lark-group-sentinel

name	lark-group-sentinel
version	1.0.0
description	飞书群舆情监控与智能预警：实时监听指定群聊消息，进行情绪分析、关键词检测、话题聚类和异常预警，支持生成舆情日报/周报并推送到飞书文档或多维表格。当用户需要监控群聊舆情、分析群消息情绪、检测关键词或敏感词、生成群聊舆情报告、设置群消息预警规则时使用。
metadata	{"requires":{"bins":["lark-cli"]},"cliHelp":"lark-cli event --help && lark-cli im --help"}

飞书群舆情监控与智能预警 (lark-group-sentinel)

前置条件： 先阅读 ../lark-shared/SKILL.md 了解认证、权限处理和安全规则。

概述

本 Skill 将飞书 CLI 的实时事件订阅（lark-event）、消息管理（lark-im）、文档（lark-doc）和多维表格（lark-base）能力编排为一个完整的群舆情监控工作流，实现：

1. 实时监听 — 通过 WebSocket 长连接捕获指定群聊的每条消息
2. 智能分析 — 对消息进行情绪分析、关键词命中检测、话题聚类
3. 异常预警 — 当负面情绪激增或敏感词命中时，立即推送预警
4. 报告生成 — 定时生成舆情日报/周报，输出为飞书文档或多维表格

架构

┌─────────────────────────────────────────────────────────┐
│                    lark-group-sentinel                    │
├─────────────────────────────────────────────────────────┤
│                                                          │
│  ┌──────────┐    ┌──────────┐    ┌──────────────────┐   │
│  │ 实时监听  │───→│ 智能分析  │───→│   异常预警推送    │   │
│  │(lark-event)│   │(AI Agent) │    │  (lark-im send)  │   │
│  └──────────┘    └────┬─────┘    └──────────────────┘   │
│                       │                                  │
│                       ▼                                  │
│              ┌────────────────┐    ┌──────────────────┐  │
│              │  数据持久化     │───→│   舆情报告生成    │  │
│              │ (lark-base)    │    │ (lark-doc/sheets)│  │
│              └────────────────┘    └──────────────────┘  │
│                                                          │
└─────────────────────────────────────────────────────────┘

前置配置

平台侧配置（飞书开放平台后台）

1. 事件订阅方式：进入应用 → 事件与回调 → 订阅方式 → 选择「使用长连接接收事件」
2. 添加事件类型：
   • im.message.receive_v1 — 接收消息（必须）
   • im.message.reaction.created_v1 — 表情回应（可选，用于情绪辅助判断）
   • im.chat.member.user.added_v1 — 成员加入（可选，用于监控群规模变化）
3. 开通权限：
   • im:message:receive_as_bot — 机器人接收消息
   • im:message — 发送消息（预警推送）
   • im:chat:read — 读取群信息
   • im:message:readonly — 读取消息记录
   • im:chat.members:read — 读取群成员
4. 将机器人加入目标监控群

身份要求

操作	身份	说明
事件监听	--as bot	WebSocket 长连接仅支持 bot 身份
发送预警	--as bot	以机器人身份发送预警消息
搜索历史消息	--as user	用户身份可搜索更多历史消息
创建文档/表格	--as user 或 --as bot	均可，user 归属用户，bot 归属应用

工作流

工作流一：实时舆情监控管道

实时监听群消息，逐条分析并触发预警。

# Step 1: 启动实时监听（bot 身份，compact 格式输出）
# --event-types 指定只监听消息事件
# --compact --quiet 输出 Agent 友好的扁平化 NDJSON
lark-cli event +subscribe \
  --event-types im.message.receive_v1 \
  --compact --quiet

输出格式（每行一条消息）：

{"type":"im.message.receive_v1","id":"om_xxx","message_id":"om_xxx","chat_id":"oc_xxx","chat_type":"group","message_type":"text","content":"大家好，今天产品上线了","sender_id":"ou_xxx","create_time":"1773491924409","timestamp":"1773491924409"}

AI Agent 处理逻辑（对每条消息执行）：

1. 过滤目标群：检查 chat_id 是否在监控列表中
2. 情绪分析：分析 content 的情绪倾向（正面/负面/中性）
3. 关键词检测：检查 content 是否命中预设关键词/敏感词列表
4. 话题分类：将消息归类到话题标签（产品反馈、技术问题、投诉建议、日常闲聊等）
5. 触发预警：如果负面情绪得分超过阈值或命中敏感词，立即发送预警

