话说回来，

前言

在上一篇文章中我们讲解了如何使用微信 ClawBot 连接本地 AI Agent。今天我们将把目光转向飞书机器人，并详细说明如何让它与本地 AI 智能交互。不过，

如果你刚开始接触飞书开发。常见的痛点包括：不知道从哪里获取 App ID 与 Secret、配置权限时不确定哪些 scope 必须开启、长连接只能接收事件而不能发送消息，还有 Python 代码会因为阻塞主线程导致不能正常运行。

创建飞书应用

打开飞书开放网站

访问飞书开发网站 并登录。按理说，

创建应用

• 点击 创建公司自建应用
• 填写应用名称和描述
• 选择应用图标

复制凭证

在“凭证与基础信息”中复制：

• App ID
• App Secret

启用机器人能力 & 配置权限

在权限管理中点击批量导入/导出权限按钮。接下来粘贴以下 JSON：

{
"scopes": {
"tenant":
}

配置事件订阅

在事件与回调中设置订阅方式为长连接,添加事件 im.message.receive_v1.

发布应用

Create a new version in “版本管理与发布” and publish it.

If you are administrator of test workspace,you will receive an approval message on your mobile Feishu app.

---

从痛点来看，权限配置繁琐？快来看看你需要的 scope 列表！

• "app_secret" 与 “app_id” 是必填项，如果缺失会导致所有 API 调用失败。
• "event:*" 权限是主要，若未授权则无法收到任何消息事件。
• "im:*" 权限决定能否发送和读取消息；缺少 “im.message.send_as_bot” 将导致回复失败。
• "tenant" 与 “user” 的区别是：tenant 作用于整个公司，user 只针对单个使用者。
请根据业务需求细心挑选。不要一次性开启全部，以免被误判为恶意操作。

实现飞书连接本地 Agent 的关键步骤

建立 API Client

from dataclasses import dataclass
import lark_oapi as lark
@dataclass
class FeishuConfig:
"""飞书渠道配置"""
app_id : str = ""
app_secret : str = ""
encrypt_key : str = "" # 可选字段，空字符串表示不使用加密
verification_token : str = "" # 可选字段，空字符串表示不验证消息来源
class FeishuChannel:
def __init__:
self.config = config
# 建立 API Client
self._client = lark.Client.builder\
.app_id\
.app_secret\
.build

• You can inject configuration at runtime.
• This separation allows hot‑reload of secrets.

长连接飞书客户端

from loguru import logger
class FeishuChannel:
def __init__:
# ...省略...
def start -> None:
# 建立事件处理器
builder = lark.EventDispatcherHandler.builder(
self.config.encrypt_key。self.config.verification_token
)
handler = builder.register_p2_im_message_receive_v1.build
# 初始化长连接客户端并传入事件处理器
ws_client = lark.ws.Client(
self.config.app_id,self.config.app_secret,event_handler=handler
)
ws_client.start
logger.info")
def _on_message -> None:
...# 接收消息回调逻辑...

• The long‑connect client ) blocks main thread;see next section for async handling.

注意的观点是。只能接收事件，不能发消息。要回复必须使用普通 OpenAPI 客户端。

接收消息事件处理函数

def _on_message -> None :
msg = data.event.message
if data.event.sender.sender_type == 'bot' or msg.message_type!= 'text':
return
content=json.loads.get
if not content:
return
logger.info
self._process_and_reply

• This demo only processes plain text messages from users.

发送消息到 AI Agent 并回复给使用者

import agent_loop as agent
def _process_and_reply -> None :
try :
history=
reply_text=agent.agent_loop
if not reply_text:return
receive_id_type= 'chat_id' if chat_id.startswith else 'open_id'
req=CreateMessageRequest.builder\
.receive_id_type\
.request_body\
.receive_id\
.msg_type\
.content)\
.build)\
.build
resp=self._client.im.v1.message.create
if resp.success:logger.info
else :logger.error
except Exception as e :
logger.error 

---

启动飞书机器人脚本

from loguru import logger
from feishu import FeishuChannel。FeishuConfig
def main :
config=FeishuConfig(
app_id ="xxxx",app_secret ="xxxx",encrypt_key="",# 若后台配置了则填入，否则留空
verification_token="" # 若后台配置了则填入，否则留空)
)
channel=FeishuChannel
logger.info
try :
channel.start
except KeyboardInterrupt :
logger.info
if __name__=="__main__": main

• 第一步先：FeishuConfig 填写 App ID、Secret、Encrypt Key、Verification Token。 这一步常见错误是忘记填写 Encrypt Key 导致解密失败。
• 接下来：FeishuChannel 初始化；依赖注入模式使得后期更换账号或迁移到其他服务变得简单。
• 然后：channel.start 启动 WebSocket 长连；此方法会阻塞主线程，所以请确保你的运行环境支持异步或多线程。若直接运行出现卡顿，可参考下面的异步实现。
① 在终端执行 pip install -r requirements.txt 安装依赖；② python test_feishu.py 开始监听。

#async-section

---

---

Tip: 为了避免因 AI 执行时间过长导致 WebSocket 接收堵塞，请把 AI 调用包装成单独线程或协程。老实说，

---

• NPM vs Python: Node.js 的主线程即为事件循环。而 Python 默认没有，需要显式创建 asyncio 循环或使用多线程来避免冲突。了解这一差异能帮助你更好地设计架构。) ，) …等等，?) ，) …等等，?) ，) …等等，?) ，) …等待，😜?:)，?，?，

---

您现在可以在飞书开放网站上快速搭建自己的聊天机器人，并让它调用本地 AI 模型进行即时对话啦！

---