miseon-stack/project-management-skills/feishu-meeting-minutes-digest
Claude Code and agent skill by miseon-stack/project-management-skills
- community
Checking that the SKILL.md file is still in the repository.
拉取本人当天(或指定日期)所有会议的智能纪要、文字记录与参会人,并汇总会议结论与分派给自己的待办。触发场景:用户说"看看会议的部分""今天的会都聊了什么""把会议纪要整理一下""日报里的会议部分补一下""今天开了哪些会",或需要为日报/周报补齐会议内容时。
Install
npx vskill@latest install miseon-stack/project-management-skills/feishu-meeting-minutes-digestSKILL.md
The same SKILL.md was published earlier as miseon-stack/project-management-skills/feishu-meeting-minutes-digest.
飞书会议纪要拉取与汇总
把「我某天开了哪些会 + 每场会议谈成了什么 + 分派给我什么待办」一次性拉齐。日报、周报、项目复盘的会议部分都走这条链路。
核心事实(先看这个,能省半小时)
`vc` 域的读取权限是没开的,不要在这上面浪费时间。 实测以下命令全部报 missing_scope:
| 命令 | 缺的 scope | |
|---|---|---|
vc +search | vc:meeting.search:read | |
vc +detail | vc:meeting.meetingevent:read、vc:record:readonly | |
vc +recording | vc:record:readonly | |
im +messages-search | im:message.reactions:read(搜索强制拉表情回复) |
⚠️ 2026-09-19 更新:minutes:minutes.search:read已授权(auth status的 scope 里能看到,同时还有minutes:minutes:readonly、minutes:minutes.media:export)。上表里minutes +search一行已过时 —— 现在可以先用妙记搜索试一次,成功就不必绕云文档。`vc` 域仍不可用。
但智能纪要本身就是普通云文档,走 `docs` 权限,而 `docs` / `drive` 权限是齐的。 所以最稳路径仍是:用云文档搜索捞纪要文档,而不是去查会议。
已授权的相关 scope:minutes:minutes.artifacts:read、minutes:minutes.basic:read、minutes:minutes.search:read、minutes:minutes:readonly、docs:document.content:read、drive:drive.metadata:readonly、calendar:calendar.event:read、contact:user.base:readonly、search:docs:read。
流程
1. 拿当天的日程(确定"开了哪些会")
返回 data[],每场含 summary / start_time / end_time / event_organizer.display_name / event_id。 注意:
+agenda不返回参会人,description通常为空。- `start_time` / `end_time` 是对象 `{datetime, timezone}`,不是字符串 —— 直接切片会
KeyError。
取法:(e.get('start_time') or {}).get('datetime','')。
2. 补参会人(把没名称的"会议"定性出来)
日程标题经常就叫「会议」,没有参会人无法定性。按 event_id 拉参会人:
data.attendees[] 含 display_name / is_external / is_organizer / rsvp_status / user_id(open_id)。 用参会人 + 已知项目关键人就能判断议题(例:客户IT负责人=客户A IT 负责人、同事=飞书侧、同事=客户研发 → 客户A线)。 calendar +get --event-id 也能取,但 attendees 字段实测返回空,必须用 `+list-attendees`。
顺带可拿 meeting_id(calendar +meeting --event-ids <ids> 批量),但拿到也读不了产物,除非补授权。
3. 用云文档搜索捞智能纪要 ★关键步骤
同一天生成的每场会通常有两份文档,命名规律固定:
