eve 飞书 AI 营销团队 · 搭建交付文档

在飞书里 @ 机器人，就能让一个 14 人 AI 团队（5 位营销专员 + 8 位内容工作室成员 + 1 位短视频脚本专家）替你干活：营销分发 + 内容生产全流程（选题 → 调研 → 写作 → 核查 → 审稿 → 排版）+ 短视频口播脚本，产出自动存入 Notion。
底层：Vercel eve 框架（开源 Agent 框架）+ DeepSeek 大模型 + 飞书机器人（国内直连域名）。

一、最终效果

飞书群聊 @「AI营销团队」机器人
        │  webhook（国内可达域名 bot.你的域名.com）
        ▼
Vercel 云端（eve 框架 + 飞书原生通道）
        │  事件驱动
        ▼
DeepSeek（思考/写作） → Notion（知识库/成稿）

24 小时在线待命，有任务才干活，空闲零成本
14 人团队自动发现注册，主管按任务性质路由到正确专家
高危操作（发邮件、删库）弹审批卡片，人工确认后才执行

二、团队角色全景（14 人）

营销组（模板自带）

角色	职责
lead（主管）	接收指令、写简报、路由任务，不直接产出
product-marketer（品牌定位）	定位、卖点、维护品牌文档
content-marketer（文案写手）	长文撰写，产出入 Notion
social-media-coordinator（社媒协调）	短贴文，排期（原 Typefully，国内版可收敛到飞书）；支持公众号草稿箱发布（`publish_wechat_draft`，自动转 HTML + 上传封面 → 微信官方 API 存草稿，人工确认后发布）
seo（SEO 优化）	页面审计、结构化数据
email（邮件群发）	Newsletter 改写与群发（国内版可收敛到飞书）

内容工作室组（新增，分步流水线）

角色	中文名	职责	流水线位置
style-polisher	刘风格 · 风格打磨师	维护团队文风规范（语气/措辞/禁用词），贯穿所有内容	贯穿全程
topic-planner	赵选题 · 选题策划	找选题、定方向、产出选题方案	① 选题
research-analyst	张素材 · 调研专家	搜集素材、带来源核验、编译调研笔记；支持云端浏览器抓取动态页面（`browser_fetch`，web_fetch 打不开的 SPA/需登录页面用它）	② 调研
article-writer	李文章 · 写手	按选题+素材+风格起草长文	③ 写作
fact-checker	吴查查 · 事实核查专家	逐条核验事实/引用/数字	④ 核查
senior-editor	周审稿 · 资深主编	结构/逻辑/风格审稿，改稿定稿	⑤ 审稿
layout-designer	陈排版 · 排版设计师	标题层级/列表/代码块/配图占位排版；可调用 `generate_image` 生成配图（GPT-Image-2）	⑥ 排版
knowledge-manager	王整理 · 知识管家	Notion 知识库整理归档、建索引	归档

短视频组（独立专家）

角色	中文名	职责
short-video-scriptwriter	短视频脚本专家	把任意素材/文章改写成 1 分钟短视频口播逐字稿（220-260 字，四段结构：钩子+痛点 → 方法 → 原理 → 动态收尾），可直接照着录

内容生产流水线（分步协作）

你（飞书）→ ①赵选题 → ②张素材 → ③李文章 → ④吴查查 → ⑤周审稿 → ⑥陈排版 → 成品
                选题方案     调研笔记     草稿        核查报告     定稿        可发布格式
                └────────────── 刘风格（风格指南贯穿）──────────────┘
                └──────────────── 王整理（Notion 归档沉淀）────────────────┘

角色之间通过 artifact（交付物 id） 衔接：上一个角色的产出 id 放进下一个角色的简报，主管负责把衔接信息写清楚。定稿后可直接交给「短视频脚本专家」生成口播脚本。

三、前置准备（账号清单）

账号/工具	用途	是否需要付费
GitHub 账号	托管模板代码	免费
Vercel 账号（建议注册 Team）	云端部署	Hobby 免费版即可
飞书账号（管理员权限）	创建机器人应用	免费
域名（挂在 Cloudflare）	让飞书国内能访问你的服务	已有域名即可
DeepSeek 开放平台账号	大模型 API	充值少量（约 10 元起）
Node.js + pnpm	本地开发	免费

