日报周报工作分析

把飞书聊天记录自动变成三种产出：

脚本在 scripts/，三个模式的详细规则分别在 references/morning-brief.md、references/evening-summary.md、references/weekly-report.md。

数据源（双引擎互补，实测结论）

collect_all.py 已把消息扫描、lark-daily-tasks 采集和补采（审批/邮件/视频会议/任务活动）合并为一个 context JSON，优先用它。

补采输出字段（context JSON 顶层）：approvals（pending 待我处理 + cc 抄送我；该 API 无时间过滤、无 create_time，全量返回由你按标题/摘要判断相关性；topic 3「我发起」实测不可用不采）、mails（按日期区间过滤）、vc_meetings（实际参会）、task_activity（created 新建 + completed 完成）。每类含 covered 布尔标记，为 false 表示该渠道未采到（权限不足或无数据），写报告时如实标注"未覆盖"，不得伪造。

通用化设计（推广全公司的前提）

• 零硬编码：用户身份（open_id、姓名、检索关键词）全部从 lark-cli auth status 动态获取。任何人登录自己的 lark-cli 后直接可用。
• 不依赖 search:message 权限：消息用 im +chat-messages-list 逐会话拉取。
• 相关性判定宁多勿漏：我发的 + @我的 + 提到我名字的 + 私聊里对方发的，全部保留；纯机器人私聊自动过滤；语义取舍由你（LLM）在总结阶段完成。

前置条件

1. 用户已 lark-cli auth login（user 身份 ready）。先 lark-cli auth status 确认。
2. Python 3 可用（脚本用标准库）。
3. （可选，增强）安装了 lark-daily-tasks skill 则有日历/妙记/文档活动；没有也不影响消息主线，脚本会自动降级。

模式 A：早间梳理（工作日 10:00）

1. 判断工作日：date +"%Y-%m-%d %A"。周一~周五才执行；周末一句话告知不发。
2. 采集：

   python scripts/collect_all.py --date <昨天YYYY-MM-DD> --out <tmp>/ctx.json

3. 补任务数据（今日到期 / 逾期未完成 / 今日日程），命令见 references/morning-brief.md。
4. 你阅读 ctx.json + 任务 + 日程，按 references/morning-brief.md 的规则写内容（昨日@我消息的处理状态、我的事项进展、遗漏；今日到期任务、待回复、会议、P0/P1/P2 排序）。
5. 发卡片：写 content.json（格式见下）后：

   python scripts/build_daily_card.py <tmp>/content.json

模式 B：一天总结（工作日 19:00）

1. 判断工作日（同上）。
2. 采集今天：

   python scripts/collect_all.py --date <今天YYYY-MM-DD> --out <tmp>/today.json

3. 补任务数据：今日到期未完成、近两天完成/新建。
4. 按 references/evening-summary.md 的四个视角总结：完成了什么 / 推进中什么 / 未收尾什么 / 明天接什么。
5. 发卡片（title 用 🌙 工作日一天总结｜MM-DD 周X，template 用 green）。

模式 C：周报总结（周五 12:00）

1. 采集本周（周一~今天）：

   python scripts/collect_all.py --start <周一YYYY-MM-DD> --end <今天YYYY-MM-DD> --out <tmp>/week.json

2. 按 references/weekly-report.md 的模板写周报 markdown（本周概览 → 工作事项分项目 → 跨团队协作；结果导向、保留术语、只算我参与的）。
3. 写入飞书文档：周报 md 文件首行加 <title>标题</title>，然后（cd 到文件目录用相对路径）：

   lark-cli docs +create --doc-format markdown --content @./week_report.md --as user

   ⚠️ 实测要点：标题放 content 首行，不要用 --title flag；@file 只接受相对路径。
4. 把文档链接发给用户：用 build_daily_card.py 发一张简短卡片（含文档链接），或直接在对话中给链接。

   自动化场景下无需人工确认直接创建文档；人工触发场景先给用户看周报全文再创建。

content.json 格式（模式 A/B 通用）：

{
  "title": "🗓 工作日早间梳理｜MM-DD 周X",
  "template": "blue",
  "sections": ["**问候+总述**", "## 段落1\n...", "## 段落2\n..."],
  "footer": "💡 一句话备注"
}

定时任务（AI Mana 自动化）

三个模式已配置为 AI Mana 自动化（用 create_automation/update_automation 管理，不用系统 cron）：

自动化 prompt 要点：先判断工作日 → 调本 skill 脚本采集 → 按对应 reference 规则生成内容 → 卡片发用户个人会话（周报先建文档）。

常见坑（实测沉淀，务必遵守）

1. 不要只看 @我 的消息：必须拉全量消息再判断相关性。scan_messages.py 已经这么做了，不要绕过它。
2. lark-cli 版本差异：+chat-list 排序 flag 新旧版不同（--sort/--sort-type），脚本不传排序参数保证兼容；+chat-messages-list 排序是 --sort asc（不是 --order）；docs +create 新版废弃 --title flag。
3. -q .data.total 返回纯数字：run_cli_json 已兼容标量。空输出≠出错，可能只是该会话无消息。
4. Windows：lark-cli 实际是 lark-cli.cmd，subprocess 需 shell=True；勿绕过 larklib.run_cli 直接调。
5. 私聊消息天然相关，但纯机器人私聊要跳过（脚本已自动过滤）。
6. 发送目标：卡片一律发到用户自己的个人会话，不发群，除非用户明确要求。
7. lark-daily-tasks 消息采集会失败（缺 search:message）——合并 context 时忽略它的 messages 字段，消息以 scan_messages 为准。
8. 文档"打开过"≠"完成了"：写总结时不要把浏览活动当成工作产出。
9. 审批 API：approval tasks query 用 --params '{"topic":"1","page_size":100}' 传参（不是 --topic/--start-timestamp flag）；topic 1=待我处理、2=我已处理、17=抄送我、3=我发起实测返回 field validation failed 不可用；任务对象无 create_time、API 无时间过滤，只能全量返回按标题判断相关性。