智能纪要:<会议主题> <日期>—— AI 摘要(含总结 / 待办 / 相关链接),直接读这份文字记录:<会议主题> <日期>—— 逐字稿,只在需要抠原话时读
也可用 --query "会议纪要" 或会议主题关键词补搜。加 `--edited-since 3d` 反而会漏(智能纪要的 update_time 与创建日可能错位),按 --sort edit_time 取前 20 条再按当天日期过滤更稳。
★ 补搜历史日期必须用「会议主题关键词」,只搜「智能纪要」会漏(2026-09-19 实测踩坑)--sort edit_time --page-size 30只返回最近编辑的 30 条。定位较早日期时,那天的纪要早已被挤出榜单:实测搜「智能纪要」找不到 9/17 的任何纪要,改搜--query "Udesk"才命中智能纪要:【客户B】Udesk三方对齐 2026年9月17日。所以补历史日期时按项目名 / 会议主题词(项目名、系统名、客户名,如「Udesk」「客户C」「客户B」「启动会」)逐个搜,而不是只搜「智能纪要」。关键词搜索还能顺带捞出非纪要但相关的线上成果文档(如《客户B-AI客服-内部进展同步-最新.md》)。
解析坑:结果在 data.results[],标题是 title_highlighted(带 <h> 高亮标签,要正则剥掉),元数据在 result_meta(token / doc_types / update_time_iso / owner_name)。不是 data.items[],按 items 解析会得到 0 命中并误判为"搜不到"。
文档类型分流(拿到 token 后别一律 docs +fetch):
| token 实际类型 | 正确命令 | |
|---|---|---|
| docx / 云文档 | lark-cli docs +fetch --doc <token> --doc-format markdown | |
| Drive 里的原生 `.md` 文件 | lark-cli markdown +fetch --file-token <token>;用 docs +fetch 会静默返回空内容(content 长度为 0),最容易被误判成"文档没内容" | |
| bitable / sheet | 改用 base +record-list / sheet 域命令 |
drive +inspect 可判类型,但参数是 `--url`(不是 `--token`):lark-cli drive +inspect --url <url>。
4. 读正文
正文在 data.document.content。纪要标准结构:<title> → 会议主题/时间/参会人 blockquote → # 总结 → # 待办 → # 相关链接(含妙记 URL 与文字记录链接)。
- 逐字稿很长(17k+ 字),用
head -c/ 取尾部切片看结论,别整篇灌进上下文 - 妙记 token 可从
# 相关链接里的/minutes/<token>抠出来,再lark-cli minutes +detail --minute-tokens <token> --summary(参数是复数 `--minute-tokens`,单数会报 unknown flag) - ⚠️ 要会议的"开始时间 / 时长",别用 `minutes +detail` —— 实测它只回
title和note_id,没有start_time(vc +detail也不是这个用途)。可靠来源是minutes +search结果里的display_info:开始时间: 2026.09.17 10:00:26 时长: 18 分 11 秒(需先正则剥掉<b>等实体)。判断"两场同名会是不是同一场"时,这是最省事的服务端证据。
5. 汇总
按时间顺序列会议,每场压到 1–2 句:谁组织 · 对齐了什么 · 定了什么。 再把纪要「待办」里 @自己 的条目单独摘出来——这是日报"明日计划"的现成素材。
妙记检索:找"某一场特定妙记"(验收取证场景)
场景:验收/审计要求提交「某客户 · 某主题的培训妙记链接」时,逐个猜关键词很慢且会误判"没有"。
全量枚举法(先枚举,再筛)
`minutes +search` 的 `--query` 是搜妙记「内容」,可以省略。省略后按时间倒序列举,这才是"找出这个客户到底有哪些妙记"的正确姿势。
★ 单次时间窗口硬上限 50 条(不是 page-size),到顶后 has_more 会变 false,容易误以为"就这么多"。 必须按时间切片多拉几轮再去重(例:9/15–9/20、9/1–9/16、8/1–9/2、6/1–8/2)。
每条 items[] 的结构:
| 字段 | 内容 | |
|---|---|---|
display_info | 标题 + <b>关键词:</b> … + 所有者: X 开始时间: Y 时长: Z(HTML 实体要剥) | |
meta_data.app_link | 妙记链接(https://<域>/minutes/<token>) | |