四、完整搭建步骤

第 1 步：一键部署模板到 Vercel

打开模板仓库：https://github.com/vercel-labs/marketing-team-eve-template
点击 README 里的 Deploy with Vercel 按钮
部署向导里按提示连接：
- Notion（Vercel Connect 授权）
- Resend（邮件）
- Slack（模板默认聊天入口，本方案会被飞书替代）
- Typefully API Key（从 Typefully 账户设置生成）
完成部署，记下生成的 GitHub 仓库 URL

第 2 步：本地克隆与初始化

bash

git clone <你的仓库URL> marketing-team-eve-template
cd marketing-team-eve-template
pnpm install

第 3 步：链接 Vercel 项目并拉取环境变量

bash

vercel login              # 设备码授权登录
vercel link --project marketing-team-eve-template --yes
vercel env pull

⚠️ 坑：Vercel CLI 在 git 仓库里可能只生成 .vercel/repo.json（git 链接模式），而 eve 部署需要 .vercel/project.json。手动创建：
json
// .vercel/project.json
{
  "projectId": "prj_xxxxx",
  "orgId": "team_xxxxx"
}
1
2
3
4
5
从本地 .env.local 里的 VERCEL_OIDC_TOKEN（JWT）解码 payload 可拿到 project_id 和 owner_id。

第 4 步：配置 DeepSeek 大模型

4.1 在 .env.local 末尾追加：

bash

DEEPSEEK_API_KEY="sk-你的官方Key"

4.2 新建共享模型文件 agent/model.ts：

typescript

import { createOpenAI } from "@ai-sdk/openai";

export const deepseekModel = createOpenAI({
  apiKey: process.env.DEEPSEEK_API_KEY,
  baseURL: "https://api.deepseek.com",
})("deepseek-chat");

4.3 安装依赖并替换 6 个智能体的模型：

bash

pnpm add @ai-sdk/openai

将以下 6 个文件中的 model 改为 deepseekModel，并加上 modelContextWindowTokens: 128000（绕过编译期上下文窗口校验）：

agent/agent.ts（主管）
agent/subagents/content-marketer/agent.ts（文案）
agent/subagents/email/agent.ts（邮件）
agent/subagents/product-marketer/agent.ts（品牌）
agent/subagents/seo/agent.ts（SEO）
agent/subagents/social-media-coordinator/agent.ts（社媒）

typescript

import { defineAgent } from "eve";
import { deepseekModel } from "#model.js";

export default defineAgent({
  compaction: { thresholdPercent: 0.9 },
  model: deepseekModel,
  modelContextWindowTokens: 128000,
});

第 5 步：飞书开放平台创建应用

这一步必须在飞书开发者后台网页操作（平台不支持 API 创建应用）。

打开 https://open.feishu.cn/ → 开发者后台 → 创建企业自建应用
填写应用名称（如「AI营销团队」）、描述、图标
进入应用 → 凭证与基础信息 → 记录：
- App ID（形如 cli_xxxx）
- App Secret
添加应用能力 → 开通机器人
权限管理 → 开通（重点）：
- im:message:send_as_bot（发消息）
- im:message.p2p_msg:readonly（单聊消息）
- im:message.group_at_msg:readonly（群 @ 机器人）
事件与回调 → 添加事件 → 搜索并添加 im.message.receive_v1（接收消息）

第 6 步：写飞书原生通道（核心交付代码）

模板默认的 Slack 通道和 @larksuite/vercel-chat-adapter（WebSocket-only）与 eve 的回复机制不兼容（eve 的 send 只在 webhook 上下文可用）。正确做法是用 eve 原生 defineChannel 写 webhook 模式通道。

新建 agent/channels/lark.ts：

typescript

import { defineChannel, POST } from "eve/channels";

const FEISHU_BASE = "https://open.feishu.cn";
let cachedToken: { value: string; expiresAt: number } | null = null;
let cachedBotOpenId: string | null = null;

async function getTenantToken(): Promise<string> {
  if (cachedToken && cachedToken.expiresAt > Date.now()) return cachedToken.value;
  const res = await fetch(`${FEISHU_BASE}/open-apis/auth/v3/tenant_access_token/internal`, {
    method: "POST",
    headers: { "Content-Type": "application/json" },
    body: JSON.stringify({
      app_id: process.env.LARK_APP_ID,
      app_secret: process.env.LARK_APP_SECRET,
    }),
  });
  const data = (await res.json()) as {
    code: number; msg: string; tenant_access_token: string; expire: number;
  };
  if (data.code !== 0) throw new Error(`获取飞书 token 失败: ${data.msg}`);
  cachedToken = { value: data.tenant_access_token, expiresAt: Date.now() + data.expire * 1000 - 60_000 };
  return cachedToken.value;
}

