lark-cli: สั่ง AI ทำงานใน Lark 27 อย่าง แต่มีสิทธิ์ 1 ข้อที่ต้องปิดก่อน

ต้องเตรียมอะไรบ้าง

• Node.js (มี npm กับ npx) ตัว CLI เขียนด้วย Go แต่แจกผ่าน npm แพ็กเกจจะดาวน์โหลดไฟล์ที่ตรงกับเครื่องมาให้เอง
• Claude Code หรือเอเจนต์ที่รันคำสั่งในเครื่องได้ README บอกว่าใช้กับเครื่องมือ AI ยอดนิยมได้หลายตัว
• บัญชี Lark ที่สร้างแอปบน Developer Console ได้ ขั้นตั้งค่าจะสร้างแอปใหม่ให้ แล้วใช้แอปนั้นเป็นตัวกลางเรียก API ถ้าองค์กรกำหนดให้แอปต้องผ่านแอดมินก่อน ต้องคุยกับแอดมิน Lark ของบริษัทไว้ด้วย
• รู้ก่อนว่าใช้ Lark หรือ Feishu บริษัทไทยส่วนใหญ่ใช้ Lark (larksuite.com) แต่ค่าเริ่มต้นของ CLI คือ feishu เรื่องนี้ผมอธิบายต่อด้านล่าง

ตัว CLI กับสกิลเป็น MIT ใช้ฟรี ที่มีค่าใช้จ่ายคือแพ็กเกจ Lark ที่บริษัทใช้อยู่ กับโควตาของ Claude

ติดตั้งใน 4 ขั้น

หน้า skills.sh ของ larksuite/cli แสดงสกิลทั้งหมดใน repo พร้อมยอดติดตั้งของแต่ละตัว สกิลหลักอย่าง lark-doc, lark-base และ lark-im มียอดตัวละราว 450,000 ครั้ง

ขั้นที่ 1: ติดตั้ง CLI และสกิล

npx @larksuite/cli@latest install

คำสั่งนี้เปิดตัวช่วยติดตั้งที่ทำ 4 อย่างต่อกัน ผมเปิดสคริปต์ในแพ็กเกจเวอร์ชัน 1.0.96 ดูแล้ว ลำดับคือ ติดตั้ง @larksuite/cli แบบ global ผ่าน npm, ติดตั้งสกิลแบบ global ด้วย npx skills add (ดึงจากเซิร์ฟเวอร์ของ Feishu ก่อน ถ้าไม่สำเร็จจึงดึงจาก repo larksuite/cli), ตั้งค่าแอป และขอสิทธิ์ ขั้นสุดท้ายจะถามก่อนว่า "อนุญาตให้ AI เข้าถึงข้อความ เอกสาร ปฏิทิน ฯลฯ และทำงานในนามคุณหรือไม่" ถ้ายังไม่พร้อมก็ตอบข้ามไปก่อนได้

ถ้าอยากทำทีละขั้นเอง README ก็มีวิธี build จากซอร์ส (ต้องมี Go 1.23 ขึ้นไป) แล้วค่อยลงสกิลด้วย npx skills add larksuite/cli -y -g ตามหลัง

มีเรื่องหนึ่งที่ผมเจอเอง ตอนติดตั้ง ตัวสคริปต์จะไปโหลดไฟล์ CLI ขนาดราว 13 MB จาก GitHub หรือ mirror และบนเน็ตที่ผมใช้วันนั้น ดาวน์โหลดหมดเวลา (timeout) ไปรอบหนึ่ง ผมเลยโหลดไฟล์จากหน้า Releases บน GitHub เอง แล้วเทียบ SHA-256 กับไฟล์ checksums.txt ที่มากับแพ็กเกจ ค่าตรงกัน ถ้าใครเจอแบบเดียวกัน ข้อความ error จะบอกวิธีตั้ง proxy หรือ mirror ไว้ให้

สิ่งที่ผมชอบในหน้า help คือมีส่วน AGENT QUICKSTART เขียนถึงเอเจนต์โดยตรง ว่าให้ใช้ shortcut ก่อน ให้ดูระดับความเสี่ยงของคำสั่ง และให้ใช้ --dry-run ดูคำขอก่อนส่งจริง แปลว่าคนทำตั้งใจออกแบบมาให้ AI ใช้ตั้งแต่แรก

