企业官网建设流程全解析

每天一睁眼，打开飞书就是满屏的文档、表格、群消息、会议纪要，几年下来，这些内容早就变成一座“数据矿山”。但真到要用的时候，要么记不清文件在哪，要么找到了也没法直接复用。我最近折腾出一条免费路子，用本地AI工作台WorkBuddy配合一个叫仓颉.Skill 2.5的技能包，把飞书里的任何内容成体系地“蒸馏”出来，变成能直接调用的技能。这里的蒸馏，不是模型训练里那个知识蒸馏，而是把散落的业务内容提炼、清洗、重组，封装成可复用的Skill。这篇文章是我自己的实操记录，包括怎么绕过飞书官方那个动不动就收费的CLI权限，纯免费把整条链路跑通。

1. 为什么要“蒸馏”飞书：先搞懂这套组合要解决什么问题

1.1 飞书内容管理的三个痛点

第一个痛点是内容形态太割裂。飞书里的知识不是一个整体，而是散落在云文档、电子表格、多维表格、群聊消息、日程纪要里。文档里写的是逻辑，表格里存的是数字，群里聊的是过程和结论，它们互相引用却又互相孤立。真要把一个项目的完整上下文捞出来，你得同时打开五六个文件，脑内手动拼图。

第二个痛点是检索只能靠模糊记忆。飞书自带的搜索足够找文件名，但不够找“内容背后的含义”。如果你只记得“上个月讨论过一个关于权限设计的方案，但不知道放在哪个文档”，你只能在搜索框里反复试关键词。而且就算找到了，你拿到的是一堆原始材料，不是可以直接用的结论。

第三个痛点是跨项目复用几乎没有。同一个活动策划流程，这个项目做完下个项目又要重写一遍；同一个数据口径，市场部和运营部各有一套说法。知识沉淀在飞书里，但知识没有“长腿”，不会自己跑到新项目里去帮忙。

1.2 “蒸馏”在本文里的真实含义

“蒸馏”这个词最早让我想到的是酿酒和炼油，把混合物加热，让有用的成分蒸发再冷凝回收。放到AI领域，知识蒸馏是指用大模型教小模型，把能力压缩传递。但仓颉.Skill 2.5里的蒸馏，走的其实是另一条路：它不压缩模型，它提炼内容。

通俗地讲，蒸馏就是把飞书里的原始内容当成原料，经过“采集 - 清洗 - 结构化 - 封装”四步，输出一份可以直接交给AI工作台使用的Skill包。Skill包里通常包含三样东西：一是行为指令，告诉AI面对什么输入时应该怎么处理；二是参考语料，把飞书原始内容里最有价值的部分摘选出来；三是数据资产，比如多维表格里的结构化记录，转成JSON或CSV后随技能一起交付。

这样做的好处非常明显：以后你再遇到类似任务，不用去飞书里大海捞针，直接唤起对应的Skill，AI就会按照蒸馏时沉淀的规则和资料帮你处理。等于把飞书从“档案室”变成“生产线上的老师傅”。

1.3 为什么选WorkBuddy加仓颉.Skill这套组合

市面上能连飞书的AI工具不少，但大多数都绑定了云端服务、按调用次数收费，或者要求企业管理员开通付费权限。WorkBuddy的定位是本地化AI工作台，资料默认不出本地，跑起来成本极低。仓颉.Skill 2.5是适用于WorkBuddy平台的一个技能开发插件，它把“从飞书拉内容、清洗内容、生成Skill”这件事做成了向导式的流程，不需要你懂复杂的API编程。

我见过很多人卡在第一道门槛上：飞书开放平台的CLI权限是要单独申请的，而且通常只对企业版开放。仓颉.Skill 2.5的聪明之处是它不走CLI，只走飞书自建应用的云文档API和机器人API，这两类接口在免费额度内就能覆盖绝大多数“蒸馏内容”的需求。所以整套方案可以被“免费”两个字概括：工具免费、API免费、跑在本地不花token费用。

这套组合适合谁？适合每天被飞书绑架的运营、产品、项目经理、知识管理负责人，也适合想在本地搭一套个人AI知识库但不希望掏钱开会员的人。哪怕你完全不懂编程，只要会点鼠标、能看懂中文，就能照着下面的步骤把第一个Skill蒸馏出来。

2. 准备阶段：免费路径需要哪些组件

2.1 WorkBuddy的安装与基础配置

WorkBuddy官方提供了Windows、Linux、macOS三种安装包，我实测用的是Windows版，但原理都一样。下载安装包后一路下一步即可，唯一要注意的是安装路径不要带空格和中文，否则后面仓颉.Skill的Python环节容易出幺蛾子。