async function getBotOpenId(): Promise<string> {
  if (cachedBotOpenId) return cachedBotOpenId;
  const token = await getTenantToken();
  const res = await fetch(`${FEISHU_BASE}/open-apis/bot/v3/info`, {
    headers: { Authorization: `Bearer ${token}` },
  });
  const data = (await res.json()) as { code: number; bot: { open_id: string } };
  if (data.code !== 0) throw new Error(`获取机器人信息失败: ${data.code}`);
  cachedBotOpenId = data.bot.open_id;
  return cachedBotOpenId;
}

async function sendLarkText(chatId: string, text: string): Promise<void> {
  const token = await getTenantToken();
  const res = await fetch(
    `${FEISHU_BASE}/open-apis/im/v1/messages?receive_id_type=chat_id`,
    {
      method: "POST",
      headers: { "Content-Type": "application/json", Authorization: `Bearer ${token}` },
      body: JSON.stringify({ receive_id: chatId, msg_type: "text", content: JSON.stringify({ text }) }),
    },
  );
  const data = (await res.json()) as { code: number; msg: string };
  if (data.code !== 0) console.error(`飞书发送失败 chat_id=${chatId}: ${data.msg}`);
}

interface LarkChannelState { chatId?: string; chatType?: string; }
interface LarkInbound { chatId: string; chatType: string; text: string; senderOpenId: string; }

async function parseLarkMessage(body: unknown): Promise<LarkInbound | null> {
  const raw = body as {
    header?: { event_type?: string };
    event?: {
      message?: {
        chat_id?: string; chat_type?: string; message_type?: string; content?: string;
        mentions?: Array<{ id?: { open_id?: string } }>;
      };
      sender?: { sender_id?: { open_id?: string } };
    };
  };
  if (raw.header?.event_type !== "im.message.receive_v1") return null;
  const msg = raw.event?.message;
  if (!msg?.chat_id || msg.message_type !== "text" || !msg.content) return null;
  const chatType = msg.chat_type ?? "p2p";
  let text = "";
  try { text = (JSON.parse(msg.content) as { text?: string }).text ?? ""; } catch { return null; }
  if (chatType === "group") {
    const botOpenId = await getBotOpenId();
    if (!(msg.mentions ?? []).some((m) => m.id?.open_id === botOpenId)) return null;
  }
  return {
    chatId: msg.chat_id,
    chatType,
    text: text.trim(),
    senderOpenId: raw.event?.sender?.sender_id?.open_id ?? "",
  };
}

export default defineChannel<LarkChannelState, { state: LarkChannelState }>({
  state: {},
  context(state) { return { state }; },
  routes: [
    POST("/eve/v1/lark", async (req, args) => {
      let body: unknown;
      try { body = await req.json(); } catch {
        return Response.json({ code: 1, msg: "invalid json" }, { status: 400 });
      }
      const challengeBody = body as { type?: string; challenge?: string };
      if (challengeBody.type === "url_verification" && challengeBody.challenge) {
        return Response.json({ challenge: challengeBody.challenge });
      }
      const inbound = await parseLarkMessage(body);
      if (!inbound) return Response.json({ code: 0, msg: "ignored" });
      await args.send(inbound.text, {
        continuationToken: `lark:${inbound.chatId}`,
        state: { chatId: inbound.chatId, chatType: inbound.chatType },
        auth: {
          principalId: inbound.senderOpenId,
          principalType: "user",
          authenticator: "lark",
          attributes: {},
        },
      });
      return Response.json({ code: 0, msg: "ok" });
    }),
  ],
  events: {
    "message.completed": async (data, channel) => {
      const { chatId } = channel.state;
      if (chatId && data.message) await sendLarkText(chatId, data.message);
    },
    "turn.failed": async (_data, channel) => {
      const { chatId } = channel.state;
      if (chatId) await sendLarkText(chatId, "⚠️ 任务处理失败，请稍后重试或查看日志。");
    },
  },
});

在 .env.local 追加飞书凭据：

bash

LARK_APP_ID="cli_你的AppID"
LARK_APP_SECRET="你的AppSecret"