ขั้นที่ 2: ตั้งค่าแอป และเลือก Lark ให้ถูก

lark-cli config init --new

คำสั่งนี้สร้างแอปใหม่บน Developer Console แล้วรอเราไปกดยืนยันในเบราว์เซอร์ ถ้าให้ Claude ทำ มันจะรันไว้เบื้องหลังแล้วส่งลิงก์ (พร้อม QR code) มาให้เรากด

จุดที่คนไทยต้องระวังคือ --brand มีค่าเริ่มต้นเป็น feishu (เวอร์ชันจีน) ถ้าบริษัทใช้ Lark ที่ larksuite.com ต้องเลือก lark ตัวเลือกนี้ help เขียนว่าเป็นแบบ non-interactive คือใช้ตอนใส่ App ID เองโดยไม่ผ่านหน้าจอถามตอบ ส่วนโหมด --new ในเบราว์เซอร์จะให้เลือกยังไง ผมยังไม่ได้เห็นกับตาเพราะไม่ได้ผูกบัญชีจริง วิธีที่ปลอดภัยคือบอก Claude ตั้งแต่แรกว่าใช้ Lark ไม่ใช่ Feishu อย่างที่ผมใส่ไว้ในพรอมต์ด้านบน

ส่วน App Secret ให้ป้อนผ่าน --app-secret-stdin ความลับจะได้ไม่ค้างอยู่ในประวัติคำสั่ง README ระบุว่า CLI เก็บ credential ไว้ใน keychain ของระบบปฏิบัติการ

ขั้นที่ 3: ขอสิทธิ์เท่าที่ใช้

เรื่องสิทธิ์เป็นเรื่องที่ควรทำความเข้าใจมากที่สุดในชุดนี้ lark-cli ทำงานได้ 2 ตัวตน

• user (--as user) ทำในนามเรา เห็นปฏิทิน ไฟล์ในไดรฟ์ อีเมล และแชตที่เรามีสิทธิ์ ใช้ได้เมื่อแอปเปิดสโคปไว้ในหลังบ้าน และเราล็อกอินอนุญาตผ่าน auth login แล้ว ต้องครบทั้งสองชั้น
• bot (--as bot) ทำในนามแอป ใช้แค่ App ID กับ App Secret ไม่ต้องล็อกอิน แต่จะมองไม่เห็นข้อมูลส่วนตัวของใคร ถ้าสั่งให้บอตดูปฏิทิน จะได้ปฏิทินว่างของบอตกลับมาแทน ข้อความที่ส่งก็ออกในชื่อแอป เอกสารที่สร้างก็เป็นของบอต

สกิล lark-shared บอกไว้ว่า ถ้าบอตขาดสิทธิ์ ห้ามแก้ด้วย auth login ให้ไปเปิดสโคปใน Developer Console แทน ส่วนถ้าเป็นตัวตน user ให้ขอเพิ่มเฉพาะสโคปที่ขาด

อ่าน help ของ auth login แล้วจะเห็นว่า ถ้าไม่ใส่ --scope, --domain หรือ --recommend คำสั่งจะขอสิทธิ์ครบทุกโดเมนเหมือนใส่ --domain all และ --recommend ก็ได้ผลแบบเดียวกัน ผมแนะนำให้เริ่มแคบ ๆ ตามงานที่จะทำจริง

# เริ่มจากปฏิทินกับงาน
lark-cli auth login --domain calendar,task

# เพิ่มทีละโดเมนเมื่อจำเป็น (สิทธิ์สะสมเพิ่มจากรอบก่อน)
lark-cli auth login --domain base

# ขอทั้งโดเมนแต่ตัดสิทธิ์บางตัวออก
lark-cli auth login --domain drive --exclude drive:file:download

ถ้าเอเจนต์เป็นคนสั่ง มันจะใช้ --no-wait --json เพื่อเอาลิงก์ยืนยันมาให้เราก่อน แล้วค่อยรัน --device-code หลังเราตอบว่ากดอนุญาตแล้ว วิธีนี้ทำให้ Claude ไม่ค้างรอกลางคัน

