npx skills add https://github.com/obra/superpowers --skill brainstormingHow Lark Openapi Explorer fits into a Paperclip company.
Lark Openapi Explorer drops into any Paperclip agent that handles this kind of work. Assign it to a specialist inside a pre-configured PaperclipOrg company and the skill becomes available on every heartbeat — no prompt engineering, no tool wiring.
Pre-configured AI company — 18 agents, 18 skills, one-time purchase.
SKILL.md153 linesExpandCollapse
---name: lark-openapi-explorerversion: 1.0.0description: "飞书/Lark 原生 OpenAPI 探索:从官方文档库中挖掘未经 CLI 封装的原生 OpenAPI 接口。当用户的需求无法被现有 lark-* skill 或 lark-cli 已注册命令满足,需要查找并调用原生飞书 OpenAPI 时使用。"metadata: requires: bins: ["lark-cli"]--- # OpenAPI Explorer > **前置条件:** 先阅读 [`../lark-shared/SKILL.md`](../lark-shared/SKILL.md) 了解认证、身份切换和安全规则。 当用户的需求**无法被现有 skill 或 CLI 已注册 API 覆盖**时,使用本技能从飞书官方 markdown 文档库中逐层挖掘原生 OpenAPI 接口,然后通过 `lark-cli api` 裸调完成任务。 ## 文档库结构 飞书 OpenAPI 文档以 markdown 层级组织: ```llms.txt ← 顶层索引,列出所有模块文档链接 └─ llms-<module>.txt ← 模块文档,包含功能概述 + 底层 API 文档链接 └─ <api-doc>.md ← 单个 API 的完整说明(方法/路径/参数/响应/错误码)``` 文档入口: | 品牌 | 入口 URL ||------|----------|| 飞书 (Feishu) | `https://open.feishu.cn/llms.txt` || Lark | `https://open.larksuite.com/llms.txt` | > 所有文档以**中文**编写。如果用户使用英文交流,需将文档内容翻译为英文后输出。 ## 挖掘流程 严格按以下步骤逐层检索,**不要跳步或猜测 API**: ### Step 1:确认现有能力不足 ```bash# 先检查是否已有对应的 skill 或已注册 APIlark-cli <可能的service> --help``` 如果已有对应命令或 shortcut,直接使用,**不需要继续挖掘**。 ### Step 2:从顶层索引定位模块 用 WebFetch 获取顶层索引,找到与需求相关的模块文档链接: ```WebFetch https://open.feishu.cn/llms.txt → 提取问题:"列出所有模块文档链接,找出与 <用户需求关键词> 相关的链接"``` - 飞书品牌使用 `open.feishu.cn`- Lark 品牌使用 `open.larksuite.com`- 如不确定用户品牌,默认使用飞书 ### Step 3:从模块文档定位具体 API 用 WebFetch 获取模块文档,找到具体 API 的文档链接: ```WebFetch https://open.feishu.cn/llms-docs/zh-CN/llms-<module>.txt → 提取问题:"找出与 <用户需求> 相关的 API 说明和文档链接"``` ### Step 4:获取 API 完整规范 用 WebFetch 获取具体 API 文档,提取完整的调用规范: ```WebFetch https://open.feishu.cn/document/server-docs/.../<api>.md → 提取问题:"返回完整 API 规范:HTTP 方法、URL 路径、路径参数、查询参数、请求体字段(名称/类型/必填/说明)、响应字段、所需权限、错误码"``` ### Step 5:通过 CLI 调用 API 使用 `lark-cli api` 裸调: ```bash# GET 请求lark-cli api GET /open-apis/<path> --params '{"key":"value"}' # POST 请求lark-cli api POST /open-apis/<path> --data '{"key":"value"}' # PUT 请求lark-cli api PUT /open-apis/<path> --data '{"key":"value"}' # DELETE 请求lark-cli api DELETE /open-apis/<path>``` ## 输出规范 向用户呈现挖掘结果时,按以下格式组织: 1. **API 名称与功能**:一句话描述2. **HTTP 方法与路径**:`METHOD /open-apis/...`3. **关键参数**:列出必填和常用可选参数4. **所需权限**:scope 列表5. **调用示例**:给出 `lark-cli api` 的完整命令6. **注意事项**:频率限制、特殊约束等 如果用户使用英文交流,将以上所有内容翻译为英文。 ## 安全规则 - **写入/删除类 API**(POST/PUT/DELETE)调用前必须确认用户意图- 建议先用 `--dry-run` 预览请求(如支持)- 不要猜测 API 路径或参数——必须从文档中获取确认- 涉及敏感操作(删除群、移除成员等)时,向用户说明影响范围 ## 使用场景示例 ### 场景 1:用户需要拉人进群(未被 CLI 封装) ```bash# Step 1: 确认 CLI 没有封装lark-cli im --help# → 发现没有 chat_members 相关的 create 命令 # Step 2-4: 通过文档挖掘获得 API 规范# → POST /open-apis/im/v1/chats/:chat_id/members # Step 5: 调用lark-cli api POST /open-apis/im/v1/chats/oc_xxx/members \ --data '{"id_list":["ou_xxx","ou_yyy"]}' \ --params '{"member_id_type":"open_id"}'``` ### 场景 2:用户需要设置群公告 ```bash# Step 1: 确认 CLI 没有封装lark-cli im --help# → 没有 announcement 相关命令 # Step 2-4: 挖掘文档# → PATCH /open-apis/im/v1/chats/:chat_id/announcement # Step 5: 调用lark-cli api PATCH /open-apis/im/v1/chats/oc_xxx/announcement \ --data '{"revision":"0","requests":["<html>公告内容</html>"]}'``` ## 参考 - [lark-shared](../lark-shared/SKILL.md) — 认证和全局参数- [lark-skill-maker](../lark-skill-maker/SKILL.md) — 如需将挖掘到的 API 固化为新 SkillLark Approval
A straightforward wrapper for Lark's approval workflow APIs that handles the tedious bits of managing approval instances and tasks. You can pull approval detail
Lark Attendance
Automates Lark/Feishu attendance record queries through their CLI tool. You'd use this when building HR dashboards, automating attendance reports, or integratin
Lark Base
Here's a comprehensive toolkit for managing Lark Base (Feishu's multidimensional tables) through command-line operations. It handles everything from creating ta