验证编译（必须 0 错误）：

bash

pnpm run fix && pnpm validate

第 7 步：部署到 Vercel

7.1 配置云端环境变量（Vercel 控制台 → Settings → Environment Variables，全部加密存储）：

bash

DEEPSEEK_API_KEY
LARK_APP_ID
LARK_APP_SECRET

也可用 CLI：vercel env add DEEPSEEK_API_KEY production --value xxx --sensitive --yes

7.2 创建 vercel.json 开启 Fluid Compute（消除冷启动，飞书要求 webhook 3 秒内响应）：

json

{ "fluid": true }

7.3 部署：

bash

vercel deploy --prod --yes

⚠️ eve deploy 在 Windows 上可能报 pnpm not found（内部 spawn 问题），直接用 vercel deploy --prod 即可（Vercel 云端会自行构建）。

第 8 步：关闭 Vercel 部署保护（必须）

Vercel 控制台 → 项目 → Settings → Deployment Protection → Vercel Authentication → Disable。

不关闭的话，飞书 webhook 请求会被 Vercel 的 SSO 拦截返回 401，消息永远进不来。

第 9 步：绑定国内可达域名（必须，国内访问 Vercel 被墙）

vercel.app 域名在中国大陆被墙，飞书服务器（国内）无法访问。用 Cloudflare 子域名解决：

Cloudflare → 你的域名 → DNS → 添加记录：
- 类型 CNAME、名称 bot、目标 cname.vercel-dns.com、代理开启（橙色云朵）

Vercel CLI 绑定域名到项目：

bash

vercel domains add bot.你的域名.com marketing-team-eve-template

等 1-2 分钟 Vercel 签发 TLS 证书，测试：
bash
```
curl --noproxy '*' https://bot.你的域名.com/eve/v1/lark
```
1
返回 200 即成功。

第 10 步：飞书后台配置 webhook

飞书开放平台 → 应用 → 事件与回调
订阅方式：「将事件发送至开发者服务器」

请求地址：

https://bot.你的域名.com/eve/v1/lark

加密策略：无（MVP 阶段不配 Encrypt Key）
保存 → 飞书会发 url_verification 验证，0.9 秒内响应必然通过

第 11 步：扩展自定义角色（14 人团队怎么来的）

eve 的角色是目录即角色：新建一个子目录就多一个专家，无需注册表。以「选题策划」为例：

text

agent/subagents/<角色英文id>/
├── agent.ts            # 角色定义（description 是主管路由的依据，必须写清楚：负责什么/简报带什么/交付什么）
├── instructions.md     # 角色行为规范（身份、工作流程、协作衔接、交付物）
├── sandbox.ts          # 沙箱配置（复制现有角色即可）
├── tools/              # 工具（one-line 文件调用工厂函数）
└── connections/        # 外部连接（Notion 等，按需）

快速创建：

复制现有角色的 sandbox.ts 和标准 tools/（get_brand_context.ts、read_artifact.ts、save_artifact.ts、资产工具等）
写 agent.ts：description 用英文写清楚职责（主管只靠它路由）
写 instructions.md：中文写行为规范
pnpm validate 验证（eve info 会显示 Subagents 数量增加）

协作衔接：角色之间通过 artifact（交付物 id） 流转——上一环产出 save_artifact 得到 id，下一环的简报带上这个 id，主管负责传递。标准 artifact 类型：content-plan、research-notes、draft、seo-audit、positioning、competitive-scan、deliverability-audit。