装完首次启动，它会问你工作目录放在哪。这里有个热词经常被搜到：“WorkBuddy系统缓存目录能改到D盘吗”。答案是可以，而且我强烈建议你改。以Windows为例，打开设置面板，找到“存储与缓存”，把缓存目录从C盘默认路径改到D盘某个专门目录。原因很简单：蒸馏过程中需要暂存飞书下载下来的原始文档和多维表格快照，这些内容动辄几百MB，如果一直堆在C盘，用不了几次就会把系统盘塞满。改完之后重启WorkBuddy，让配置生效。

接下来建议安装Python运行时。仓颉.Skill 2.5内部依赖Python执行清洗脚本，特别是处理表格和文本去重的时候。WorkBuddy自带了一个Python解释器，但我踩过坑：自带的版本可能偏老，导致某些依赖装不上。我后来直接用系统Python 3.10以上版本，然后在WorkBuddy里指定解释器路径，一路顺畅。

2.2 仓颉.Skill 2.5的获取和加载

仓颉.Skill 2.5本身是一个技能开发包，不是独立的软件。你可以从它的官方渠道下载zip包，解压之后会得到一个命名为cangjie_skill_2.5的文件夹。把整个文件夹放进WorkBuddy的skills目录，然后在WorkBuddy的技能管理界面点“扫描本地技能”，操作完成后，左侧技能列表里就会出现“仓颉.Skill 2.5”。

加载完成以后，建议先跑一下自带的“自检任务”来验证环境。自检会做三件事：检查能否访问common Gateway接口、检查Python清洗模块是否可用、检查本地磁盘写入权限。我遇到过一个情况：电脑上装了安全软件，把WorkBuddy对本地文件夹的写入给拦截了，导致自检一直报错。把WorkBuddy加入安全软件白名单，或者以管理员身份运行一次，问题就消失了。

在正式用之前，还要理解仓颉.Skill 2.5里的三个核心模块：内容采集器负责连接飞书并拉取数据；内容清洗器负责把文档里的噪声去掉，比如页眉页脚、重复段落、无意义的表情符号；技能装配器负责把清洗后的内容封装成Skill并生成一个小规模测试集。后面的蒸馏流程，实际上就是按顺序操作这三个模块。

2.3 飞书自建应用的免费接入：绕开CLI权限

很多人在折腾飞书API时，第一反应是去开通飞书开放平台的CLI权限。但CLI权限通常要企业管理员操作，还要审核、签协议，个人开发者很难拿到。仓颉.Skill 2.5通过飞书自建应用来绕过这个限制，而且全程免费。

操作路径：登录飞书开放平台后台，选择“企业自建应用”，创建一个应用。创建之后你就能拿到App ID和App Secret，这两个凭证是后面所有接口调用的敲门砖。然后进入“权限管理”，按需开通以下权限：读取云文档（包括文档内容和表格内容）、读取多维表格记录、读取群消息（仅限应用所在群的聊天记录）、发送消息（用于把蒸馏结果发回飞书）。这些都是基础权限，免费版就能开通，不需要额外付费。

开通权限之后，把应用发布到你的测试企业里。如果你的账号没有企业，可以创建一个人数少于100人的测试企业，飞书允许免费创建，审批也非常快。发布成功之后，在WorkBuddy的仓颉.Skill配置界面里填入App ID、App Secret，以及你的飞书User ID或部门ID，它会自动去换取访问令牌。

这里分享一个关键避坑经验：飞书的access_token分tenant_access_token和user_access_token，仓颉.Skill默认用的是tenant_access_token，也就是以应用身份读取，不需要用户扫码授权。这种方式覆盖了绝大多数文档读取场景。但如果你要读取“我收到的私聊消息”这类数据，必须走user_access_token，需要在飞书里完成一次用户授权。仓颉.Skill 2.5支持这个流程，在配置里切换认证方式为“用户身份”，然后它会弹出一个授权链接，用飞书扫码即可。免费额度足够你做日常蒸馏。

3. 核心实操：把飞书内容蒸馏成一个Skill的完整流程

3.1 在WorkBuddy中新建蒸馏任务

打开WorkBuddy，在仓颉.Skill 2.5面板里点击“新建蒸馏任务”。此时会出现一个任务向导，第一步是给任务起名字。我建议按“项目名+内容类型+用途”的格式来起，比如“官网改版需求文档蒸馏官网上线检查技能”，这样以后找起来一目了然。

