换。

3.2 飞书多维表格的创建与 API 凭证获取

飞书多维表格的创建很简单,在飞书里新建一个多维表格,按你的业务需求设计字段。我以"任务管理"为例,建了这么几个字段:任务名称(文本)、负责人(人员)、截止日期(日期)、状态(单选:待处理/进行中/已完成)、优先级(单选:高/中/低)。

字段建好之后,需要获取 API 调用凭证。具体路径是:打开多维表格,点击右上角的"..."菜单,选择"更多",然后找到"开发者"选项。在这里你能看到 app_token 和 table_id。app_token 是整个多维表格的唯一标识,table_id 是具体某个数据表的标识。把这两个值记下来,后面配置 WorkBuddy 的 skill 时要用。

飞书开放平台还需要你创建一个应用,获取 app_id 和 app_secret。路径是登录飞书开放平台,进入开发者后台,创建企业自建应用。创建完成后在"凭证与基础信息"页面能看到这两个值。然后需要在"权限管理"里开通多维表格相关的权限,具体包括 bitable:app (读写多维表格)和 im:message (发送消息)。权限开通后需要发布版本才能生效,这一步很多人会忘。

3.3 企微机器人的创建与 webhook 获取

企微机器人的创建路径是:进入企微群聊,点击右上角的"...",选择"群机器人",然后"添加机器人"。创建完成后会得到一个 webhook 地址,格式是 https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=xxxxx 。这个地址就是你的消息推送入口。

企微机器人支持的消息类型里,我推荐用 markdown 类型。它的语法和标准 markdown 略有差异,比如标题用 # 号,加粗用 ** ,但表格支持有限。如果你需要发结构化数据,建议用文本类型配合换行符来排版,或者用图文消息类型。

测试机器人是否可用很简单,用 curl 发一条消息就行:

curl -X POST "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=你的key" \
  -H "Content-Type: application/json" \
  -d '{"msgtype":"text","text":{"content":"测试消息"}}'

如果群里能看到这条消息,说明机器人配置正确。如果报错,常见原因是 key 不对或者机器人被移出了群聊。

4. 核心工作流拆解:从数据采集到消息分发

4.1 第一步:用 WorkBuddy 读取飞书多维表格数据

读取飞书多维表格的数据,核心是调用飞书的 API。WorkBuddy 的 skill 机制让你不需要手写 HTTP 请求,只需要在 skill 配置文件里声明你要调用的接口和参数。我写了一个名为 read_bitable_records 的 skill,配置大概长这样:

name: read_bitable_records
description: 读取飞书多维表格指定视图的记录
params:
  app_token: "你的app_token"
  table_id: "你的table_id"
  view_id: "你的view_id"
action:
  type: http
  method: GET
  url: "https://open.feishu.cn/open-apis/bitable/v1/apps/{{app_token}}/tables/{{table_id}}/records"
  headers:
    Authorization: "Bearer {{access_token}}"
  query:
    view_id: "{{view_id}}"
    page_size: 100

这里有几个关键点。第一, access_token 需要先通过 app_id 和 app_secret 换取,飞书的 token 有效期是 2 小时,过期需要重新获取。WorkBuddy 支持在 skill 里配置 token 自动刷新逻辑,你只需要在全局配置里填好 app_id 和 app_secret 就行。

第二, view_id 是可选的。如果你不指定视图,它会返回表格里所有记录。但实际使用中我强烈建议指定视图,因为你可以通过视图过滤掉不需要的数据,减少后续处理的数据量。比如我建了一个"待处理任务"视图,只显示状态为"待处理"的记录,这样 WorkBuddy 拉到的数据就是干净的。

第三, page_size 最大是 100,如果数据超过 100 条需要做分页处理。WorkBuddy 的 skill 支持循环调用,你可以在配置里加一个 pagination 字段,它会自动处理分页逻辑。

4.2 第二步:数据清洗与格式转换

从飞书拉到的原始数据是 JSON 格式,字段值可能是嵌套结构。比如"负责人"字段返回的是一个数组,里面包含用户的 open_id 和姓名。你需要把它转换成企微机器人能识别的格式。

