feishu-weekly-report

生成飞书周报。通过两种方式收集工作内容：(1) 调用飞书API拉取指定时间范围的聊天记录，(2) 读取本地daily memory日志。合并两个数据源后，按用户指定的周报模板自动整理输出。触发词：周报、工作总结、上周总结、本周总结、写周报、weekly report。 Use when: 用户需要生成周报、工作总结，或要求回顾某段时间的工作内容。

View Source SKILL.md

Stars

Installs

Status

ACTIVE

Visibility

PUBLIC

安装方式

直接复制以下提示词，发送给你的 AI 助手即可完成安装。

请先检查是否已安装 SkillHub 商店，若未安装，请根据 https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/skillhub.md 安装 SkillHub 商店，然后安装 feishu-weekly-report 技能。若已安装，则直接安装 feishu-weekly-report 技能。

Overview

Skill Key: hakityc/feishu-weekly-report
Author: hakityc
Source Repo: openclaw/skills
Version: -
Source Path: skills/hakityc/feishu-weekly-report
Latest Commit SHA: f1be4d6968c6871ac6b7a359998c93904ab9d9dc

Extracted Content

SKILL.md excerpt

# 飞书周报 Skill

生成周报分两步：收集素材 → 整理输出。

## Step 1: 收集素材

从两个数据源并行收集，合并去重。

### 数据源 A: 飞书聊天记录（API 拉取）

1. 确定时间范围（默认上周一 00:00 到上周日 23:59，用户本地时区）
2. 从 OpenClaw 配置获取飞书 app_id 和 app_secret：
   ```bash
   grep -E "appId|appSecret" ~/.openclaw/openclaw.json
   ```
3. 获取当前 chat_id（从 inbound context 的 `chat_id` 字段取）
4. 计算时间戳（秒级）并执行拉取脚本：
   ```bash
   START_TS=$(python3 -c "import datetime; d=datetime.datetime(2026,2,24,0,0,tzinfo=datetime.timezone(datetime.timedelta(hours=8))); print(int(d.timestamp()))")
   END_TS=$(python3 -c "import datetime; d=datetime.datetime(2026,2,28,23,59,59,tzinfo=datetime.timezone(datetime.timedelta(hours=8))); print(int(d.timestamp()))")
   bash <skill_dir>/scripts/fetch_feishu_messages.sh <app_id> <app_secret> <chat_id> $START_TS $END_TS
   ```
5. 输出为 JSON lines，每行一条消息。过滤掉 `msg_type` 不是 `text` 或 `post` 的消息（图片、卡片等无法提取有效文本）。过滤掉机器人的"正在思考中..."等状态消息。

**注意事项：**
- 时间戳单位是**秒**（不是毫秒）
- 如果用户有多个群聊，可能需要拉取多个 chat_id 的消息
- 消息量可能很大，优先提取用户发的消息（sender_type=user），机器人回复作为补充上下文

### 数据源 B: 本地 Daily Memory 日志

读取 workspace 下的 memory 目录：
```bash
ls <workspace>/memory/YYYY-MM-DD.md  # 对应日期范围内的文件
```

如果日志存在，内容通常已经是整理过的工作要点，优先使用。

### 合并策略

- daily memory 有的内容优先使用（已整理过，质量高）
- 飞书聊天记录补充 memory 中没有的内容
- 去掉闲聊、调试、重复内容，只保留工作相关的实质内容

## Step 2: 整理输出

### 默认周报模板

```markdown
## 本周工作总结

[按工作模块分条列出，每条简洁描述做了什么、产出是什么]

## 关键成果与进展

[本周最重要的2-3个产出/里程碑]

## 下周工作计划

[基于本周工作的延续和未完成事项，按优先级排列]

## 遇到的问题与需要的支持

[阻塞项、跨团队协作需求、资源需求等]

## 其他备注

[可选：学习心得、工具探索、流程优化建议等]
```

### 输出原则

- **简洁**：每条工作描述...

Related Claw Skills

edholofy

dojo.md

★ 4

University for AI agents. 92 courses, 4400+ scenarios, any model via OpenRouter. Auto-training loops generate per-model SKILL.md documents. Works with Claude Code, OpenClaw, Cursor, Windsurf. No fine-tuning required.

lethehades

wps-macos-helper

★ 1

macOS WPS Office workflow helper skill for safer document preparation, conversion, export, and compatibility guidance

capt-marbles

firecrawl

★ 0

Web scraping and crawling with Firecrawl API. Fetch webpage content as markdown, take screenshots, extract structured data, search the web, and crawl documentation sites. Use when the user needs to scrape a URL, get current web info, capture a screenshot, extract specific data from pages, or crawl docs for a framework/library.

caqlayan

Tweet Processor

★ 0

Tweet Processor Skill

carev01

md-docs-search

★ 0

Full-text search across structured Markdown documentation archives using SQLite FTS5. Use when you need to search large collections of Markdown articles that are separated by "---" delimiters and contain source URLs (marked with "*Source:" pattern). Provides fast BM25-ranked search with automatic source URL extraction for citations. Ideal for research, documentation lookups, and knowledge base exploration. Requires indexing documentation first with `docs.py index`.

camelsprout

duckdb-en

★ 0

DuckDB CLI specialist for SQL analysis, data processing and file conversion. Use for SQL queries, CSV/Parquet/JSON analysis, database queries, or data conversion. Triggers on "duckdb", "sql", "query", "data analysis", "parquet", "convert data".

Analysis Signals

Dependencies

python