ขั้นที่ 4: ตรวจสถานะ

lark-cli auth status

ผลจะแสดงว่าตอนนี้ใช้ตัวตนไหน โทเคนยังใช้ได้หรือไม่ และได้สโคปอะไรบ้าง ผมไม่ได้รันคำสั่งนี้ในบทความ เพราะในเครื่องที่ผูกบัญชีแล้ว ผลจะมีชื่อและอีเมลผู้ใช้อยู่ด้วย

สกิลทั้ง 27 ตัว แบ่งตามงาน

เวลาใช้จริงเราไม่ต้องจำชื่อสกิล พิมพ์บอก Claude เป็นภาษาปกติ มันจะเลือกสกิลที่ตรงกับงานเอง ตารางนี้มีไว้ให้เห็นภาพว่าอะไรทำได้บ้าง

กลุ่มงาน	สกิล	ใช้ทำอะไร
พื้นฐาน	lark-shared	ตั้งค่าแอป ล็อกอิน เลือกตัวตน user/bot จัดการสิทธิ์ และกติกาความปลอดภัย ทุกสกิลต้องอ่านตัวนี้ก่อน
เอกสารและไฟล์	lark-doc lark-drive lark-wiki lark-markdown lark-slides lark-whiteboard	อ่าน สร้าง และแก้ Docs, จัดโฟลเดอร์ใน Drive, นำเข้า Word/Excel/CSV เป็นไฟล์ Lark, จัดโครงสร้าง Wiki, ไฟล์ Markdown, สไลด์ และกระดานไวต์บอร์ด
ตารางและข้อมูล	lark-sheets lark-base	อ่านเขียนเซลล์ สูตร กราฟ pivot ใน Sheets, สร้างตาราง ฟิลด์ วิว สูตร ฟอร์ม แดชบอร์ด workflow และสิทธิ์ใน Base (Bitable)
สื่อสาร	lark-im lark-mail lark-contact lark-event	ส่งและค้นข้อความ จัดการกลุ่มแชต การ์ดโต้ตอบ, อีเมล (ร่าง ตอบ ค้น กฎคัดแยก), หาคนจากชื่อหรืออีเมล, รับอีเวนต์แบบเรียลไทม์ไปทำบอต
นัดหมายและประชุม	lark-calendar lark-vc lark-vc-agent lark-minutes lark-note	ดูและสร้างนัด หาเวลาว่าง จองห้อง, ค้นประชุมที่จบแล้วพร้อมสรุปและทรานสคริปต์, ให้บอตเข้าประชุมที่กำลังคุยอยู่, จัดการ Minutes และบันทึกประชุม
งาน อนุมัติ และคน	lark-task lark-approval lark-okr lark-attendance	สร้างและติดตามงาน, ดูและจัดการใบอนุมัติ (อนุมัติ ปฏิเสธ โอน เร่ง), OKR, ดูประวัติลงเวลาของตัวเอง
งานสำเร็จรูป	lark-workflow-standup-report lark-workflow-meeting-summary	สรุปนัดและงานค้างของวัน, รวมสรุปประชุมในช่วงเวลาที่กำหนดเป็นรายงานเดียว
สำหรับคนทำระบบ	lark-openapi-explorer lark-skill-maker lark-apps	ค้น Open API ที่ CLI ยังไม่มีคำสั่งให้, สร้างสกิลของเราเองบน lark-cli, พัฒนาและโฮสต์แอปบน Miaoda (妙搭)

ข้างในแต่ละสกิลไม่ได้มีแค่รายชื่อคำสั่ง แต่มีกติกากำกับด้วย เช่น lark-base ห้ามเดาชื่อฟิลด์ ต้องอ่านโครงสร้างตารางจริงก่อนเขียน และห้ามสรุปภาพรวมจากข้อมูลแค่หน้าแรกถ้ายังมีหน้าถัดไป ส่วน lark-approval แยกชัดว่าใบอนุมัติไม่ใช่ Task

ตัวอย่างพรอมต์สำหรับงาน SME

ตัวอย่างข้างล่างผมเขียนจากคำสั่งที่มีอยู่จริงในแต่ละสกิล แต่ยังไม่ได้รันกับข้อมูลจริง เวลาเอาไปใช้ให้ลองกับไฟล์หรือตารางทดสอบก่อนเสมอ