我写了一个简单的转换逻辑,用 WorkBuddy 的脚本 skill 来实现。核心思路是遍历每条记录,提取需要的字段,拼装成 markdown 格式的文本。比如:

def format_task_message(record):
    fields = record.get("fields", {})
    task_name = fields.get("任务名称", "未命名任务")
    owner = fields.get("负责人", [{}])[0].get("name", "未分配")
    deadline = fields.get("截止日期", "无截止日期")
    priority = fields.get("优先级", "中")
    
    message = f"**任务:{task_name}**\n"
    message += f"负责人:{owner}\n"
    message += f"截止日期:{deadline}\n"
    message += f"优先级:{priority}\n"
    return message

这段代码的逻辑很直白,但有一个坑要注意:飞书返回的日期字段是时间戳格式(毫秒级),你需要转换成可读的日期字符串。转换方法是用 Python 的 datetime 模块:

from datetime import datetime
timestamp = fields.get("截止日期", 0)
if timestamp:
    deadline = datetime.fromtimestamp(timestamp / 1000).strftime("%Y-%m-%d")
else:
    deadline = "无截止日期"

还有一个坑是"负责人"字段。如果任务没有分配负责人,这个字段可能返回空数组或者 None,直接取 [0] 会报错。所以要做空值判断,我上面的代码里用了 [{}] 作为默认值来避免这个问题。

4.3 第三步:通过企微机器人推送消息

消息推送这一步相对简单,就是把上一步生成的 markdown 文本通过 webhook 发出去。WorkBuddy 里我配置了一个 send_wecom_message 的 skill:

name: send_wecom_message
description: 向企微群机器人发送 markdown 消息
params:
  webhook_key: "你的机器人key"
  content: "{{message_content}}"
action:
  type: http
  method: POST
  url: "https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key={{webhook_key}}"
  headers:
    Content-Type: "application/json"
  body:
    msgtype: "markdown"
    markdown:
      content: "{{content}}"

这里有个细节:企微机器人的 markdown 语法不支持所有标准 markdown 特性。比如它不支持表格,不支持代码块高亮,标题只支持一级到三级。所以你在拼装消息内容时要注意这些限制,避免发出去的消息格式错乱。

另外,如果你要发送的消息比较长,企微机器人有长度限制,markdown 类型最大 4096 字节。超过这个长度消息会被截断。我的做法是把长消息拆成多条发送,每条控制在 3000 字节以内。

4.4 第四步:把整条链路串起来

前面三步是独立的 skill,现在需要把它们串成一条完整的工作流。WorkBuddy 的工作流配置支持顺序执行和条件分支。我的配置逻辑是这样的:

name: daily_task_sync
description: 每日任务同步工作流
steps:
  - skill: read_bitable_records
    output: raw_records
  - skill: format_task_message
    input: raw_records
    output: formatted_messages
  - skill: send_wecom_message
    input: formatted_messages
    loop: true
    delay: 3000

loop: true 表示对每条格式化后的消息都执行一次发送操作, delay: 3000 表示每条消息之间间隔 3 秒,避免触发企微的限流。

这条工作流可以手动触发,也可以配置定时触发。WorkBuddy 支持 cron 表达式,比如 0 9 * * 1-5 表示周一到周五每天早上 9 点执行。我把它设成了每天早上 9 点跑一次,这样团队一上班就能看到当天的任务清单。

5. 踩坑实录:那些让我折腾到凌晨两点的报错

5.1 飞书 token 过期导致的 401 错误

这个问题我遇到的最频繁。飞书的 access_token 有效期是 2 小时,如果你的工作流执行时间超过 2 小时,或者两次执行间隔超过 2 小时,token 就会过期,API 调用返回 401 错误。

