AI 写文档还不够？我用 MCP 把飞书文档上传也自动化了关于作者某大厂前端开发，热爱折腾，喜欢自动化。日常工作是写代

"AI 帮我写完文档了，但我还得手动复制粘贴到飞书..." —— 这不科学！

关于作者

某大厂前端开发，热爱折腾，喜欢自动化。日常工作是写代码，业余爱好是优化写代码的流程。

座右铭：

能用代码解决的，绝不动手
能自动化的，绝不手动
能偷懒的，绝不勤快

开篇：AI 时代的新烦恼

2024 年，AI 已经能帮我们写代码、写文档、写周报了。作为一个拥抱 AI 的程序员，我每天都在用 Claude、ChatGPT 生成各种技术文档。

但是...

作为大厂程序员，年底述职需要数据支撑。我需要整理这一年做了多少技术文档、解决了多少问题。AI 写完文档后，我还得：

复制 Markdown 内容
打开飞书网页
新建文档
粘贴（格式还经常乱）
调整格式
设置权限
移动到指定文件夹
手动记录到表格（为了后续统计）

AI 帮我省了 5 分钟，我却要花 3 分钟做这些机械操作。 更要命的是，没有统一的归档，年底统计数据时简直是噩梦。

转折：发现宝藏文章

就在我准备自己撸一个上传脚本的时候，我在知乎刷到了一篇神文：

《飞书文档操作神器！用AI+Feishu MCP实现文档自动化，效率提升10倍》

看完我直接跪了：原来 MCP（Model Context Protocol）可以直接操作飞书文档！

MCP 是什么？简单说就是让 AI 能调用各种外部服务的协议。有了它，AI 不仅能写文档，还能直接把文档传到飞书上！

这不就是我梦寐以求的自动化吗？ 🤩

第一次翻车：系统权限的尴尬

按照文章配置好 MCP，我兴奋地让 AI 创建了第一个飞书文档。

# 使用 tenant_access_token（系统权限）
AI: "文档已创建成功！链接：https://xxx.feishu.cn/docx/..."

我点开链接，然后...

抱歉，你没有权限查看此文档

？？？我自己创建的文档我自己看不了？

原来用系统权限（tenant_access_token）创建的文档，默认只有应用自己能访问。我把链接发给同事，他们也是一脸懵：

"你发的啥玩意？打不开啊！"

第一次尝试，翻车。 🚗💨

第二次翻车：Token 过期的噩梦

既然系统权限不行，那就用用户权限（user_access_token）吧！

这次文档终于能打开了，我和同事都能看到内容。正当我以为大功告成时...

第二天，Token 过期了。 😱

AI: "上传失败：token_invalid"

飞书的 user_access_token 默认只有 2 小时有效期。也就是说，我每隔 2 小时就要：

打开飞书开放平台
重新授权
复制新的 Token
更新 MCP 配置文件

这比手动复制粘贴还麻烦啊！ 我是来解决问题的，不是来制造新问题的！

破局：写个服务自动刷新 Token

作为一个程序员，遇到重复劳动的第一反应就是：写个脚本自动化它！

我用 Express 搭了个简单的 OAuth 服务器：

// feishu-oauth/server.js
const express = require('express');
const app = express();

// 授权回调：获取 Token
app.get('/callback', async (req, res) => {
  const code = req.query.code;
  // 用授权码换取 access_token 和 refresh_token
  const tokens = await getTokens(code);
  
  // 自动同步到 MCP 配置文件
  syncToMcpConfig(tokens.access_token);
});

// 刷新 Token
app.get('/refresh', async (req, res) => {
  // 用 refresh_token 换新的 access_token
  const newToken = await refreshToken();
  
  // 自动同步到所有需要的地方
  syncToAllConfigs(newToken);
});

现在只需要：

# 启动服务
node feishu-oauth/server.js

# 需要刷新时
curl http://localhost:3000/refresh

Token 问题解决了！ 🎉

服务会自动：

刷新 Token
更新 Cursor MCP 配置
保存到本地文件

从此告别手动更新 Token 的噩梦！

大规模使用：新问题接踵而至

Token 问题解决后，我开始大规模使用这个工具。每天让 AI 写完文档，直接上传到飞书，爽得飞起！

但好景不长...