第二步是配置数据源类型。仓颉.Skill 2.5支持四种数据源：云文档、电子表格、多维表格、消息记录。选错类型会导致后续解析失败，所以这里要特别留意。比如你目标是飞书“文档”里的正文内容，那就选云文档；如果是想要多维表格里的结构化数据，选多维表格；如果想分析群里大家讨论的过程和结论，选消息记录。

第三步是连接数据源。可以直接粘贴飞书链接，也可以在输入框里填入文档token。实际上飞书链接里通常就带着token，形如docs.feishu.cn/docx/xxxxxxxx，复制后面那段字符串即可。连接成功后，采集器会先拉取元数据，比如文档标题、目录、最近修改时间，先给你预览确认，避免拉错文件。

3.2 设置蒸馏参数：深度、格式、语言和去重

这一环节是整个蒸馏过程的核心，参数设置直接影响输出Skill的质量。仓颉.Skill 2.5提供四类关键参数。

深度分为浅层、中层、深层三档。浅层蒸馏只对原文做自动摘要，保留每个章节的关键句，适合会议纪要这类内容；中层蒸馏会提取关键概念、结论和行动项，并保留原文中的重要数字和引文，适合需求文档和方案类内容；深层蒸馏会把原文拆成知识条目，结合上下文重新组织语言，做到“读一份文档等于读十份整理后的笔记”，适合用来搭建知识库问答技能。参数选择逻辑很简单：内容越散、越需要逻辑重组，就选越深的档位；内容本身已经足够结构化，比如一份清单，浅层反而更保真。

格式选择决定蒸馏产物的存储结构。Markdown格式可读性最好，适合观感和后续人工编辑；JSON格式适合程序调用；CSV格式最适配表格型数据。如果你想做一个既能查数据又能解释规则的混合型Skill，我建议选Markdown加配套JSON双输出。

语言设置指的是“蒸馏时以什么语言输出”。如果你的飞书文档是中英混杂，可以选择“中文优先”，清洗器会把英文术语保留但用中文解释一遍，或者直接保留原始语言。一般场景下选“跟随原文”最省事。

去重开关默认开启，强烈建议保持开启。飞书同一个内容往往会在多个文档里重复出现，比如同一个会议结论被写了三次。去重会基于语义相似度剔除重复段落，但要注意：它会保留第一次出现的内容，如果最早的版本已经被后来修改，可能会造成信息滞后。所以我在做重复内容比较时需要人工确认一次，不过大部分场景下默认策略够用。

3.3 运行蒸馏并预览中间产物

确认参数后点击“开始蒸馏”。此时仓颉.Skill 2.5会先在本地把飞书内容拉取下来，然后进入清洗阶段。这个过程不需要联网调用云端大模型，所以不产生API费用。你可以在界面上看到实时日志，包括“解析文档结构”“移除页眉”“合并重复段落”“提取表格数据”等步骤。

清洗完成之后会进入“预览中间语料”页面。中间语料就是完成清洗但还没封装成Skill的半成品，你应该花几分钟扫一遍。重点检查：有没有重要段落被误删？表格里的数据有没有错位？原文档中的图片是否已经被替换成占位说明？仓颉.Skill对图片的处理默认是提取图片下方的标题和上下文文字，并不会保存图片本身，这会导致一些以图为主的解说文档变得残缺。我的经验是，在蒸馏前先对源文档做一次人工整理，把重要的图和表补充说明文字，这样蒸馏出的结果更完整。

如果发现清洗结果不理想，可以直接在预览页面对中间语料微调，比如手动拖回被删除的段落，或者重新划分章节。然后再进入下一步。

3.4 生成Skill包：schema、指令集、测试集

中间语料确认后，点击“生成技能包”。仓颉.Skill 2.5会自动完成三件事：第一，生成技能描述文件schema，给Skill起名、写简介、定义输入输出参数；第二，生成行为指令集prompt，告诉WorkBuddy当前技能应该在什么时机被调用、按什么规则回答；第三，生成一个微型测试集，包含5到10条典型问题和预期答案，用于验证技能效果。

生成之后，WorkBuddy会要求你选择技能保存位置。我建议统一放到D:\WorkBuddy\skills\my_skills下，和仓颉.Skill分开存，方便备份和分享。保存完成后，这个Skill会立即出现在WorkBuddy的技能列表里，你可以直接对话测试。

举个例子：刚才蒸馏官网改版需求文档时，生成的技能叫“官网改版上线检查”。我测试时输入“我需要一份上线前的检查清单”，技能立刻调出了蒸馏时沉淀的checklist和验收标准，而不是泛泛地给我百度式的回答。这种“回答有出处、有依据”的感觉，就是蒸馏带来的最大价值。