我最初的解决方案是在每次调用前手动刷新 token,但这样代码很冗余。后来发现 WorkBuddy 支持在全局配置里设置 token 自动刷新,只需要填好 app_id 和 app_secret,它会在 token 快过期时自动重新获取。配置方式是在 config.yaml 里加一段:

feishu:
  app_id: "你的app_id"
  app_secret: "你的app_secret"
  auto_refresh_token: true
  refresh_ahead_seconds: 300

refresh_ahead_seconds: 300 表示提前 5 分钟刷新,避免临界过期的情况。

5.2 企微机器人消息发送频率超限

前面提到企微机器人每分钟最多 20 条消息。我一开始没注意这个限制,一次性发了 30 条任务提醒,结果后面的消息全部发送失败,返回错误码 45009。

排查这个问题的过程比较曲折。我先检查了 webhook 地址,确认没问题;又检查了消息格式,也没问题。后来在企微的 API 文档里翻到了频率限制的说明,才定位到原因。

解决方案就是在工作流里加延时。WorkBuddy 的 delay 参数单位是毫秒,我设成 3000 毫秒,也就是每条消息间隔 3 秒。这样一分钟最多发 20 条,刚好卡在限制以内。如果你要发的消息更多,可以把延时调大,或者分批执行。

5.3 多维表格字段类型不匹配导致的解析失败

飞书多维表格的字段类型很丰富,有文本、数字、单选、多选、日期、人员、附件等等。不同类型的字段返回的数据结构不一样。我一开始没注意这个问题,代码里统一按字符串处理,结果遇到日期字段和人员字段就报错。

比如日期字段返回的是时间戳数字,你直接当字符串用会得到一串看不懂的数字。人员字段返回的是数组,里面包含用户的 open_id、name、avatar 等信息。单选字段返回的是字符串,多选字段返回的是数组。

我的解决方案是写一个字段类型映射表,根据字段类型做不同的处理:

字段类型 返回数据结构 处理方式
文本 字符串 直接使用
数字 数字 转字符串
单选 字符串 直接使用
多选 字符串数组 用逗号拼接
日期 时间戳(毫秒) 转日期字符串
人员 对象数组 提取 name 字段
附件 对象数组 提取 url 字段

这个映射表让我后续处理数据时省了很多事,遇到新字段类型只需要查表就行。

5.4 WorkBuddy skill 加载失败的问题排查

有一次我修改了 skill 配置文件后重启 WorkBuddy,发现 skill 没有生效,工作流执行时报"skill not found"。排查过程如下:

第一步,检查 skill 文件是否在正确的目录下。WorkBuddy 默认从工作目录下的 skills 文件夹加载 skill,如果你的文件放在别的地方,需要在配置里指定路径。

第二步,检查 skill 文件的格式是否正确。YAML 格式对缩进很敏感,一个空格不对就会解析失败。我建议用支持 YAML 语法高亮的编辑器来写配置文件,能直观地看到缩进问题。

第三步,检查 skill 名称是否重复。如果你定义了两个同名的 skill,WorkBuddy 只会加载其中一个,另一个会被忽略。这个问题的隐蔽性很强,因为不会报错,只是行为不符合预期。

第四步,查看 WorkBuddy 的日志。日志里会记录 skill 加载的详细过程,包括加载了哪些文件、哪些失败了、失败原因是什么。把日志级别调到 debug 能看到最详细的信息。

6. 进阶玩法:让工作流更智能的几个思路

6.1 用 AI 自动生成任务摘要

前面讲的工作流是把飞书表格里的原始数据直接推送到企微。但原始数据往往比较零散,读起来不够直观。我后来加了一个 AI 处理环节,让 WorkBuddy 调用大语言模型对任务列表做摘要。

具体做法是在工作流里插入一个 ai_summarize 的 skill,把格式化后的任务列表作为输入,让模型生成一段简洁的摘要。比如原始数据是 10 条任务,模型会输出类似"今日共有 10 项任务,其中高优先级 3 项,涉及设计、开发和测试三个环节,最紧急的是 XXX 任务,截止今天下午 6 点"这样的摘要。