• เช็กงานตอนเช้า: "สรุปให้หน่อยว่าวันนี้ผมมีประชุมอะไร และมีงานไหนใกล้ครบกำหนดหรือเลยกำหนดแล้ว" งานนี้เข้าสกิล standup-report ที่ดึงนัดจาก calendar +agenda กับงานค้างจาก task +get-my-tasks มาเรียงรวมกัน และบอกด้วยว่านัดไหนเวลาชนกัน
• ย้ายข้อมูลจาก Excel: "นำไฟล์ ยอดขาย-กันยายน.xlsx ในโฟลเดอร์นี้เข้าเป็น Base แล้วทำแดชบอร์ดยอดขายรายสาขา" ขั้นนำเข้าใช้ drive +import ส่วนแดชบอร์ดใช้คำสั่งกลุ่ม base +dashboard-*
• ตามลีด: "ใน Base ลีดใหม่ หาลีดที่สถานะยังเป็น 'ยังไม่ติดต่อ' เกิน 3 วัน สรุปเป็นตารางให้ดูก่อน ยังไม่ต้องสร้างงาน" สกิลจะใช้ +data-query ให้ Base กรองข้อมูลเอง แทนการดึงทั้งตารางมาไล่ดูทีละแถว
• ร่างอีเมล: "ร่างอีเมลแจ้งลูกค้าว่าของจะส่งช้า 2 วัน เก็บเป็นดราฟต์ไว้ก่อน" ตรงนี้ไม่ต้องห่วงว่ามันจะส่งเอง คำสั่ง mail +send บันทึกเป็นดราฟต์เป็นค่าเริ่มต้นอยู่แล้ว
• ใบอนุมัติค้าง: "มีใบลากับใบเบิกอะไรรอผมอนุมัติบ้าง สรุปมาก่อน ยังไม่ต้องกดอะไร"
• นัดประชุม: "หาช่วง 30 นาทีวันพฤหัสที่ทีมขายทั้ง 4 คนว่างตรงกัน แล้วเสนอมา 2 ช่วง" ใช้ calendar +freebusy หรือ +suggestion
• รายงานประชุมประจำสัปดาห์: "รวมสรุปประชุมทั้งสัปดาห์นี้เป็นเอกสารเดียว แยกเป็นเรื่องที่ตัดสินใจแล้วกับงานที่ต้องตามต่อ"

ผมติดนิสัยพิมพ์ปิดท้ายว่า "สรุปมาก่อน ยังไม่ต้องทำ" ทุกครั้งที่งานนั้นมีการเขียนหรือส่งข้อมูล ถึงสกิลจะมีด่านกันไว้หลายชั้น แต่การได้เห็นแผนก่อนยังเป็นวิธีที่ปลอดภัยที่สุด

lark-cli กับชุดสกิลนี้คืออะไร

lark-cli เป็นเครื่องมือบรรทัดคำสั่งตัวทางการของ Lark/Feishu อยู่บน GitHub ที่ larksuite/cli ใช้ MIT license เขียนด้วย Go ตอนที่ผมเช็ก (26 ก.ย. 2569) เวอร์ชันล่าสุดคือ 1.0.96 ออกเมื่อ 16 ก.ย. 2569 มีดาวบน GitHub 17,460 ดวง ส่วนแพ็กเกจบน npm ถูกดาวน์โหลด 378,499 ครั้งในช่วง 30 วัน ถือว่าเป็นโปรเจกต์ที่อายุยังน้อย repo เพิ่งสร้างเมื่อ 25 มี.ค. 2569 แต่อัปเดตถี่มาก

คำสั่งแบ่งเป็น 3 ชั้น ชั้นบนสุดคือ shortcut ขึ้นต้นด้วย + เช่น calendar +agenda ออกแบบให้ทั้งคนและ AI ใช้ง่าย ชั้นกลางคือคำสั่งที่จับคู่กับ API ทีละตัว และชั้นล่างสุดคือ lark-cli api ที่เรียก endpoint ไหนก็ได้ README บอกว่าครอบคลุมกว่า 2,500 API ส่วนสกิลแต่ละตัวเป็นไฟล์ SKILL.md ที่สอน Claude ว่างานแบบไหนต้องใช้คำสั่งไหน ต้องระวังอะไร และถ้าเจอ error แต่ละแบบต้องแก้ยังไง