问题 1：测试同学的需求

测试同学找到我：

"能不能在文档里加上应用名和分支名？我们需要知道这个文档对应哪个项目的哪个分支。"

合理需求！于是我在文档模板里加了个表格：

## 项目信息

| 字段 | 说明 |
|-----|------|
| 应用名 | [应用名] |
| 分支名称 | [分支名] |

通过解析当前路径和 git 信息，自动填充这些字段。

// 自动提取应用名（敏感信息已脱敏）
const appName = process.cwd().split('/').pop();

// 自动获取分支名
const branch = execSync('git branch --show-current').toString().trim();

通过解析当前路径和 git 信息，自动填充这些字段。

// 自动提取应用名
const appName = process.cwd().split('/').pop();

// 自动获取分支名
const branch = execSync('git branch --show-current').toString().trim();

问题 2：同事看不了文档

文档上传成功了，信息也齐全了，但同事又来找我：

"你发的文档我打不开，说没有权限。"

又是权限问题？ 😤

原来新创建的文档默认是私有的，需要手动添加协作者。于是我写了个脚本：

// 自动添加协作者（敏感信息已脱敏）
async function addCollaborators(docToken, maintainers) {
  for (const name of maintainers) {
    await feishuApi.addPermission({
      token: docToken,
      member_type: 'user',
      perm: 'edit'  // 可编辑权限
    });
  }
}

现在创建文档时，自动给部门全员加上编辑权限。

问题 3：文档散落各处，述职数据难统计

随着使用量增加，我发现一个新问题：文档到处都是！

有的在个人空间，有的在临时文件夹，想找个文档比大海捞针还难。更要命的是，年底述职需要统计数据，我根本不知道自己写了多少文档！

作为大厂程序员，述职 PPT 上没有数据支撑，那就是耍流氓。领导要看的是：

产出了多少技术文档
解决了多少技术问题
提升了多少团队效率

解决方案：统一迁移到 AI 文件夹，自动记录统计数据！

// 自动移动到指定文件夹
async function moveToFolder(docToken, folderToken) {
  await feishuApi.moveFile({
    token: docToken,
    folder_token: folderToken
  });
}

// 自动记录到本地 JSON（按周归档）
async function saveRecord(data) {
  const weekPath = getWeekPath(); // 2026/01月第4周_01月27号到02月02号
  const recordFile = `${weekPath}/records.json`;
  
  const records = readRecords(recordFile);
  records.push({
    title: data.title,
    token: data.token,
    path: data.path,
    timestamp: Date.now()
  });
  
  writeRecords(recordFile, records);
}

这样不仅方便管理，还能自动统计数量：

"本月 AI 生成文档：127 篇，节省时间：635 分钟，提升效率：60%"

年底述职 PPT 上，这些数据直接拿来用，领导看了都说好！ 😊

意外收获：AI 知识库联动的可能性

统一归档到 AI 文件夹后，我突然意识到一个更大的价值：这些文档可以成为 AI 知识库的数据源！

想象一下这个场景：

新同事：这个功能怎么实现的？
AI 助手：[自动检索 AI 文件夹] 根据《XX技术方案文档》，这个功能的实现思路是...
新同事：之前遇到过类似的坑吗？
AI 助手：[检索历史文档] 在《XX问题排查记录》中提到过，解决方案是...

所有的技术文档、问题记录、方案设计，都可以成为团队的知识资产！

现在飞书已经支持 AI 知识库功能，只要把文档统一放在一个文件夹里，就可以：

智能问答：新人提问时，AI 自动从历史文档中找答案
经验传承：老员工的技术经验不会因为离职而流失
快速检索：不用翻遍所有文档，AI 帮你找到最相关的内容
持续学习：AI 会随着文档增多而变得更智能

这才是自动化的终极形态：不仅提升个人效率，还能沉淀团队知识！

我已经在规划下一步：

给每个文档打上标签（技术栈、问题类型、难度等级）
建立文档关联关系（这个方案参考了哪些文档）
定期生成知识图谱（团队的技术全景图）

从单纯的文档上传工具，到团队知识库的基础设施，这个小工具的价值远超我的预期！ 🚀

问题 4：效率还是太慢

到这里，上传一个文档需要：

AI 生成文档
刷新 Token（如果过期）
上传到飞书
添加协作者
移动到指定文件夹
记录到本地 JSON

虽然比手动快多了，但还是要执行好几条命令。

作为一个懒惰的程序员（褒义），我决定：把所有操作合并成一个脚本！

// feishu-oauth/hooks.js
async function processDocument(options) {
  const { token, title, folder, path, maintainers } = options;
  