这个摘要放在消息的最前面,团队成员一眼就能看到重点,不用逐条阅读。实测下来,这个改动能显著提升消息的阅读率。

6.2 根据任务状态自动触发不同的通知渠道

不是所有任务都需要发到企微群里。比如低优先级的任务,发到群里反而会造成信息噪音。我的做法是在工作流里加条件判断,根据任务的优先级和状态决定发送渠道。

高优先级任务:同时发送到企微群和相关负责人私聊。 中优先级任务:只发送到企微群。 低优先级任务:只记录到飞书表格,不发送通知。

WorkBuddy 的条件分支配置大概是这样的:

steps:
  - skill: read_bitable_records
    output: records
  - condition: "{{records.priority}} == '高'"
    then:
      - skill: send_wecom_message
        target: "group"
      - skill: send_wecom_message
        target: "private"
  - condition: "{{records.priority}} == '中'"
    then:
      - skill: send_wecom_message
        target: "group"

这种条件分支让工作流更灵活,也避免了信息过载。

6.3 把执行日志回写到飞书表格

工作流执行过程中会产生日志,比如哪些任务推送成功了、哪些失败了、失败原因是什么。这些日志如果只存在本地,排查问题时要翻文件,很不方便。我的做法是把日志回写到飞书多维表格里,建一个"执行日志"表,每次工作流执行完就写入一条记录。

这样做的另一个好处是可以做统计分析。比如你可以统计每周的推送成功率,看看有没有频繁失败的环节需要优化。飞书多维表格自带图表功能,拉个趋势图很直观。

回写日志的 skill 配置和读取类似,只是把 HTTP 方法从 GET 改成 POST,body 里带上要写入的字段值。

6.4 用定时任务实现无人值守

前面说的都是手动触发或者简单定时触发。如果你想做到完全无人值守,可以用 WorkBuddy 的定时任务功能配合系统级的计划任务。比如在 Windows 上可以用任务计划程序,在 Linux 上可以用 crontab,定时启动 WorkBuddy 并执行指定的工作流。

我的配置是每天早上 8:50 启动 WorkBuddy,执行 daily_task_sync 工作流,9:00 之前完成所有消息推送。这样团队一上班就能看到当天的任务安排,不需要任何人手动操作。

需要注意的是,无人值守场景下要做好错误处理。如果某个环节失败了,要有重试机制和告警机制。我的做法是在工作流最后加一个"检查执行结果"的步骤,如果有失败的任务,就发一条告警消息到管理员群。

7. 一些让我少走弯路的实操心得

先说一个关于调试的技巧。WorkBuddy 的工作流调试起来其实不太方便,因为它不像写代码那样可以打断点。我的做法是把工作流拆成多个独立的 skill,每个 skill 单独测试通过后再串联。比如先单独测试 read_bitable_records 能不能拉到数据,再单独测试 send_wecom_message 能不能发出消息,最后再串起来。这样出问题的时候能快速定位是哪个环节的毛病。

另一个心得是关于配置文件的版本管理。WorkBuddy 的 skill 配置文件会随着你的需求不断修改,改着改着就忘了哪个版本是能跑的。我建议用 Git 来管理这些配置文件,每次修改前先提交一个版本,出问题了可以随时回滚。配置文件里如果有敏感信息,可以用环境变量替代,Git 里只存模板文件。

还有一个容易被忽略的点是 时区问题 。飞书返回的日期时间戳是 UTC 时间,你转换成日期字符串的时候如果不处理时区,可能会差几个小时甚至一天。我的做法是在转换时统一加上 8 小时的偏移量,确保日期准确。

最后说一个关于消息可读性的经验。企微机器人的消息如果太长,大家往往只看开头就划走了。所以我把最重要的信息放在最前面,用加粗和换行突出显示。比如任务摘要放在第一行,紧急任务用红色标记(企微 markdown 支持 <font color="warning"> 标签),详细列表放在后面。这样即使只看前两行,也能抓住重点。

这套工作流我从国庆第一天开始搭,到第三天基本跑通,后面几天一直在优化细节。现在它每天帮我处理任务同步和通知,省下来的时间够我多喝两杯咖啡。如果你也在飞书和企微之间来回折腾,不妨试试这个方案,踩过的坑我都帮你填平了。

更多推荐