Feishu Chat Extractor

Extract and analyze historical messages from Feishu group chats.

When to Use

• 需要提取飞书群的完整聊天记录时
• 需要按时间范围过滤和分析群消息时
• 需要从聊天中提取 OpenClaw/Clawdbot 相关讨论时
• 需要基于聊天数据生成用户反馈报告时
• 需要对聊天内容进行关键词分析和话题分类时

Do NOT use this skill if

• 只需要检查最近是否有遗漏的 @提及 → 使用 feishu-chat-monitor
• 需要发送消息或语音到群聊 → 使用 feishu-voice-sender 或 feishu-video-sender
• 需要撤回已发送消息 → 使用 feishu-message-recall

Typical Trigger Phrases

• "导出这个群的聊天记录"
• "分析最近一周的群消息"
• "Extract chat history from this Feishu group"
• "帮我整理群里的用户反馈"

Workflow

1. Ask for inputs: 确认目标群聊 ID、时间范围、是否需要关键词过滤
2. Plan scope: 确定提取范围（全部消息还是按关键词过滤）
3. Extract messages: 运行提取脚本

``bash python3 scripts/extractchat.py --chat-id <CHATID> --output chat_data.json ``

1. Handle pagination: 自动处理分页，确保完整消息检索跨所有时间范围
2. Analyze content: 运行分析脚本（如需要）

``bash python3 scripts/analyzecontent.py --input chatdata.json --keywords openclaw,clawdbot,cron,mcp ``

1. Validate data: 检查消息数量、时间覆盖范围和数据完整性
2. Generate report: 输出结构化报告并保存到工作区

Guardrails

• 务必使用 starttime 和 endtime 参数以确保完整提取，避免因保留策略导致分页遗漏
• 提取完成后检查 has_more 字段，确保所有分页已处理
• 保存中间结果以避免重复提取
• 分析前验证数据完整性
• 文档化提取参数以便结果可复现

Key Techniques

Time Range Extraction

params = {
    "container_id": chat_id,
    "container_id_type": "chat",
    "start_time": 1700000000,  # Unix timestamp (seconds)
    "end_time": 1700100000,
    "page_size": 50
}

Pagination Handling

all_messages = []
page_token = None
while True:
    params["page_token"] = page_token
    result = fetch_messages(params)
    all_messages.extend(result["items"])
    if not result["has_more"]:
        break
    page_token = result["page_token"]

Related Skills

• [feishu-chat-monitor](../feishu-chat-monitor/) - 检查遗漏的 @提及消息
• [feishu-card-parser](../feishu-card-parser/) - 解析飞书卡片消息为可读文本

About

Part of the Feishu automation toolkit by UniqueClub. 🌐 https://uniqueclub.ai