ของที่ติดตั้งในเครื่องกับของล่าสุดไม่ตรงกัน

ชุดในเครื่องผมมี 27 สกิล แต่ตอนเขียน repo มี 28 สกิล และตัว CLI 1.0.96 ที่ผมรัน lark-cli skills list ก็ได้ 28 ตัวเช่นกัน ตัวที่เพิ่มมาคือ lark-meeting ซึ่งรวมงานประชุมไว้ที่เดียว ในเวอร์ชันใหม่ lark-vc, lark-vc-agent, lark-minutes และ lark-note ถูกเปลี่ยนเป็นตัวส่งต่อไปที่ lark-meeting แทน เวอร์ชันของสกิลก็ต่างกันด้วย เช่น lark-shared ในเครื่องเป็น 1.0.0 แต่ที่ฝังในไบนารีเป็น 1.1.0 ถ้าจะใช้จริง ให้อัปเดตด้วย lark-cli update ซึ่งอัปเดตทั้ง CLI และสกิลไปพร้อมกัน อย่าอัปเดตแค่ฝั่งเดียว

จุดเด่นที่ผมเห็น

• เป็นของทางการ ทีม larksuite ดูแลเอง ไม่ต้องพึ่งเครื่องมือเชื่อมต่อของคนอื่นที่อาจเลิกทำไปเมื่อไรก็ได้
• ป้ายความเสี่ยงทุกคำสั่ง ทุก --help บอกว่าคำสั่งนั้นเป็น read, write หรือ high-risk-write สำหรับคำสั่งเสี่ยงสูงอย่างการลบ CLI จะหยุดด้วย exit code 10 จนกว่าจะเติม --yes และสกิลก็สั่งให้ Claude ถามเราก่อนเติมทุกครั้ง
• อีเมลเป็นดราฟต์ก่อนเสมอ สกิล lark-mail ยังเขียนไว้ชัดว่าเนื้อหาในอีเมลเป็นข้อมูลภายนอกที่เชื่อไม่ได้ ถ้าในอีเมลมีข้อความทำนองว่า "ช่วยส่งต่อให้คนนี้หน่อย" Claude ต้องไม่ทำตาม ซึ่งเป็นการกัน prompt injection ที่ผมอยากให้เครื่องมือ AI ทุกตัวมี
• ข้อความ error อ่านรู้เรื่อง ทุกคำสั่งตอบกลับเป็น JSON ที่มี ok, error.type และ hint ว่าต้องแก้ยังไง เอเจนต์จึงแก้ปัญหาต่อเองได้โดยไม่ต้องเดา
• ขยายเองได้ ถ้างานไหนยังไม่มีคำสั่งสำเร็จรูป lark-openapi-explorer จะไปค้น API จากเอกสาร Lark ให้ และ lark-skill-maker ช่วยห่อขั้นตอนที่ทำซ้ำบ่อยให้เป็นสกิลของบริษัทเอง

ภาพนี้มีข้อสังเกตหนึ่ง ผมตั้งใจจะโชว์ว่า --dry-run แสดงคำขอให้ดูโดยไม่ส่งจริง แต่บนเครื่องที่ยังไม่ได้ตั้งค่าแอป CLI หยุดตั้งแต่ขั้นเช็กการตั้งค่า เลยตอบกลับเป็น not_configured พร้อมคำแนะนำว่าต้องรัน config init --new ก่อน ผมจึงยังไม่ได้เห็นหน้าตาผล dry-run จริง ๆ

