AI Agent 实战用飞书任务卡片让后台任务可见背景AI 在干什么你知道吗当 AI Agent 开始处理复杂任务时你盯着对话框等待——它在干什么进展如何卡住了还是还在跑这是 AI Agent 落地的一个真实痛点任务不透明。我在构建自己的 AI 助手系统基于 OpenClaw时遇到了这个问题。特别是把任务拆给多个 subagent 并行处理时主 agent 在等、我也在等整个过程像个黑盒。feishu-task-card就是我为了解决这个问题做的工具——让 AI 在执行多步骤任务时实时向飞书推送进度卡片全程可见。工具介绍feishu-task-card 是一个命令行工具核心能力创建进度卡片任务开始时发一张卡片到飞书列出所有步骤实时更新进度每个步骤完成/失败时更新卡片状态完成标记任务结束时汇总结果自动取消置顶卡片状态用颜色直观表示状态颜色含义0%灰色尚未开始1-99%黄色进行中100%绿色全部完成有失败红色某步骤出错快速上手安装# 脚本路径OpenClaw workspace/Users/arvin/.openclaw/workspace/task_card/task_card.py# 依赖pipinstallrequests三个核心命令1. 创建卡片MSG$(python3 task_card.py create部署后端服务\[{name:拉取代码},{name:构建镜像},{name:推送到仓库},{name:重启服务}]\--user-id ou_39f130f8fa1b499c91dee8bdb1eff90a\--goal将最新代码部署到生产环境\--sourceCI/CD\--updaterJarvis\--priorityP1\--tags部署,生产\--pin)echo卡片ID:$MSG执行后飞书会收到一张灰色卡片列出4个待完成步骤并自动置顶。2. 更新进度# 步骤0完成步骤1进行中python3 task_card.py update$MSG[0]\--in-progress[1]\--details代码已拉取开始构建 Docker 镜像...# 步骤1完成步骤2进行中python3 task_card.py update$MSG[0,1]\--in-progress[2]\--details镜像构建成功3m42s正在推送到 registry...# 某步骤失败python3 task_card.py update$MSG[0,1]\--failed[2]\--details推送失败registry 连接超时正在重试...3. 完成任务python3 task_card.pydone$MSG\部署完成。服务版本 v2.3.1健康检查通过响应时间 42ms。完整示例AI Agent 多步骤任务追踪这是我实际使用的场景——AI 处理发布技术文章到 CSDN这个任务#!/bin/bash# 1. 任务开始创建卡片MSG$(python3 task_card.py create发布文章到CSDN\[{name:收集素材},{name:撰写文章},{name:发布到CSDN}]\--user-id ou_39f130f8fa1b499c91dee8bdb1eff90a\--goal把飞书任务卡片工具的使用方法写成技术文章并发布\--priorityP2\--pin)# 2. 步骤1收集素材派 subagent 并行处理python3 task_card.py update$MSG[]\--in-progress[0]\--details正在读取 README 和 SKILL.md 提取素材...# ... subagent 执行 ...python3 task_card.py update$MSG[0]\--in-progress[1]\--details素材收集完成README 238行 SKILL.md 96行开始撰写...# 3. 步骤2撰写文章# ... 写作过程 ...python3 task_card.py update$MSG[0,1]\--in-progress[2]\--details文章撰写完成2100字正在发布到 CSDN...# 4. 发布完成python3 task_card.pydone$MSG\文章发布成功https://blog.csdn.net/xxx/article/xxx飞书实时呈现整个流程全程可追踪。架构设计主 Agent 是协调者在多 agent 系统中task_card 有一个重要的设计原则卡片由主 agent 创建和更新worker 只执行和汇报。用户 ↓ 下达任务 主 AgentJarvis ├── 创建 task_card用户可见 ├── 拆分子任务 ├── 派发给 worker1、worker2...并行 ├── 收集 worker 汇报结果 └── 更新 task_card 进度 ↓ 飞书卡片实时可见这样的好处可见性集中用户只看主 agent 的卡片不被多个 worker 的输出淹没主 agent 有评判权worker 汇报 → 主 agent 判断成功/失败 → 再更新卡片容错处理某个 worker 失败主 agent 可以标红该步骤并重试最佳实践1. --goal 写详细# ❌ 不好--goal处理数据# ✅ 好--goal从 S3 下载昨日日志过滤 ERROR 级别生成日报发送到群组2. 用优先级 Pin 管理注意力# P0 紧急任务立即置顶--priorityP0--pin# 普通任务不置顶--priorityP23. --details 描述当前状态每次 update 都写--details说明当前在做什么、遇到什么、下一步是什么。这是卡片对观看者最有价值的信息。4. 记好 msg_id状态存在/tmp/task_cards/机器重启会丢失。长期任务建议把 msg_id 写入文件备份MSG$(python3 task_card.py create...)echo$MSG/tmp/current_task_id.txt总结feishu-task-card 解决的核心问题是让 AI 的后台执行对人可见。在 AI Agent 越来越复杂多 agent 并行、长时间任务、跨系统调用的今天可观测性变得和功能本身一样重要。任务卡片是 AI 系统和人之间的一个简单但有效的可视化桥梁。如果你也在构建 AI Agent 系统不妨考虑给每个复杂任务配一张进度卡片——你的用户和你自己会感谢你的。工具地址基于 OpenClaw agent 框架源码在 workspace/task_card/ 目录
AI Agent 实战：用飞书任务卡片让后台任务「可见」