14 人团队的流水线角色（本交付已内置）：选题策划 → 调研专家 → 写手 → 事实核查 → 资深主编 → 排版设计师，风格打磨师贯穿，知识管家归档。

五、踩坑速查表

症状	根因	解决
`eve dev` 报 `Cannot find module ...src/internal/authored-module-map-loader.ts`	eve 0.27.6 路径解析 Bug：dev 打包时把框架内部 `#*.js` 解析到项目根的 `src/`（发布包无 src）	修补 `node_modules/eve/dist/src/internal/application/package.js` 的 `resolvePackageSourceFilePath`，源码不存在时回退到 `dist/src/`；删除 `.eve/dev-hosts/**/index.mjs` 缓存重启
`eve deploy` 报 `pnpm not found`	Windows 下 eve 内部 spawn pnpm 失败	改用 `vercel deploy --prod --yes`
`eve deploy` 报 not linked	`.vercel` 只有 repo.json 没有 project.json	手动创建 `.vercel/project.json`（projectId/orgId 从 OIDC token 解码）
飞书长连接验证成功但收不到回复	`@larksuite/vercel-chat-adapter` 是 WS-only，eve 的 `send()` 只在 webhook 上下文可用（`chatSdkChannel().send can only run during a Chat SDK webhook handler`）	不要用 chat-sdk 适配器，改用 eve 原生 `defineChannel` 写 webhook 通道（见第 6 步）
飞书 webhook 验证 3 秒超时	两个原因：① Vercel 冷启动慢；② `vercel.app` 国内被墙	① `vercel.json` 开 `{"fluid": true}`；② 绑定 Cloudflare 子域名
webhook 返回 401 Protected deployment	Vercel 部署保护拦截	关闭 Deployment Protection
`bot.你的域名.com` 返回 525	Vercel 未绑定该域名，无 TLS 证书	`vercel domains add bot.你的域名.com <项目名>` 等证书签发
飞书事件收到但应用显示只有 card.action.trigger	没添加消息事件订阅	事件与回调 → 添加 `im.message.receive_v1`（接收消息）
`createLarkAdapter()` 报 `appId is required`	独立 Node 脚本不加载 `.env.local`	用 `node --env-file=.env.local` 或交给 eve（eve 自动加载 env）
`Cannot read properties of undefined (reading 'connect')`	chat SDK 缺 `state` 配置	`pnpm add @chat-adapter/state-memory` 并配置 `state: createMemoryState()`

六、使用指南与测试提示词

启动本地开发：pnpm dev（终端 TUI）；日常使用：飞书 @ 机器人。

营销组测试指令

指令（复制到飞书）	触发哪个 AI 员工
`基于我们目前的产品特点，帮我梳理核心卖点，更新品牌设定文档`	品牌定位专家
`写一篇关于"AI 智能体如何改变普通人数字工作流"的深度博客，存到 Notion`	文案写手
`根据刚写的 Notion 博客，提炼 3 条社媒短贴`	社媒协调员
`帮我审计这个页面，输出 SEO 优化方案和 JSON-LD 结构化数据`	SEO 优化师
`把这篇博客改写为 Newsletter 草稿`	邮件群发员

内容工作室测试指令（分步流水线）

步骤	指令（复制到飞书）	触发角色
① 选题	`帮我规划 5 个关于「AI 个人提效」的选题，适合公众号`	赵选题 · 选题策划
② 调研	`按刚才的选题方案（id 在回复里）做素材调研，重点找数据和案例`	张素材 · 调研专家
③ 写作	`根据调研笔记（id）和风格文档，写一篇 2000 字初稿`	李文章 · 写手
④ 核查	`逐条核查这篇文章（链接/id）的事实、引用和数字`	吴查查 · 事实核查
⑤ 审稿	`结合核查报告审稿并定稿这篇文章`	周审稿 · 资深主编
⑥ 排版	`把定稿排版成公众号可直接发布的格式`	陈排版 · 排版设计师
归档	`把这篇定稿归档到 Notion 知识库并建索引`	王整理 · 知识管家
全程	`按咱们的风格文档，把这段话改得更有人味` / `更新文风规范：避免xxx`	刘风格 · 风格打磨师

短视频组测试指令

指令（复制到飞书）	触发角色
`把这篇 Notion 文章（链接）改写成 1 分钟短视频口播脚本，属于工具分享类，结尾引导评论扣'提示词'`	短视频脚本专家
`用下面这段内容写一条短视频脚本（内容：...），观点类，结尾要金句升华`	短视频脚本专家

该角色会严格输出四段结构（钩子+痛点 → 方法 → 原理 → 动态收尾）、220-260 字、口语化、代码块包裹，可直接照着录。

完整流水线示例（一次说清，主管会带你走）

写一篇关于「普通人用 AI 提效」的文章。流程：先让选题策划出 3 个角度，
我选一个后交给调研专家收集素材，然后写手成稿、事实核查、主编定稿、
排版成公众号格式，最后归档到 Notion。

七、成本与安全说明

成本结构

项目	计费方式	个人实际花费
Vercel 托管（Hobby 计划）	免费，含 Serverless 函数调用	免费
Vercel Sandbox（云端沙箱）	按 CPU 时间 + 内存计费：约 $0.128/CPU 小时、$0.0212/GB·小时	Hobby 免费额度内基本够用
Vercel Blob（文件存储）	250MB 免费	免费
云端浏览器（调研专家用 `browser_fetch`）	复用 Sandbox 计费，每次调用几分钟 CPU	免费额度内基本够用
DeepSeek 大模型	按 token 计费	日常任务一天几分钱到几毛钱
生图（GPT-Image-2 via APIMART）	按张计费	单张约 8 分钱（10 元可生成 100+ 张）
Notion / 飞书 / Resend	免费版（Resend 3000 封/月）	免费

