| name | lark-fashion-cockpit-boss-clone-aily |
| version | 1.0.0 |
| description | 把老板娘的决策风格蒸馏成飞书 Aily 智能伙伴 — 员工在飞书里直接 @「老板娘 AI」就能问，老板不在场也能拿到接近真人的判断。当用户说「问老板」「老板会怎么决定」「老板分身」「该不该 X」「下单建议（AI 老板视角）」时使用。基于 26_老板语料库 200 题问答 + 飞书 Aily v1 API。 |
| metadata | {"requires":{"bins":["lark-cli"]},"cliHelp":"lark-cli api GET /open-apis/aily/v1/sessions"} |
老板分身 · 飞书 Aily 版 — 让团队在飞书里直接「问老板」
🎯 老板娘的痛点： 团队下单决策、产品会、风险判断都要等老板在场。老板手机不在身边，工厂催报单、设计师卡需求、客服等审批 — 全都僵着。
板块： 🅱 商品中心 / 🅴 公司管理（跨板块的"AI 数字员工"）
数据源： 26_老板语料库（200 题）+ 08_教训库 + 14_审批记录 + 历史决策对话
载体： 飞书 Aily 智能伙伴应用 — 员工在飞书搜「老板娘 AI」就出来对话
一、为什么用 Aily 而不是 IM 卡片
| 维度 | 现在 ask-boss.py + IM 卡片 | 升级到飞书 Aily |
|---|
| 谁能用 | 老板娘自己（要懂关键词） | 全员可用，搜助手名字就能聊 |
| 上下文 | 单次问答，无记忆 | 多轮对话，记得你昨天问过什么 |
| 工具调用 | 只能输出文本 | 能调飞书 API（建任务/查表/发审批） |
| 知识库 | 单表 RAG | 多表/多文档/网页 混合 RAG |
| 维护门槛 | 改 Python 代码 | 拖拽配置（运营自己改） |
| 比赛角度 | Python 脚本 | 飞书 2025 最新 AI 平台原生集成 |
核心升级：从"老板娘个人工具" → "全员可用的 AI 数字员工"。
二、前置条件
lark-cli auth login --scope "aily:session aily:message aily:run aily:skill"
需要权限：
aily:session:write — 创建/更新会话aily:message:write — 发送消息给 Aily 助手aily:run:write — 触发 Aily 运行- 飞书 Aily 应用一个（在 https://aily.feishu.cn 创建，详见
docs/AILY-SETUP.md）
三、工作流（三个使用场景）
场景 A：员工日常问答（最常用）
触发语： "问老板娘 [问题]" / "@老板娘 AI [问题]" / 在 Aily 里直接聊
lark-cli api POST /open-apis/aily/v1/sessions \
--data '{"channel_context": "{\"chat_id\":\"oc_xxx\",\"user_id\":\"ou_xxx\"}"}' \
--jq '.data.session.id'
lark-cli api POST /open-apis/aily/v1/sessions/session_aabbcc/messages \
--data '{"content": "DRS-0429-FL 这款备 500 件还是 1000 件？", "content_type": "MDX"}'
lark-cli api POST /open-apis/aily/v1/sessions/session_aabbcc/runs \
--data '{"app_id": "spring_xxxxx"}' \
--jq '.data.run.id'
lark-cli api GET /open-apis/aily/v1/sessions/session_aabbcc/messages \
--jq '.data.messages | last'
场景 B：直接调技能（绕过对话，要结构化输出）
触发语： 系统/工作流自动调用，不走人聊天
lark-cli api POST /open-apis/aily/v1/apps/spring_xxx/skills/skill_xxx/start \
--data '{
"input": {
"product_id": "DRS-0429-FL",
"season": "2026-spring",
"fans_estimate": 1500
}
}'
场景 C：知识库一键问答（语料库智能查询）
lark-cli api POST /open-apis/aily/v1/data_knowledge/ask \
--data '{
"query": "去年同款备货失败的教训",
"data_categories": ["category_lessons"]
}'
四、涉及的飞书 base 表
| 表 | 用途 |
|---|
26_老板语料库 (tblroqP4Kuz8a1yq) | 200 题问答 → Aily 数据知识 |
08_教训库 | 每次 launch-decision 反哺的教训 |
14_审批记录 | 历史审批决策（学习老板的审批风格） |
五、典型对话示例
设计师马萍蔓 →「@老板娘AI 这款印花连衣裙我想做，但是面料贵 30%」
老板娘 AI：
根据老板娘的判断风格（基于 26_语料库 + 08_教训库 综合）：
⚠️ 不建议押。理由：
1. 老板娘对印花款的容忍度低（语料 B-3 / B-37 显示）
2. 面料贵 30% 已超过她容忍度上限（语料 A-5：" 工厂报价高 10% 是上限"）
3. 同类爆款历史教训（08_教训库 #L-007）：印花连衣裙退货率高 22%
💡 替代方案：改纯色试水（老板娘提过 B-3 "印花用基础色款探路"）
📋 [一键建任务] [一键起审批]
老板娘真在场可以直接在 Aily 里说"我同意" / "那就照分身建议来" → Aily 自动建任务 + 起审批。
六、与其他 skill 协作
- launch-decision：分身代老板复审下单决策（90% 一致直接通过，反对时找真老板）
- task-collaboration：分身建议被采纳后自动建任务给对应角色
- approval-flow：分身可代起审批，老板手机一点完成
- knowledge-base：分身回答时自动联动 wiki 上的运营手册
七、参考