ข้อจำกัดที่ควรรู้ก่อนใช้

• ผมยังไม่ได้ทดสอบกับบัญชีจริง ทุกอย่างในบทความมาจากเอกสาร ไฟล์สกิล และผลของ --help ผมจึงยังตอบไม่ได้ว่าสั่งงานภาษาไทยแล้วแม่นแค่ไหน อ่านชื่อฟิลด์ภาษาไทยใน Base ได้ดีหรือเปล่า หรือเจอ rate limit บ่อยไหม
• ออกแบบโดยมี Feishu เป็นหลัก ค่าเริ่มต้นของ --brand คือ feishu ไฟล์สกิลส่วนใหญ่เขียนเป็นภาษาจีน และตัวอย่างบางจุดใช้เขตเวลา Asia/Shanghai ตัว Claude อ่านได้ไม่มีปัญหา แต่ถ้าเราต้องเปิดดูเองจะอ่านยากหน่อย ฟีเจอร์บางตัวอย่าง Miaoda (lark-apps) ผมไม่แน่ใจว่าเปิดให้ใช้ใน Lark ฝั่งต่างประเทศหรือยัง
• ต้องสร้างแอปบน Developer Console องค์กรที่ล็อกสิทธิ์ไว้ แอดมินอาจต้องอนุมัติแอปก่อน ถ้าพนักงานแต่ละคนจะใช้ ก็ต้องล็อกอินด้วยบัญชีตัวเอง
• สิทธิ์กว้างเกินได้ง่าย ถ้ากดตามตัวช่วยติดตั้งโดยไม่อ่าน หรือใช้ --recommend จะได้สิทธิ์ทุกโดเมน ผมแนะนำให้ขอทีละโดเมนตามงาน
• ของใหม่ เปลี่ยนเร็ว repo อายุยังไม่ถึง 6 เดือนและออกเวอร์ชันถี่ อย่างที่เห็นว่าสกิลประชุมเพิ่งถูกรวมเป็นตัวเดียว คำสั่งที่ใช้อยู่วันนี้อาจเปลี่ยนชื่อได้
• ติดตั้งแบบ global ตัวช่วยติดตั้งลง CLI และสกิลไว้ทั้งเครื่อง ใครใช้เครื่องร่วมกับคนอื่นควรรู้ไว้

เรื่องข้อมูลและความเป็นส่วนตัว

README ของโปรเจกต์มีส่วน "Security & Risk Warnings" ที่ขอให้อ่านก่อนใช้ ใจความคือ เมื่ออนุญาตสิทธิ์แล้ว เอเจนต์ AI จะทำงานในนามเราภายในขอบเขตที่ให้ไว้ และยังมีความเสี่ยงเรื่อง AI เข้าใจผิด ทำงานคาดเดาไม่ได้ หรือโดน prompt injection ซึ่งอาจทำให้ข้อมูลหลุดหรือเกิดการกระทำที่ไม่ได้ตั้งใจ ทีมผู้พัฒนาแนะนำให้ใช้บอตที่ผูกกับเครื่องมือนี้เป็นผู้ช่วยส่วนตัว ไม่ควรดึงเข้ากลุ่มแชตหรือเปิดให้คนอื่นสั่ง

สิ่งที่ผมอยากให้ SME คิดก่อนใช้มีดังนี้

• ข้อมูลที่ Claude อ่านจะถูกส่งไปที่ผู้ให้บริการโมเดล ถ้าสั่งให้สรุปแชตลูกค้าหรือตารางเงินเดือน เนื้อหาพวกนั้นจะเข้าไปในบทสนทนากับ AI ด้วย ควรตรวจเงื่อนไขของแพ็กเกจ Claude ที่ใช้ และนโยบายข้อมูลของบริษัทเองก่อน
• สัญญาณกันความเสี่ยงที่ CLI ส่งไปให้ Lark README บอกว่า CLI ส่งประเภทระบบปฏิบัติการกับรุ่นเครื่อง (เช่น Mac17,9) ไปพร้อมคำขอ เพื่อช่วยจับการใช้โทเคนผิดปกติ และปิดได้ด้วย lark-cli config risk-control off แต่ผมคิดว่าเปิดไว้ดีกว่า
• ความลับอยู่ใน keychain โทเคนกับ App Secret เก็บใน keychain ของระบบ และสกิลห้าม Claude พิมพ์ความลับออกมาบนหน้าจอ
• เข้าใจให้ชัดว่าข้อความออกในนามใคร ข้อความที่ส่งด้วย user จะออกในชื่อเรา ส่วนที่ส่งด้วย bot จะออกในชื่อแอป ก่อนสั่งให้ส่งอะไรถึงลูกค้า ต้องรู้ให้ชัดว่ากำลังใช้ตัวตนไหน

