feishu-group-mention-responder

核心用法

该技能作为 OpenClaw 框架的提示词模板，用于实现飞书群聊机器人的@提及自动响应功能。当机器人在群聊中被@提及或收到直接消息时，系统会监听消息事件，解析消息内容中的提及标识（@机器人ID或名称），提取发送者信息（ID和昵称），并构建包含问候语的中文回复消息，最后通过飞书 API 将回复发送回原群聊，同时在回复中@回原始发送者，形成完整的交互闭环。

显著优点

首先，该技能显著提升了机器人在群聊环境中的参与度和用户体验，使机器人能够主动响应用户召唤，而非被动等待命令。其次，作为纯文档型技能，它具备极高的透明度和可审计性，无隐藏代码执行风险，用户可完全掌握其工作机制。第三，技能设计遵循上下文感知原则，预留了扩展接口，未来可根据消息内容提供个性化回复。第四，文档结构完整，包含详细的实现步骤、预期消息格式和常见错误提示，降低了开发者的接入门槛。

潜在缺点或局限性

该技能为纯模板文档，无法独立运行，必须依赖 OpenClaw 宿主框架实现具体功能，实际运行效果完全取决于框架的实现质量。在权限管理方面，需要正确配置飞书应用的 im:message:send_as_bot 和 im:chat:read 权限，配置不当会导致功能失效。存在循环回复风险，如果框架层未做好防护，机器人可能在回复中再次触发提及条件，导致无限循环。此外，飞书不同 API 版本的@提及格式可能存在差异，需要额外的适配工作。

适合的目标群体

主要面向使用 OpenClaw 框架开发飞书机器人的开发者和技术团队，特别是需要在群聊场景中实现机器人互动功能的场景。适用于企业内部办公自动化、客服机器人、智能助手等需要在飞书群聊中提供即时响应服务的应用开发。

使用风险

性能风险方面，在高并发群聊场景中，频繁的@提及可能触发大量消息处理，若框架未做限流处理可能影响响应速度。依赖风险方面，该技能与 OpenClaw 框架强绑定，框架的更新或弃用将直接影响技能可用性。安全风险方面，虽然技能本身无恶意代码，但框架实现若有漏洞（如未做消息过滤），可能导致机器人被恶意利用发送垃圾信息。权限风险方面，过度申请权限可能带来安全隐患，需严格遵循最小权限原则。