feishu-memory-recall

feishu-memory-recall 是 OpenClaw 生态中专为飞书（Feishu）平台设计的跨群组记忆与搜索工具。它打破了传统即时通讯工具中群组信息孤岛的局限，通过调用飞书官方开放 API，实现了跨所有群组和私聊会话的消息检索、活动摘要生成以及事件日志记录功能。

核心用法围绕七个 CLI 命令展开。sync-groups 命令可自动从 OpenClaw 的会话配置中发现并追踪所有已连接的飞书群组；search 和 recall 分别支持按关键词和用户 ID 进行全域消息检索，支持时间范围过滤；digest 能生成指定时间段内的跨群组活动摘要，适合快速了解多群组动态；log-event 用于记录跨会话的重要事件，同时写入滚动更新的 RECENT_EVENTS.md 和按日归档的永久日志；add-group 和 list-groups 则提供了手动管理追踪群组的能力。

显著优点在于其设计的高度针对性。首先，它解决了多群组场景下的信息碎片化问题，用户无需逐个切换群组即可掌握全局对话脉络。其次，本地化的日志存储机制（memory/ 目录下的 Markdown 文件）确保了数据的私密性和可审计性，避免了敏感信息上传至第三方云服务。此外，基于 Node.js 的 CLI 设计使其易于集成到自动化工作流中，配合环境变量配置，部署简洁。

潜在局限性不容忽视。作为 T3 来源的个人开发者作品，其长期维护能力和代码可持续性存在不确定性。功能上，当前版本对消息检索的深度有限，主要依赖飞书 API 的基础搜索能力，缺乏语义理解或智能聚类。此外，本地存储的 Token 未加密，若设备被物理访问可能导致凭证泄露。输入参数缺乏严格的范围校验（如 --hours 接受负值或极大值），可能引发异常行为。

适合的目标群体主要包括：管理多个飞书群组的社区运营人员、需要追踪跨项目对话的产品经理、以及使用 OpenClaw 框架构建自动化工作流的开发团队。对于需要合规审计的企业，其本地日志功能也颇具吸引力。

使用风险主要集中在数据隐私和存储管理方面。虽然消息内容仅存储于本地，但飞书 API 的访问令牌以明文形式缓存在本地文件，建议在使用时确保运行环境的安全。随着使用时间的增长，memory/ 目录和日志文件会不断累积，可能占用大量磁盘空间，需要建立定期清理机制。此外，由于依赖飞书官方 API，其功能受限于 API 的调用频次和权限范围，高频调用可能触发平台限流。

核心用法

feishu-memory-recall 是一款专为 OpenClaw 设计的飞书记忆增强 Skill，解决 AI Agent 在多群协作场景下的上下文断层问题。通过六大核心命令实现跨会话信息整合：

• 搜索与回溯：search 支持关键词跨群检索，recall 可按用户 ID 精准定位历史发言，均支持时间范围过滤（默认24小时）
• 活动摘要：digest 自动生成多群组聚合动态，适用于每日站会或项目跟进场景
• 事件管理：log-event 实现关键信息双写——既进入滚动24小时的 RECENT_EVENTS.md 跨会话事件流，又归档至按日分割的永久日志
• 群组同步：sync-groups 从网关会话自动发现群组，add-group/list-groups 提供手动管理能力

显著优点

1. 架构清晰：命令式设计配合 commander.js，CLI 体验一致；数据分层明确（活跃群组 / 近期事件 / 日归档）
2. 企业级合规：仅调用飞书官方 API，全链路 TLS 加密；依赖 commander 与 dotenv 均为无 CVE 的成熟包
3. 场景适配：特别适合多项目并行、信息分散的敏捷团队，Agent 可自主"回忆"跨群上下文

潜在局限

• 输入验证待强化：当前对飞书 API 返回数据缺乏额外过滤，极端场景下存在注入风险
• 错误处理简略：部分 catch 块静默吞错，不利于生产环境故障排查
• 隐私边界：虽遵循数据最小化，但跨群搜索本身涉及权限聚合，需确保使用方有合法授权

适合人群

飞书深度用户的中大型技术团队、运维值班场景、需要 Agent 具备"组织记忆"的自动化工作流构建者。

常规风险

• Token 泄露：依赖 .env 存储飞书凭证，需确保文件权限控制
• API 限流：高频检索可能触发飞书速率限制，建议业务层做退避策略
• 数据滞留：日归档日志长期积累需制定清理策略