发布时间：2026/5/20 10:08:11
AI Agent 实战用飞书任务卡片让后台任务可见背景AI 在干什么你知道吗当 AI Agent 开始处理复杂任务时你盯着对话框等待——它在干什么进展如何卡住了还是还在跑这是 AI Agent 落地的一个真实痛点任务不透明。我在构建自己的 AI 助手系统基于 OpenClaw时遇到了这个问题。特别是把任务拆给多个 subagent 并行处理时主 agent 在等、我也在等整个过程像个黑盒。feishu-task-card就是我为了解决这个问题做的工具——让 AI 在执行多步骤任务时实时向飞书推送进度卡片全程可见。工具介绍feishu-task-card 是一个命令行工具核心能力创建进度卡片任务开始时发一张卡片到飞书列出所有步骤实时更新进度每个步骤完成/失败时更新卡片状态完成标记任务结束时汇总结果自动取消置顶卡片状态用颜色直观表示状态颜色含义0%灰色尚未开始1-99%黄色进行中100%绿色全部完成有失败红色某步骤出错快速上手安装# 脚本路径OpenClaw workspace/Users/arvin/.openclaw/workspace/task_card/task_card.py# 依赖pipinstallrequests三个核心命令1. 创建卡片MSG$(python3 task_card.py create部署后端服务\[{name:拉取代码},{name:构建镜像},{name:推送到仓库},{name:重启服务}]\--user-id ou_39f130f8fa1b499c91dee8bdb1eff90a\--goal将最新代码部署到生产环境\--sourceCI/CD\--updaterJarvis\--priorityP1\--tags部署,生产\--pin)echo卡片ID:$MSG执行后飞书会收到一张灰色卡片列出4个待完成步骤并自动置顶。2. 更新进度# 步骤0完成步骤1进行中python3 task_card.py update$MSG[0]\--in-progress[1]\--details代码已拉取开始构建 Docker 镜像...# 步骤1完成步骤2进行中python3 task_card.py update$MSG[0,1]\--in-progress[2]\--details镜像构建成功3m42s正在推送到 registry...# 某步骤失败python3 task_card.py update$MSG[0,1]\--failed[2]\--details推送失败registry 连接超时正在重试...3. 完成任务python3 task_card.pydone$MSG\部署完成。服务版本 v2.3.1健康检查通过响应时间 42ms。完整示例AI Agent 多步骤任务追踪这是我实际使用的场景——AI 处理发布技术文章到 CSDN这个任务#!/bin/bash# 1. 任务开始创建卡片MSG$(python3 task_card.py create发布文章到CSDN\[{name:收集素材},{name:撰写文章},{name:发布到CSDN}]\--user-id ou_39f130f8fa1b499c91dee8bdb1eff90a\--goal把飞书任务卡片工具的使用方法写成技术文章并发布\--priorityP2\--pin)# 2. 步骤1收集素材派 subagent 并行处理python3 task_card.py update$MSG[]\--in-progress[0]\--details正在读取 README 和 SKILL.md 提取素材...# ... subagent 执行 ...python3 task_card.py update$MSG[0]\--in-progress[1]\--details素材收集完成README 238行 SKILL.md 96行开始撰写...# 3. 步骤2撰写文章# ... 写作过程 ...python3 task_card.py update$MSG[0,1]\--in-progress[2]\--details文章撰写完成2100字正在发布到 CSDN...# 4. 发布完成python3 task_card.pydone$MSG\文章发布成功https://blog.csdn.net/xxx/article/xxx飞书实时呈现整个流程全程可追踪。架构设计主 Agent 是协调者在多 agent 系统中task_card 有一个重要的设计原则卡片由主 agent 创建和更新worker 只执行和汇报。用户 ↓ 下达任务 主 AgentJarvis ├── 创建 task_card用户可见 ├── 拆分子任务 ├── 派发给 worker1、worker2...并行 ├── 收集 worker 汇报结果 └── 更新 task_card 进度 ↓ 飞书卡片实时可见这样的好处可见性集中用户只看主 agent 的卡片不被多个 worker 的输出淹没主 agent 有评判权worker 汇报 → 主 agent 判断成功/失败 → 再更新卡片容错处理某个 worker 失败主 agent 可以标红该步骤并重试最佳实践1. --goal 写详细# ❌ 不好--goal处理数据# ✅ 好--goal从 S3 下载昨日日志过滤 ERROR 级别生成日报发送到群组2. 用优先级 Pin 管理注意力# P0 紧急任务立即置顶--priorityP0--pin# 普通任务不置顶--priorityP23. --details 描述当前状态每次 update 都写--details说明当前在做什么、遇到什么、下一步是什么。这是卡片对观看者最有价值的信息。4. 记好 msg_id状态存在/tmp/task_cards/机器重启会丢失。长期任务建议把 msg_id 写入文件备份MSG$(python3 task_card.py create...)echo$MSG/tmp/current_task_id.txt总结feishu-task-card 解决的核心问题是让 AI 的后台执行对人可见。在 AI Agent 越来越复杂多 agent 并行、长时间任务、跨系统调用的今天可观测性变得和功能本身一样重要。任务卡片是 AI 系统和人之间的一个简单但有效的可视化桥梁。如果你也在构建 AI Agent 系统不妨考虑给每个复杂任务配一张进度卡片——你的用户和你自己会感谢你的。工具地址基于 OpenClaw agent 框架源码在 workspace/task_card/ 目录