结论：个人使用基本免费，日常一天几毛钱封顶。超出免费额度只会暂停服务，不会自动扣费。

安全

API Key 全部加密存于 Vercel 环境变量，.env.local 已被 .gitignore 排除，不会泄露到 GitHub
云端浏览器每次调用用完即销毁沙箱，不留存页面数据
当前 MVP 边界：仅文本消息收发；图片/文件、审批卡片、流式打字机为后续增强项

附录：快速交付清单（克隆仓库版）

适用：对方已拿到代码仓库（克隆/fork），只需要初始化自己的环境。14 人团队、飞书通道、模型配置都已内置在代码里，无需重新搭建。

已完成（克隆即得，无需操作）

14 人团队全部角色代码（营销 5 + 内容工作室 8 + 短视频脚本专家）
飞书原生通道（agent/channels/lark.ts，webhook 模式）
DeepSeek 模型配置（agent/model.ts）
Fluid Compute 配置（vercel.json）
云端浏览器调研工具（browser_fetch，调研专家可抓取动态页面；依赖 remote-agent-browser，已装）
公众号草稿箱发布工具（publish_wechat_draft，社媒协调员可发布到公众号草稿箱；已支持 WECHAT_PROXY 代理，依赖 undici，已装）
生图工具（generate_image，写手/排版设计师可生成配图；GPT-Image-2 via APIMART，需配置 APIMART_API_KEY）

对方必须自己做的 5 步（约 30 分钟）

步骤	操作	需要什么
① 安装依赖	`pnpm install`	Node.js + pnpm
② 配置本地密钥	在 `.env.local` 填入 `DEEPSEEK_API_KEY`、`LARK_APP_ID`、`LARK_APP_SECRET`	DeepSeek 账号 + 飞书应用凭据
③ 飞书建应用	开放平台创建自建应用：开通机器人、`im:message` 相关权限、订阅 `im.message.receive_v1`	飞书管理员账号
④ 部署上线	`vercel login` → `vercel link` → `vercel env add`（三个密钥 + 公众号密钥）→ `vercel deploy --prod` → 关闭部署保护	Vercel 账号
⑤ 配 webhook	飞书后台订阅方式改「将事件发送至开发者服务器」，地址填 `https://bot.你的域名.com/eve/v1/lark`	国内可达域名（Cloudflare 子域名方案见正文第 9 步）
⑥（可选）公众号草稿箱	① 公众号后台「设置与开发→基本配置」获取 AppID/AppSecret 并加 IP 白名单；② `vercel env add WECHAT_APP_ID / WECHAT_APP_SECRET`；③ 线上直连被动态 IP 拦截时，配 `WECHAT_PROXY`（固定 IP 代理）	已认证公众号
⑦（可选）生图	`vercel env add APIMART_API_KEY`（在 apimart.ai/keys 获取），写手/排版设计师即可生成配图	APIMART 账号

交付时建议这样说

text

代码已全部备好，你只需要：
1. git clone <仓库地址> && cd 项目 && pnpm install
2. 准备三样东西：DeepSeek API Key、飞书应用（App ID/Secret）、Vercel 账号
3. 按交付文档「附录」的 5 步初始化，约 30 分钟跑通
4. 有任何一步卡住，把报错发我

私有仓库的交付方式

代码仓库默认设为私有（密钥永不进代码库），按交付对象选择给码方式：

交付对象	方式
单个客户	GitHub 仓库 → Settings → Collaborators → 添加对方 GitHub 账号（只读权限）
不想加协作者	仓库 → Code → Download ZIP，直接把压缩包发给对方
多个客户	保持私有，每次交付发 ZIP 或单独 fork 分支

云端环境变量配置清单（客户可见）

所有密钥只存在于两处：Vercel 云端环境变量（Encrypted 加密） + 本地 .env.local（已被 .gitignore 排除）。代码全部通过 process.env.XXX 读取，零硬编码。