工作流二：发送预警消息

当检测到异常时，向管理员群或指定人员发送预警卡片。

# Step 2a: 发送文本预警消息
lark-cli im +messages-send \
  --chat-id "oc_<管理员群ID>" \
  --msg-type text \
  --text "⚠️ 舆情预警\n群：产品反馈群\n时间：2026-04-15 17:30\n消息：「这个功能太烂了，完全不能用」\n情绪：负面 (得分 -0.85)\n命中关键词：[功能, 烂]"

# Step 2b: 或发送 Markdown 格式预警（更美观）
lark-cli im +messages-send \
  --chat-id "oc_<管理员群ID>" \
  --msg-type post \
  --title "⚠️ 舆情预警" \
  --content "**群名称**：产品反馈群\n**时间**：2026-04-15 17:30\n**发送者**：张三\n**消息内容**：这个功能太烂了，完全不能用\n**情绪分析**：🔴 负面 (得分 -0.85)\n**命中关键词**：功能、烂\n**建议**：建议产品经理关注"

工作流三：历史消息批量分析

对指定群的历史消息进行批量舆情分析，生成分析报告。

# Step 3a: 搜索指定群的历史消息（用户身份，支持更多历史数据）
lark-cli im +messages-search \
  --chat-id "oc_<目标群ID>" \
  --start-time "2026-04-14T00:00:00+08:00" \
  --end-time "2026-04-15T00:00:00+08:00" \
  --page-all \
  --format json

# Step 3b: 获取群成员列表（了解群规模）
lark-cli im chat.members get \
  --chat-id "oc_<目标群ID>" \
  --format json

AI Agent 批量分析逻辑：

1. 解析搜索结果中的所有消息
2. 逐条进行情绪分析和关键词检测
3. 统计汇总：
   • 消息总量、活跃人数
   • 情绪分布（正面/负面/中性占比）
   • 高频关键词 TOP 10
   • 话题分布
   • 负面消息列表（按严重程度排序）
4. 生成结构化报告

工作流四：生成舆情报告文档

将分析结果输出为飞书文档。

# Step 4: 创建舆情日报文档
lark-cli docs +create \
  --title "📊 群舆情日报 - 产品反馈群 (2026-04-15)" \
  --markdown "# 群舆情日报

## 基本信息
- **监控群**：产品反馈群
- **统计周期**：2026-04-14 00:00 ~ 2026-04-15 00:00
- **消息总量**：156 条
- **活跃人数**：23 人

## 情绪分布
| 情绪 | 数量 | 占比 |
|------|------|------|
| 正面 | 89 | 57% |
| 中性 | 45 | 29% |
| 负面 | 22 | 14% |

## 高频关键词 TOP 10
| 排名 | 关键词 | 出现次数 |
|------|--------|---------|
| 1 | 上线 | 18 |
| 2 | 功能 | 15 |
| 3 | 问题 | 12 |
| 4 | 体验 | 9 |
| 5 | 慢 | 8 |

## 话题分布
- 产品反馈：45%
- 技术问题：25%
- 日常闲聊：20%
- 投诉建议：10%

## ⚠️ 负面消息 TOP 5
1. **[17:30] 张三**：「这个功能太烂了，完全不能用」(情绪得分: -0.85)
2. **[15:12] 李四**：「加载太慢了，等了半分钟」(情绪得分: -0.72)
3. ...

## 建议
- 关注「功能」相关负面反馈，建议产品经理跟进
- 「慢」相关投诉集中在下午时段，可能与服务器负载有关"

工作流五：数据持久化到多维表格

将每条分析结果记录到多维表格，便于长期追踪和可视化。

# Step 5a: 在多维表格中追加一条舆情记录
lark-cli api POST /open-apis/bitable/v1/apps/<app_token>/tables/<table_id>/records \
  --data '{
    "fields": {
      "消息ID": "om_xxx",
      "群名称": "产品反馈群",
      "群ID": "oc_xxx",
      "发送者": "张三",
      "发送时间": 1773491924409,
      "消息内容": "这个功能太烂了",
      "消息类型": "text",
      "情绪倾向": "负面",
      "情绪得分": -0.85,
      "命中关键词": "功能, 烂",
      "话题分类": "产品反馈",
      "是否预警": true,
      "预警级别": "高"
    }
  }' \
  --as bot