注：如果你后续希望把Skill分享给同事，直接把整个文件夹压缩发过去即可。对方只需要在WorkBuddy里导入，不需要重新连接飞书。这也意味着，授权账号一旦过期，蒸馏好的Skill仍可长期使用，这也是本地蒸馏的核心优势之一。

4. 三个真实场景的蒸馏实验

4.1 实验一：产品需求文档蒸馏为需求分析技能

第一个实验我用了一份20页的产品需求文档。这份文档包含背景、用户故事、功能清单、交互说明、埋点需求、排期计划。放在飞书里就是一篇很长的云文档，真要写一个新功能时，关联人员往往要重新翻一遍。

参数设置：数据源选云文档，蒸馏深度选“深层”，输出格式选“Markdown + JSON”，语言跟随原文，去重开启。整个蒸馏过程大约耗时40秒，中间清洗阶段把文档里大量重复的“用户点击后跳转”这类交互描述合并成了统一的规则表述，这个细节我很满意。

生成出的Skill被命名为“需求分析助手”。我试了几个问题：帮我把埋点需求按页面维度整理成表格；这个功能的核心用户流程是什么；和上一个版本相比有哪些改动点。Skill都能从蒸馏语料中定位到对应章节并给出带原文引用的回答。相比让大模型直接读整篇PDF，这个Skill的回答更快、更聚焦，因为它已经把指标定义、涉众边界、历史变更都提炼好了。

4.2 实验二：多维表格蒸馏为数据查询技能

飞书多维表格是一个很神奇的存在，既能存数据又能做视图，但数据分析能力有限。我有一个小组长期用多维表格维护客户信息，里面包含客户名称、行业、阶段、最近联系时间、备注，大约几百条记录。

我的蒸馏目标是做一个“客户数据问答”技能。数据源选“多维表格”，蒸馏深度选“浅层”，输出格式选“CSV + Markdown”。因为多维表格本身已经是结构化的，不需要深层重写，浅层蒸馏保留原始记录即可，怕的是把结构化数据搞乱。

执行后，仓颉.Skill 2.5把多维表格导出成CSV，同时根据字段名和样例记录自动生成了字段说明Markdown，比如“阶段字段包含A/B/C三类，分别代表初步接洽、方案确认、签约完成”。最终生成的Skill可以这样用：输入“帮我筛选出这个季度新增的A阶段客户”，它会先调用CSV数据资产做筛选，再用字段说明解释结果。整个过程不需要写SQL，也不需要把数据导出去其他地方。

这里有个需要注意的地方：多维表格的数据量如果超过几千行，免费API拉取会有分页限制，仓颉.Skill 2.5默认一次最多拉取1000行，超过部分需要开启“分批拉取”开关。这个开关在数据源配置页的最底部，默认关闭，我一开始没注意，导致只拿到第一页数据，后来打开开关才补齐。所以在蒸馏之前，先去多维表格右下角看看总行数，超过印象值就记得开启分批拉取。

4.3 实验三：项目群消息蒸馏为周报生成技能

第三个实验是很多人问到的：能不能把群聊记录蒸馏成周报生成工具。我把一个项目群最近一个月的消息作为数据源，深度选“中层”，格式选“Markdown”，目的不是逐句保留对话，而是把讨论中冒出来的决定、问题、下一步行动提取出来。

仓颉.Skill 2.5对消息记录的处理比较特殊：它不是按时间顺序输出全文，而是先做聚类，把同一主题的消息归到一起，再从每个主题里提取结论和待办。清洗阶段会把大量“收到”“+1”“表情回复”这类水消息自动过滤掉。最终生成的Skill内置了周报模板，会自动按项目进展、风险、资源协调、下周计划四个板块组织内容。

我测试的时候输入“帮我生成这周的周报”，它先读取本周新增的消息集，蒸馏之后按模板输出了一版草稿。草稿里居然能准确写出“周三确认了官网文案最终版”这种关键节点，因为消息聚类已经把散落在不同时间线的相关消息串起来了。这个效果是我预期之外的，也是我认为最有惊喜的一个场景。

5. 常见问题与排查技巧实录

以下问题都是我在实操中真实遇到过的，整理成速查表，遇到同样报错可以直接照着查。

这里再补充两个细节。第一个是飞书“没有CLI权限”并不可怕，因为仓颉.Skill自带的常用接口不需要CLI；但是如果报错信息明确提示“接口调用需要应用具备更高版本能力”，那大概率是权限枚举里有些选项只针对特定api版本，此时可以把读取方式从“以应用身份”切换成“以用户身份”，往往能绕过版本限制。第二个细节是关于token过期。tenant_access_token的有效期一般是两小时，WorkBuddy会在后台自动刷新，但如果你手工改过系统时间，会导致刷新触发失败，报出“token expired”。遇到这种情况，点一次“重新连接飞书”即可。