变量名	服务	用途	是否必配
DEEPSEEK_API_KEY	DeepSeek	14 人团队思考/写作的大模型 Key	✅ 必配
LARK_APP_ID / LARK_APP_SECRET	飞书	机器人收发消息	✅ 必配
NOTION_CONNECTOR	Notion	知识库/长文存储（部署时 Vercel Connect 自动配置）	✅ 必配
APIMART_API_KEY	生图	写手/排版生成配图（GPT-Image-2，约 8 分/张）	可选
WECHAT_APP_ID / WECHAT_APP_SECRET	公众号	草稿箱发布（需已认证公众号 + IP 白名单）	可选
WECHAT_PROXY	公众号	线上直连被动态 IP 拦截时，配固定 IP 代理	可选
TYPEFULLY_API_KEY	推特排期	社媒排期用；本地已验证可用；云端若遇 IP 校验问题，需确保部署区域出口 IP 可达（同公众号方案可配固定出口）	按需
SLACK_CONNECTOR / RESEND_CONNECTOR	Slack/邮件	模板自带连接（国内版可不配）	可选

配置方式：

bash

vercel env add <变量名> production --value <值> --sensitive --yes

改密钥后的生效流程：同步更新本地 .env.local + Vercel 环境变量 → 重新 vercel deploy --prod 才生效。

安全红线：密钥不要出现在聊天记录、截图、文档或提交记录中（本交付文档一律用占位符）；如需向客户展示，只给变量名和用途，不给值。

Codex报错修复

opencodex

GPT 会员

代注册

其他

软件安装

求职指南

算法题解

面试题解

eve 飞书 AI 营销团队 · 搭建交付文档 ​

一、最终效果 ​

二、团队角色全景（14 人） ​

营销组（模板自带） ​

内容工作室组（新增，分步流水线） ​

短视频组（独立专家） ​

内容生产流水线（分步协作） ​

三、前置准备（账号清单） ​

四、完整搭建步骤 ​

第 1 步：一键部署模板到 Vercel ​

第 2 步：本地克隆与初始化 ​

第 3 步：链接 Vercel 项目并拉取环境变量 ​

第 4 步：配置 DeepSeek 大模型 ​

第 5 步：飞书开放平台创建应用 ​

第 6 步：写飞书原生通道（核心交付代码） ​

第 7 步：部署到 Vercel ​

第 8 步：关闭 Vercel 部署保护（必须） ​

第 9 步：绑定国内可达域名（必须，国内访问 Vercel 被墙） ​

第 10 步：飞书后台配置 webhook ​

第 11 步：扩展自定义角色（14 人团队怎么来的） ​

五、踩坑速查表 ​

六、使用指南与测试提示词 ​

营销组测试指令 ​

内容工作室测试指令（分步流水线） ​

短视频组测试指令 ​

完整流水线示例（一次说清，主管会带你走） ​

七、成本与安全说明 ​

成本结构 ​

安全 ​

附录：快速交付清单（克隆仓库版） ​

已完成（克隆即得，无需操作） ​

对方必须自己做的 5 步（约 30 分钟） ​

交付时建议这样说 ​

私有仓库的交付方式 ​

云端环境变量配置清单（客户可见） ​

评论

eve 飞书 AI 营销团队 · 搭建交付文档

一、最终效果

二、团队角色全景（14 人）

营销组（模板自带）

内容工作室组（新增，分步流水线）

短视频组（独立专家）

内容生产流水线（分步协作）

三、前置准备（账号清单）

四、完整搭建步骤

第 1 步：一键部署模板到 Vercel

第 2 步：本地克隆与初始化

第 3 步：链接 Vercel 项目并拉取环境变量

第 4 步：配置 DeepSeek 大模型

第 5 步：飞书开放平台创建应用

第 6 步：写飞书原生通道（核心交付代码）

第 7 步：部署到 Vercel

第 8 步：关闭 Vercel 部署保护（必须）

第 9 步：绑定国内可达域名（必须，国内访问 Vercel 被墙）

第 10 步：飞书后台配置 webhook

第 11 步：扩展自定义角色（14 人团队怎么来的）

五、踩坑速查表

六、使用指南与测试提示词

营销组测试指令

内容工作室测试指令（分步流水线）

短视频组测试指令

完整流水线示例（一次说清，主管会带你走）

七、成本与安全说明

成本结构

安全

附录：快速交付清单（克隆仓库版）

已完成（克隆即得，无需操作）

对方必须自己做的 5 步（约 30 分钟）

交付时建议这样说

私有仓库的交付方式

云端环境变量配置清单（客户可见）