token | minute_token |
按人列举(补"他人名下漏检")
委派关系里妙记常记在 CSM / 同事名下(不是自己),只用关键词搜自己可见范围会漏;--owner-ids 能直接列某人全部。open_id 用 飞书数据仓/data/people.json 的 open_ids 反查。
内容命中 + 交叉验证
拿到全量清单后,再叠加关键词做内容命中,两个维度交叉(标题枚举 ∩ 内容命中)才下结论:
判断口径:全 0 命中 + 全量清单里也没有该主题场次 → 才可下"确无"结论;只凭单关键词 0 命中不能下结论。
三个必踩的坑
- 命令输出混了进度行:
lark-cli会把[minutes +detail] querying …之类进度写进 stdout,直接json.load会失败。先取第一个 `{` 再解析(raw[raw.find('{'):])。别用2>/dev/null掩盖,会把 JSON 一起吞掉。 - `+detail` 参数是 `--minute-tokens`(复数、逗号批量),不是
--token;单数报 unknown flag。 - 群消息里的链接常常不是自己客户的。例:「飞书战队」群一条群发给了"基础功能/AI功能/多维表格"三条妙记,实际分别属于其他客户、其他客户等他人项目 —— 拿链接前必须
minutes +detail验标题与归属,别直接当自己客户的材料上交。
拿到候选后:验内容是否覆盖某个子主题
验收常要求"A 场覆盖主题甲、B 场覆盖主题乙"。判断某场能否兼作多个主题,用章节 + 摘要:
artifacts.chapters[] 给 title / summary_content / start_ms / stop_ms —— 可直接看出该主题占了哪些章节、多少分钟,是"能否一场顶两条"的关键证据,也能据此剪专章。
已知边界
- 跨租户纪要读不到:外部同事(如飞书官方侧)组织的会议,其智能纪要可能落在对方租户,
docs +fetch报3380004 No permission。此时退回读自己租户内的文字记录,同样能定性会议内容。 - 不在自己日历上的会:临时小会(如会前 7 分钟内部对齐)不会出现在
+agenda,但会有纪要文档。所以第 3 步的文档搜索是主路径,日程只是校验,不要只依赖日程。 - 招聘日会之类的例行会:通常 0 参会人、无纪要,无实质内容,别硬凑进日报。
- 若某天纪要搜索为空,可能是 AI 总结未开启或尚未生成,如实说明,不要编。
相关技能
feishu-daily-report—— 本技能产出的会议内容正好填它的「今日会议」段lark-meeting(connector)—— 会议领域模型与产物关系(Note / Minutes / Doc 的区别),补授权后再用
Security
- Security scanPassed, 90 of 100Pattern checks on the skill's files.
- Model reviewPassed
Quality evaluation
- Task evaluationNot runNo evaluation yet. Run one in Skill Studio.
Source
- SKILL.md in the repositoryCheckingskills/feishu-meeting-minutes-digest/SKILL.md
Popularity
- 7-day trend score
- 0
Not refreshed yet.
Works with
Any agent vskill installs to: 56 targets in all. These 39 have a page on this site.
- Claude Code
- Cursor
- GitHub Copilot
- Windsurf
- Codex
- Gemini CLI
- Cline
- Amp
- Roo Code
- Goose
- Continue
- Kilo Code
- Junie
- Trae
- OpenHands
- Qwen Code
- AI Agent
- Tabnine Chat
- Sourcegraph Cody
- Amazon Q
- Firebase Genkit
- Sweep
- Devin
- Phind
- Mentat
- Claude Desktop
- Aider
- GPT Pilot
- Plandex
- bolt.new
- v0
- Replit Agent
- Anse
- TypingMind
- BetterChatGPT
- LibreChat
- Warp AI
- Pieces
- Fig AI
Embed badge
[](https://verified-skill.com/skills/miseon-stack/project-management-skills/feishu-meeting-minutes-digest)