关于蒸馏任务重复运行的问题：如果源文档发生了小改动，你不需要重新创建任务，直接在技能列表里右键对应Skill，选择“增量更新”，仓颉.Skill会对比上次语料和当前内容的差异，只清洗新增部分。我通常每周对重要项目做一次增量更新，既保证技能不过时，又避免浪费时间处理同样的全文。

6. 蒸馏过程中必须守住的三条红线

6.1 只蒸馏你本人有权访问的内容

飞书开放平台应用一旦获得权限，理论上可以读取应用可见范围内的大量文档。但权限大不等于可以乱用。我给自己定下的规则是：只蒸馏本人创建、本人参与或应用所在团队明确授权的内容。特别是群消息，我只会去蒸馏自己作为成员或管理员的群，绝不尝试通过admin权限去拉取其他私密群的消息。这里不仅是合规问题，也是职业道德问题。

6.2 涉密和非公开数据不要进本地技能包

虽然WorkBuddy是本地运行，但蒸馏后的Skill文件夹如果被分享出去，里面的数据资产也会跟着走。我建议在分享Skill之前，用仓颉.Skill的“脱敏清洗”功能把手机号、身份证、银行卡、内部系统链接通通替换成占位符。这个功能在生成技能包之前有一个“敏感信息过滤”开关，默认是开启的，但默认规则比较简单，建议自己再加几条正则规则。尤其是飞书多维表格里的客户数据，脱敏清洗之后再生成CSV，不然一个不小心散出去就是事故。

6.3 不要完全依赖蒸馏结果做重大决策

蒸馏出的Skill本质上是对原始内容的提炼加工，加工过程可能出现信息损耗。我见过有人拿着蒸馏后的技能包直接去做报价决策，结果因为源文档中一个关键前提被清洗器误删，导致报价基准完全错误。所以我的习惯是：重大决策前，重要数据一定回源文档二次核对。蒸馏是为了加速信息获取，不是为了替代原始事实。

7. 最后一公里：WorkBuddy + 仓颉.Skill后续还能怎么玩

跑通基础蒸馏流程之后，我开始琢磨几个进阶玩法。第一个是“层级蒸馏”：先蒸馏出项目核心文档，生成一个“项目概述技能”，再蒸馏多个子文档，生成“技术方案技能”“排期管理技能”等，最后用一个汇总Skill把这些子技能全部挂载进去。这样WorkBuddy就能根据用户问题自动路由到对应子技能，而不是把所有语料都塞进一个大而全的Skill里。

第二个玩法是把蒸馏和飞书机器人打通。仓颉.Skill 2.5支持生成“机器人消息卡片”，你可以让蒸馏后的Skill在WorkBuddy里跑出一个结果，再通过飞书机器人发送到群里。比如每周五上午，我配置了一个定时任务：自动蒸馏本周新增群消息，生成周报草稿，然后通过飞书机器人把周报推送到项目群。群里同事看到的是一张结构清晰的卡片，完全不知道它背后走了一条“飞书 -> 本地蒸馏 -> 飞书”的循环链路。

第三个玩法是跨团队分发技能包。我们把“活动复盘模板”和“发布会准备清单”蒸馏成Skill包以后，直接用企业内网盘发给其他小组，他们导入WorkBuddy就能用，不需要再共享飞书文档权限。这样既减少了跨团队的沟通成本，也让那些经验真正沉淀成了可复制的资产。

说到这，我必须再夸一下免费这件事。整套流程里，我没有开通任何飞书付费项目，没有使用云端大模型计费接口，WorkBuddy和仓颉.Skill 2.5都是免费下载使用。唯一的硬性成本是一台能运行WorkBuddy的电脑，以及偶尔手动维护数据源的时间。当然，免费也意味着自定义能力有限，如果你想在蒸馏规则上做深度定制，还是得自己改一点Python代码，不过这是后话了。

最后分享一个我非常受用的小技巧：每次蒸馏完一个Skill，我都会在旁边放一个README.md，里面记录这次蒸馏的时间、源文档链接、蒸馏参数和我手动修正过的内容。这个习惯看起来有点“笨”，但当半年后回来看某个技能包时，你还能清楚地知道它的“原料”是谁、加工深度是多少、哪些地方被人工干预过。这种可追溯性，在知识越多越杂的时候越显得珍贵。希望这套免费蒸馏的玩法能帮你把飞书里的内容真正盘活。