สำหรับองค์กรที่อยากฝัง lark-cli ไว้ในเอเจนต์หรือระบบของตัวเอง แล้วดึง credential จากที่เก็บกลางอย่าง Vault พร้อมเก็บ log ทุกคำขอ เอกสารของ Lark มีหน้าอธิบายวิธีต่อยอดโดยไม่ต้องแก้ซอร์สของ CLI

คำถามที่พบบ่อย

ใช้กับ Lark ที่บริษัทไทยใช้กันได้ไหม

ได้ในหลักการ เพราะ CLI มีตัวเลือก --brand lark และ README ก็ลิงก์ไปยังเงื่อนไขการใช้งานของทั้ง Feishu และ Lark แต่ค่าเริ่มต้นเป็น feishu ต้องเลือกให้ถูกตอนตั้งค่า ผมยังไม่ได้ทดสอบกับบัญชี Lark จริง จึงยืนยันไม่ได้ว่าทุกโดเมนใช้ได้ครบเหมือนฝั่ง Feishu

ต้องเขียนโค้ดเป็นไหม

ไม่ต้อง หลังติดตั้งเสร็จ เราพิมพ์สั่ง Claude เป็นภาษาปกติ มันจะเลือกสกิลและคำสั่งเอง จุดที่ต้องทำเองคือกดยืนยันการตั้งค่าแอปกับการอนุญาตสิทธิ์ในเบราว์เซอร์ และถ้าองค์กรล็อกสิทธิ์ไว้ ก็ต้องให้แอดมินอนุมัติแอป

AI จะลบหรือส่งอะไรเองโดยไม่ถามไหม

มีด่านกันไว้หลายชั้น คำสั่งเสี่ยงสูงต้องเติม --yes ซึ่งสกิลสั่งให้ถามเราก่อน อีเมลเก็บเป็นดราฟต์เป็นค่าเริ่มต้น และสกิลแชตก็ให้ยืนยันผู้รับกับเนื้อหาก่อนส่ง แต่คำสั่งระดับ write ทั่วไปอย่างสร้างงานหรือเพิ่มแถวใน Base ไม่มีด่านบังคับที่ตัว CLI ผมจึงยังแนะนำให้สั่งว่า "สรุปก่อน ยังไม่ต้องทำ" เสมอ และขอสิทธิ์เท่าที่จำเป็น

ต่างจากการใช้ Automation ในตัว Base อย่างไร

Workflow หรือ Automation ใน Base เหมาะกับงานที่กฎตายตัวและต้องทำงานเองตลอดเวลา เช่น เมื่อสถานะเปลี่ยนให้แจ้งเตือนในแชต ส่วน lark-cli กับ Claude เหมาะกับงานที่ต้องตีความหรือทำครั้งคราว เช่น สรุปประชุม หรือหาลีดที่ควรตามจากหลายเงื่อนไข ทั้งสองอย่างใช้ด้วยกันได้ lark-base ก็สร้างและแก้ workflow ใน Base ให้ได้เหมือนกัน

ติดตั้งไปแล้วถ้าไม่ใช้ต่อ ต้องทำอะไร

lark-cli auth logout ล้างการล็อกอินเฉพาะในเครื่องเท่านั้น ถ้าจะถอนสิทธิ์ที่ให้แอปไว้ฝั่งเซิร์ฟเวอร์ ต้องเข้าไปยกเลิกในหน้าจัดการการอนุญาตของ Lark เอง และถ้าไม่ใช้แอปแล้ว ก็ปิดแอปใน Developer Console ด้วย

ถ้าบริษัทของคุณยังวางโครงสร้าง Base, สิทธิ์ และ workflow ใน Lark ไม่ลงตัว แนะนำให้จัดส่วนนั้นให้เรียบร้อยก่อนค่อยให้ AI เข้าไปช่วย ทีมผมรับวางระบบงานบน Lark อยู่ที่ Modu by M Creation เผื่อใครอยากได้คนช่วยวางตั้งแต่ต้น