  // 1. 添加协作者
  await addCollaborators(token, maintainers);
  
  // 2. 移动到指定文件夹
  await moveToFolder(token, folder);
  
  // 3. 记录到本地 JSON（按周归档）
  await saveRecord({
    token,
    title,
    path,
    timestamp: Date.now()
  });
  
  console.log('✅ 所有操作完成！');
}

现在只需要一条命令：

node feishu-oauth/hooks.js \
  --token "[文档token]" \
  --title "[文档标题]" \
  --folder "[目标文件夹token]" \
  --path "[本地路径]" \
  --maintainers "[维护者1],[维护者2],Claude AI"

一条命令，搞定所有后续操作！ 🚀

但这还不够，我希望 AI 能直接帮我完成这些操作，而不是我手动执行命令。

终极形态：封装成 Push 命令

经过这么多次迭代，我意识到：这个工具已经足够成熟，可以封装成一个 AI 命令了！

我在 Cursor 中创建了一个 push 命令（.cursor/commands/push.md）：

---
name: push
description: 上传当前 Markdown 文档到飞书云文档
---

# 上传到飞书文档

## 前置条件
刷新 Token：curl http://localhost:3000/refresh

## 上传流程
1. 使用 MCP 的 mcp_lark_mcp_docx_builtin_import 上传文档
2. 自动执行 hooks.js 完成后续操作

## 自动化操作
- ✅ 添加协作者权限（部门全员可编辑）
- ✅ 移动到 AI 文件夹
- ✅ 记录到本地 JSON（按周归档）
- ✅ 自动提取应用名和分支信息

现在的工作流程：

我：@Cursor 帮我写一个技术方案文档
AI：[生成文档内容]
我：/push
AI：[自动上传到飞书，完成所有后续操作]
我：喝口咖啡 ☕️

从写文档到上传完成，全程 AI 自动化，我只需要说一句话！

这个 push 命令成为了其他高级 AI 操作的基石：

自动化周报：AI 写完周报 → /push → 自动上传并通知
代码审查报告：AI 分析代码 → 生成报告 → /push → 团队可见
技术文档同步：本地 Markdown 更新 → /push → 飞书同步更新

一个小命令，撬动了整个工作流的自动化！ 💪

效果对比：从 5 分钟到 5 秒

让我们来看看优化前后的对比：

优化前（手动操作）

1. AI 写文档：2 分钟
2. 复制粘贴到飞书：30 秒
3. 调整格式：1 分钟
4. 设置权限：30 秒
5. 移动文件夹：30 秒
6. 添加项目信息：30 秒

总计：5 分钟

优化后（自动化）

1. AI 写文档：2 分钟
2. 执行一条命令：5 秒

总计：2 分钟 5 秒

效率提升：60%！ 而且完全不需要人工干预，可以批量处理！

技术细节：给想复现的同学

1. MCP 配置

使用 ~/.cursor/mcp.json 中添加：

{
  "mcpServers": {
    "lark-mcp": {
      "command": "npx",
      "args": [
        "-y",
        "@yingyeothon/lark-mcp@latest",
        "u-[token]"  // 这里会自动更新
      ]
    }
  }
}

2. OAuth 服务器

核心是实现 Token 的自动刷新和同步：

const hooks = {
  onTokenSuccess: [
    syncLarkMcpSettings,  // 同步到 Cursor MCP
    syncTokenToFile       // 保存到本地文件
  ]
};

3. 上传文档

使用 mcp_lark_mcp_docx_builtin_import 工具：

{
  data: {
    file_name: "文档标题",
    markdown: "# 内容..."
  },
  useUAT: true  // 使用用户权限
}

