Document Buddy
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@Document BuddyWhat should I review before tomorrow's client meeting?"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
文档搭子(Document Buddy)
文档搭子是一个面向飞书真实工作流的 无服务端 MCP 工具包。它把飞书文档、知识库、群消息、会议纪要、PDF 和网页资料整理成项目 wiki,再让 AI 客户端只根据带引用的 wiki 证据回答问题。
它不做 SaaS,不接公网 webhook,不托管飞书 token,也不保存 LLM API key。飞书读写交给你已经授权的飞书官方能力或 lark-cli;LLM 来自你自己的 AI 客户端。
发资料给它,它记住。
问它问题,它回答。
信息变了,它自己维护。
有冲突,它来问你。
适合谁
很多白领的问题不是“没有资料”,而是资料散在太多地方:飞书文档、知识库、群消息、会议纪要、PDF、临时截图、邮件摘录。真正要用的时候,大家常常要重新翻聊天记录、找最新版文档、问同事“上次客户到底怎么说的”。
文档搭子想做的是一个很轻的项目记忆层:你把资料发给它,它把项目里的需求、决策、风险、承诺、人物、资料来源和待确认问题整理成一套飞书可见 wiki。之后你问问题,它只根据 wiki 里有引用的内容回答,并把来源链接带回来。
它不是一个新的知识库系统,也不是让大家再多维护一套表格。它更像一个会整理资料的同事,藏在你已经使用的办公平台和 AI 客户端后面。
Related MCP server: Feishu MCP Server
普通白领怎么用
用户只需要记住两种操作:
发资料给它:会议纪要、飞书文档、群消息、需求文档、PDF、网页摘录都可以。
问它问题:会前准备、客户背景、风险点、待办、周报素材、邮件草稿都可以问。
它在后台做这些事:
自动把资料整理进对应项目 wiki。
在飞书知识库或飞书云文档里生成团队可见页面。
维护项目总览、需求、风险、承诺、决策、人物、资料来源和待确认问题。
回答时带引用,方便点回飞书 wiki 页面或原始资料。
发现预算、时间、承诺事项冲突时,不自己猜,先放进待确认问题。
一天里的使用方式
早上开会前,你可以问:
明天和 A 客户开会前,我该注意什么?
文档搭子会从项目 wiki 里找出客户需求、风险、承诺事项和待确认冲突,并带上引用。没有证据的部分不会编。
开完会后,你可以说:
把这份会议纪要整理进 A 客户项目。
它会更新项目总览、需求、风险、待办、决策和资料清单。如果出现“预算 10 万”和“预算 12 万”这样的冲突,它不会替你选一个,而是提醒你确认。
写周报时,你可以问:
帮我整理 A 客户项目这周进展,重点写风险和下周待办。
它会只用 wiki 里有证据的内容生成素材,并给出引用。你可以点回来源,不用重新翻一遍群消息。
新人接手项目时,可以问:
我刚接手 A 客户项目,给我一个 5 分钟能看懂的项目背景。
它会从项目总览、需求、决策、风险和待确认问题中整理出当前状态,并告诉你每个关键点来自哪里。
真实飞书环境怎么用
你可以把下面这整段直接复制给支持 MCP 或命令行操作的 agent,例如 Claude Code、Kimi、Codex 等,让它按你的真实飞书环境完成接入。里面已经给了示例值,你只需要让 agent 按你的实际飞书空间替换。
请帮我在当前机器上使用 Document Buddy(文档搭子)接入真实飞书环境。
仓库地址是 https://github.com/Hanzhi0807/document-buddy。请先检查本机是否已经有这个仓库;如果没有,就 clone 到合适的工作目录。然后进入项目目录,执行 pip install -e . 完成安装。
请把它作为 MCP server 配到我的 AI 客户端里。启动命令是 python -m work_memory.mcp_server。环境变量 WORK_MEMORY_DATA_DIR 设置为一个本地数据目录,例如 D:\document-buddy-data 或 /path/to/document-buddy-data。
请使用我已经授权的飞书官方 MCP、lark-cli 或企业内部飞书工具读取真实飞书资料。把每份资料的标题、正文和来源链接传给 Document Buddy 的 ingest_text。参数示例:workspace_id = "acme-feishu"(可以理解为团队/租户/工作区代号),project = "A客户项目"(一个具体项目名),title = "飞书会议纪要:A客户项目会前同步",content = "飞书工具读取到的正文",source_url = "https://example.feishu.cn/docx/xxx"。