工作流六：完整管道示例（Bash 脚本）

将以上工作流组合为一个完整的监控管道：

#!/bin/bash
# lark-group-sentinel 监控管道
# 使用方法: ./sentinel.sh

MONITORED_CHATS="oc_<群1>,oc_<群2>"        # 监控的群 ID 列表
ALERT_CHAT="oc_<管理员群ID>"                # 预警推送目标群
KEYWORDS="功能,烂,慢,崩,退款,投诉,差评"      # 敏感关键词列表
NEGATIVE_THRESHOLD=-0.7                     # 负面情绪预警阈值

lark-cli event +subscribe \
  --event-types im.message.receive_v1 \
  --compact --quiet \
  | while IFS= read -r line; do

      # 提取字段
      chat_id=$(echo "$line" | jq -r '.chat_id // empty')
      content=$(echo "$line" | jq -r '.content // empty')
      message_id=$(echo "$line" | jq -r '.message_id // empty')
      sender_id=$(echo "$line" | jq -r '.sender_id // empty')
      msg_type=$(echo "$line" | jq -r '.message_type // empty')

      # 过滤：只处理监控群的消息
      [[ -z "$chat_id" ]] && continue
      echo "$MONITORED_CHATS" | grep -q "$chat_id" || continue

      # 过滤：只处理文本消息
      [[ "$msg_type" != "text" ]] && continue
      [[ -z "$content" ]] && continue

      echo "[$(date)] 收到消息: chat=$chat_id content=$content"

      # === AI 分析（由 AI Agent 执行）===
      # 1. 情绪分析：对 content 进行情绪打分 (-1 到 1)
      # 2. 关键词检测：检查 content 是否包含 KEYWORDS 中的词
      # 3. 话题分类：判断消息属于哪个话题
      #
      # 示例（实际由 AI Agent 完成）：
      # sentiment=-0.85
      # matched_keywords="功能,烂"
      # topic="产品反馈"

      # === 预警判断 ===
      # if (( $(echo "$sentiment < $NEGATIVE_THRESHOLD" | bc -l) )); then
      #   # 发送预警
      #   lark-cli im +messages-send \
      #     --chat-id "$ALERT_CHAT" \
      #     --msg-type text \
      #     --text "⚠️ 舆情预警\n消息：$content\n情绪：$sentiment\n关键词：$matched_keywords"
      # fi

      # === 数据持久化 ===
      # lark-cli api POST /open-apis/bitable/v1/apps/<app_token>/tables/<table_id>/records \
      #   --data "{\"fields\":{\"消息内容\":\"$content\",\"情绪得分\":$sentiment,...}}" \
      #   --as bot

    done

注意：上述脚本中的 AI 分析部分（情绪打分、关键词匹配、话题分类）需要由 AI Agent 在管道中完成。AI Agent 读取每条消息后进行分析，然后决定是否触发预警和记录。

权限表

操作	身份	所需 scope
事件监听（WebSocket）	bot	im:message:receive_as_bot
发送预警消息	bot	im:message
搜索历史消息	user	im:message:readonly, im:message.group_msg:get_as_user
获取群成员	bot/user	im:chat.members:read
获取群信息	bot/user	im:chat:read
创建文档	user/bot	docx:document:create
更新文档	user/bot	docx:document:write_only
写入多维表格	bot	base:record:create
读取多维表格	bot	base:record:read

安全规则

• 隐私保护：监控前必须获得群管理员和成员的知情同意
• 数据最小化：仅采集和分析必要的数据字段，避免存储敏感个人信息
• 预警克制：避免预警疲劳，同一话题短时间内不重复预警（去重窗口建议 30 分钟）
• 写入确认：首次写入多维表格或创建文档前，使用 --dry-run 预览
• 禁止公开：舆情分析结果仅限授权人员查看，不得转发到被监控群

使用场景

场景	说明
产品反馈监控	监控用户群的产品反馈，及时发现负面体验
客户服务质检	监控客服群的服务质量，检测不当言论
内部舆情预警	监控公司大群，预防负面情绪蔓延
竞品动态追踪	监控行业群中的竞品讨论
社区健康度	定期生成社区群活跃度和情绪健康报告

相关 Skill

• lark-event — 实时事件订阅（核心依赖）
• lark-im — 消息收发和群管理
• lark-doc — 文档创建和更新
• lark-base — 多维表格数据持久化
• lark-sheets — 电子表格数据导出
• lark-contact — 通讯录查询（解析发送者姓名）