4. 后续操作脚本

// hooks.js
const operations = [
  addCollaborators,    // 添加协作者
  moveToFolder,        // 移动文件夹
  saveRecord          // 保存记录
];

for (const op of operations) {
  await op(docToken, options);
}

踩坑总结

系统权限 vs 用户权限
- 系统权限：创建的文档只有应用能访问
- 用户权限：创建的文档可以正常分享
- 结论：用用户权限！
Token 过期问题
- 手动更新：每 2 小时一次，太痛苦
- 自动刷新：写个服务，一劳永逸
- 结论：自动化是王道！
权限设置
- 默认私有：同事看不了
- 自动添加协作者：部门全员可见
- 结论：创建时就设置好权限！
文件管理
- 散落各处：难以查找和统计
- 统一归档：方便管理和追踪
- 结论：规范化很重要！
操作流程
- 多步操作：容易遗漏
- 一键完成：省心省力
- 结论：能合并就合并！

未来展望：从工具到生态

这个工具还有很多可以优化的地方：

短期优化（已在规划）

批量上传：一次上传多个文档
增量更新：本地文档更新后自动同步到飞书
双向同步：飞书文档修改后同步回本地
权限模板：不同类型文档使用不同权限配置
统计面板：可视化展示文档创建数量、节省时间等

长期愿景（AI 知识库生态）

更激动人心的是 AI 知识库联动：

智能文档分类
- AI 自动识别文档类型（技术方案、问题记录、代码审查等）
- 自动打标签、建立关联关系
- 生成知识图谱
团队知识问答
- 新人提问 → AI 从历史文档中找答案
- 遇到问题 → AI 推荐相关的解决方案
- 技术选型 → AI 总结团队的历史经验
知识沉淀与传承
- 老员工的经验自动归档
- 技术债务可追溯
- 团队技术栈全景图
智能推荐系统
- 写新方案时，AI 推荐相关的历史文档
- 代码审查时，AI 提醒类似的历史问题
- 技术分享时，AI 生成知识脉络图

想象一下：

场景 1：新人入职
新人：这个项目的架构是怎样的？
AI：[检索 AI 文件夹] 为你找到 15 篇相关文档，按重要性排序...

场景 2：技术选型
你：我们要不要用 XXX 技术？
AI：[分析历史文档] 团队在 3 个月前评估过，当时的结论是...

场景 3：问题排查
你：这个 bug 之前遇到过吗？
AI：[检索问题记录] 在《XX问题排查》中有类似案例，解决方案是...

这不仅是效率工具，更是团队知识资产的基础设施！

从一个简单的文档上传工具，到团队知识库的核心引擎，这个演进路径让我越来越兴奋。

AI + 自动化 + 知识沉淀 = 团队效能的指数级提升！ 🌟

写在最后

从最开始的手动复制粘贴，到现在的一键上传，再到未来的 AI 知识库联动，这个工具的演进让我深刻体会到：

好的工具不仅解决当下的问题，更要为未来创造可能性。

当初只是想偷个懒，少复制几次粘贴。没想到最后做出了一个：

提升个人效率的自动化工具
方便述职统计的数据系统
团队知识沉淀的基础设施
AI 知识库联动的数据源

程序员的浪漫，就是把重复劳动变成一行命令，再把一行命令变成团队资产。

现在每次同事问我："能不能把这个文档发到飞书上？"

我只需要淡定地回一句：

"AI 写完就自动上传了，你去飞书 AI 文件夹找吧。顺便，这些文档以后都能用来训练团队知识库。"

这种感觉，真爽！ 😎

彩蛋：关于 AI 知识库

如果你对 AI 知识库联动感兴趣，可以关注我的后续文章。我会分享：

如何用飞书 AI 知识库构建团队问答系统
如何给文档打标签、建立知识图谱
如何让 AI 从历史文档中学习团队经验

从工具到生态，这才刚刚开始！ 🚀

快速开始

想要使用这个工具？只需三步：

# 1. 克隆项目
git clone https://github.com/mczhaozl/feishu-auto-upload.git

# 2. 安装依赖
cd feishu-auto-upload && npm install

# 3. 启动服务
npm start

详细使用文档请查看 GitHub README

如果你也被飞书文档折磨过，欢迎在评论区分享你的故事！

如果这篇文章对你有帮助，别忘了：

👍 点赞支持
⭐️ GitHub Star
💬 评论交流

AI 写文档还不够？我用 MCP 把飞书文档上传也自动化了