资料整理完成后,请调用 get_feishu_wiki_sync_plan 生成同步计划。如果本机 lark-cli 已经授权,请运行同步脚本,把生成的 wiki 页面写回飞书知识库,并把飞书页面 URL 回填成本地 citation 链接。命令示例:python scripts/sync_to_feishu.py --workspace-id "acme-feishu" --project "A客户项目" --root-node-token "wikcnExampleRoot123"。其中 root-node-token 是已有的文档搭子知识库根节点 token,例如飞书知识库页面 URL 是 https://example.feishu.cn/wiki/wikcnExampleRoot123,那么 root-node-token 就是 wikcnExampleRoot123。
之后回答任何项目问题前,都必须先调用 query_project_wiki 或 get_cited_context,只能根据返回的 citations 作答。如果没有 citations,就明确说 wiki 没有证据,不要补编。遇到预算、时间、承诺事项等冲突时,请记录到待确认问题或 review item,不要替我猜。
整个过程中不要保存飞书 token,不要托管 LLM API key,不要启动公网 webhook 或 SaaS 服务。常见字段可以这样理解:workspace_id 是你的团队/租户/工作区代号,例如 acme-feishu;project 是具体项目名,例如 A客户项目;root-node-token 是飞书知识库根页面 URL 里 /wiki/ 后面的 token,例如 wikcnExampleRoot123。
防幻觉规则
这是硬规则:回答必须来自项目 wiki。
回答任何项目问题前,必须调用
query_project_wiki或get_cited_context。工具只返回 wiki 中可引用的证据。
查询证据时使用轻量 BM25 排序,优先返回更贴近问题的页面和行。
AI 客户端只能基于返回的
citations回答。没有
citations,就必须说 wiki 没有证据,不能补编。发现冲突时,冲突写入
open-questions,由用户确认。
MCP 工具
核心工具:
ingest_text:把已读取的飞书文档、群消息、会议纪要等文本整理进项目 wiki。get_feishu_wiki_sync_plan:把当前 wiki 打包成飞书知识库或云文档的创建/更新清单。upsert_wiki_page:写入或替换 wiki 页面,可传飞书页面链接作为 citation 地址。query_project_wiki:根据问题返回带引用的 wiki 证据。get_cited_context:query_project_wiki的 evidence-only 版本。list_review_items:列出需要用户复核的冲突、薄页面和来源读取问题。resolve_conflict:用户确认后,把冲突标记为已解决。
其他工具包括:项目创建、页面读取、页面列表、lint、冲突检测和 wiki schema 获取。
架构
飞书文档 / 飞书知识库 / 飞书消息
↓
飞书官方 MCP / Lark CLI / 企业内部飞书工具
↓
文档搭子 MCP:整理项目 wiki、检测冲突、生成 citation
↓
飞书知识库 / 飞书云文档作为团队可见层
↓
AI 客户端只根据带引用证据回答本地 WORK_MEMORY_DATA_DIR 只保存工具状态、索引、冲突和缓存。用户主要阅读入口应该是飞书知识库或飞书云文档。
关键词
MCP, Feishu, Lark, llm-wiki, project memory, AI knowledge base, cited answers, anti-hallucination, workplace AI, document wiki, RAG alternative.
项目状态
MVP 可用。已经跑通真实飞书知识库写回与带飞书 citation 的问答链路。
当前边界:
不提供 SaaS 服务端。
不保存飞书 token。
不保存 LLM API key。
不实现飞书机器人 webhook。
不提供 Web UI。
这些能力未来可以作为独立应用层扩展,但不会混进 MCP 工具包核心。
更多文档
MCP 工具包方案:docs/mcp-toolkit.md
飞书接入 Quickstart:docs/feishu-quickstart.md
飞书可见 Wiki 设计:docs/feishu-visible-wiki.md
Wiki 轻量规则:docs/wiki-schema.md
平台能力使用原则:docs/platform-capabilities.md
Changelog:CHANGELOG.md
This server cannot be installed
Maintenance
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.
Latest Blog Posts
MCP directory API
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/Hanzhi0807/document-buddy'
If you have feedback or need assistance with the MCP directory API, please join our Discord server