Lark Integration

✨ Lark/飞书官方桥接,双向富媒体消息互通

安全可靠的Lark/飞书双向消息桥接,支持富文本、图片传输与文档读取,适合企业即时通讯自动化

收藏
11.1k
安装
4.4k
版本
1.0.0
CLS 安全性认证2026-05-18
点击查看完整报告 >

使用说明

核心用法

Lark-Integration 是 OpenClaw 与 Lark(国际版)/飞书(中国版)的官方集成桥接方案,实现双向消息互通。部署后,用户可在 Lark 中@机器人或发送特定触发词,消息经 Webhook 进入 OpenClaw 处理,AI 回复自动返回 Lark 会话。支持纯文本、富文本(图文混排)及单图片消息的接收,回复支持纯文本(卡片样式需配合 feishu-card skill)。

部署流程简明:配置 FEISHU_APP_ID 与密钥文件,启动 Node.js 桥接脚本,在 Lark 开发者控制台填入 Webhook URL 完成验证。桥接服务自动识别平台域名(larksuite.com/feishu.cn),自适应调用对应 API 端点。

显著优点

1. 官方 SDK 保障:基于 @larksuiteoapi/node-sdk 官方 SDK 开发,API 调用规范,Token 自动刷新机制完善,降低维护成本。
2. 富媒体完整支持:不仅传输文字,还能解析 post 类型消息中的图文混排内容,下载图片并转为 base64 附件送入 AI,信息保真度高。

3. 企业级部署友好:提供 systemd 服务安装脚本,支持后台常驻、自动重启、日志轮转,适配 Linux 服务器生产环境。

4. 文档生态打通:可选扩展 feishu-doc skill,直接读取 Lark 文档、Wiki、多维表格(Bitable)内容,实现"聊即查"的办公自动化场景。

潜在缺点与局限性

  • 平台锁定:深度依赖 Lark/Feishu 生态,迁移至其他 IM(如企业微信、钉钉)需重写桥接层。
  • 自托管运维:需自行维护 Node.js 运行时及公网可访问的服务器(或内网穿透),无 SaaS 托管选项,技术门槛较高。
  • 消息触发策略局限:群聊中仅通过@、问号或特定关键词触发,无法做到全量监听,复杂对话流需额外开发。
  • 图片仅单向支持:目前仅支持接收图片,发送图片回 Lark 需借助其他 skill,双向图文交互不完整。

适合人群

  • 已使用 Lark/Feishu 作为主力 IM 的企业技术团队
  • 需要 AI 助手介入办公文档查阅、知识问答的场景
  • 具备 Linux 服务器运维能力、追求数据自主可控的私有化部署用户

常规风险

1. 凭证泄露风险:App Secret 以文件形式存储于 ~/.openclaw/secrets/,若服务器被入侵或权限配置不当,可能导致密钥泄露。建议严格限制目录权限(600)。
2. Webhook 暴露:公网可访问的 Webhook 端点若未配置 Lark 的 Encrypt Key,存在被伪造请求攻击的风险。建议生产环境启用消息加密。

3. 资源耗尽隐患:富文本解析未对消息大小、图片数量做硬限制,极端情况下超大消息可能引发内存占用过高。

安全解读

核心功能

Lark/Feishu 双向消息集成 是该技能的核心定位。作为 OpenClaw 生态中的官方 IM 桥接组件,它实现了:

  • 消息双向同步:通过 Webhook + WebSocket 架构,支持从 Lark 接收消息并转发至 OpenClaw 处理,同时将 AI 回复回传至 Lark 会话
  • 富内容完整支持:涵盖纯文本 (text)、富文本图文混排 (post)、单张图片 (image) 三种主要消息类型,图片自动下载并 base64 编码后作为附件传输
  • 智能群组响应:在群聊中,仅当 @提及、消息含问号、或匹配触发词(help/帮/分析等)时响应,避免消息轰炸
  • 文档生态打通:配合 feishu-doc 技能,可读取 Lark 文档、Wiki、多维表格、电子表格,支持 URL 自动识别与权限校验
  • 双平台兼容:自动识别国际版 Lark (larksuite.com) 与中国版飞书 (feishu.cn),切换对应 API 端点

显著优点

1. 架构设计清晰:Webhook 接收 → 本地桥接 → WebSocket 网关的三层架构,职责分离明确,便于调试与扩展
2. 部署运维友好:提供 systemd 服务安装脚本 (setup-service.mjs),支持日志查看、状态监控、自动重启等企业级运维需求

3. 安全实践到位

4. 功能-行为一致性:安全认证报告确认代码实际行为与声明功能完全匹配,无隐藏行为或权限升级诱导

  • 敏感信息(app_secret)分离存储于 ~/.openclaw/secrets/,支持文件权限隔离
  • 零危险函数调用(无 eval/exec/system),无 SQL 注入风险
  • 依赖极简且官方可信:仅 @larksuiteoapi/node-sdkws 两个包,无供应链攻击面

潜在局限

  • 回复格式受限:向 Lark 发送仅支持纯文本,卡片消息需依赖额外的 feishu-card 技能
  • 图片单向限制:当前仅支持接收图片,不支持从 OpenClaw 向 Lark 主动发送图片
  • 网络依赖单一:Bridge 与 OpenClaw Gateway 采用本地 WebSocket (ws://127.0.0.1),跨机部署需额外网络配置
  • T3 来源等级:虽代码质量优秀,但维护者为个人开发者/社区项目,非顶级开源基金会背书

适合人群

  • 企业 IT 管理员:需要将 Lark/Feishu 接入内部 AI 工作流,实现员工在 IM 中与 AI 助手交互
  • 开发者/集成工程师:构建基于 Lark 的客服机器人、智能问答、文档助手等企业应用场景
  • 已有 Lark 生态的组织:已深度使用飞书文档、Wiki、多维表格,希望打通 AI 能力做知识问答与数据分析

常规风险

  • Webhook 暴露风险:Bridge 默认监听 3000 端口接收 Lark 回调,若部署于公网需确保防火墙规则限制来源 IP 或启用 Lark 的加密/签名验证
  • Token 生命周期tenant_access_token 虽有自动刷新机制,但若刷新失败可能导致服务中断,需监控日志
  • 文档权限依赖:读取文档功能要求显式授权或共享,大规模部署时需协调文档所有者完成权限配置
  • 配置脱敏不足:生产环境建议增强日志脱敏,避免打印完整的 access_token 或 message_content

Lark Integration 内容

references文件夹
scripts文件夹
手动下载zip · 12.3 kB
api-formats.mdtext/markdown
请选择文件