ai_member_xiaokui/backup/user-feedback-collector-archived/SKILL.md

name	description
user-feedback-collector	全渠道用户反馈收集与管理，支持三类反馈数据源： 1. 主动上报：用户发送包含"用户反馈:"或"用户反馈："开头的消息时自动记录 2. 飞书内部反馈群：「内容测试问题反馈」群（oc_fabff7672e62a9ced7b326ee4a286c26），每6小时同步到飞书表格 3. 微信用户反馈群：数据实时存储在MySQL vala_test.wechat_group_message表 自动汇总、分类、统计反馈，支持同步到知识库文档、多维表格，生成周报/月报。

用户反馈收集与管理

当用户发送的消息以 用户反馈: 或 用户反馈： 开头时，对反馈内容进行总结梳理后记录到飞书知识库文档。

用户反馈收集表格（模板）

序号	评估后优先级	问题所属模块	问题所属类型	反馈时间	反馈渠道	提交人	用户电话	用户角色ID	文字描述	提交图片	提交视频	备注	当前解决进度	问题跟进人
1
2
3
4
5

飞书渠道字段匹配说明（EiPtw2fqWialDIkDvmAcXKp7nUF）

飞书渠道文档表头字段：时间、反馈人、信息类型、信息内容(或地址)。

飞书渠道字段	对应到“用户反馈收集表格（模板）”字段	填写规则
时间	反馈时间	直接填写；统一使用 Asia/Shanghai 时区
反馈人	提交人	直接填写
信息类型	提交图片 / 提交视频 / 文字描述	该字段用于判断“信息内容(或地址)”的内容形态：若为文本则写入文字描述；若为图片则写入提交图片；若为视频则写入提交视频
信息内容(或地址)	文字描述 / 提交图片 / 提交视频	与“信息类型”配合写入：文本原样写入文字描述；图片/视频将链接/地址写入对应列；若无法识别类型，默认写入文字描述并在备注中说明

飞书渠道写入标准表格时，建议默认补齐如下字段：

标准表格字段	默认值/处理方式
反馈渠道	固定填写 飞书群
用户电话	无法获取则留空
用户角色ID	无法获取则留空
评估后优先级	评估后填写 P0/P1/P2/P3；未评估留空
当前解决进度	默认 待确认

反馈数据源（全渠道）

反馈渠道	来源	存储位置	更新频率
主动上报	用户主动发送 用户反馈: 前缀消息	飞书知识库文档	实时
飞书内部测试反馈	「内容测试问题反馈」群（oc_fabff7672e62a9ced7b326ee4a286c26）	MySQL：vala_test.feishu_group_message 表	每4小时自动同步
微信用户反馈	「用户火线救火」群	MySQL：vala_test.wechat_group_message 表	实时更新

注：飞书和微信反馈数据均存储在MySQL数据库，支持引用回复关系查询，便于统一管理和分析。

目标存储位置

1. 全量反馈汇总知识库文档

• 文档标题： 用户反馈问题汇总
• Wiki Token： ApVZw0fxGiv48ekuRS8cIfUjnRf
• 知识空间 ID： 7612229802338045122
• 旧文档（已废弃）： SB3dwaSshie7ifklKlLc2GswnqX 已停止使用

2. 全量反馈汇总多维表格（待上线）

将三个数据源的反馈统一汇总到同一个飞书多维表格，支持分类、筛选、统计和跟进。

支持功能

功能	说明
主动上报记录	用户发 用户反馈: 开头消息自动记录到知识库
多渠道查询	支持按时间、关键词、渠道、提交人查询所有反馈
统计分析	按周/月统计反馈数量、类型、TOP问题
定期汇总	自动生成反馈周报/月报，同步到知识库
每日定时推送	每日上午9:30自动将最新汇总的用户反馈推送给业务负责人刘新玉
同步跟进	支持将反馈同步到任务管理系统，跟进解决进度

主动上报执行流程（原有逻辑）

1. 识别反馈内容

从用户消息中提取 用户反馈: 或 用户反馈： 之后的文本作为反馈正文。去除前后空白。

2. 总结梳理反馈内容

对提取到的反馈正文进行智能总结和梳理：

• 提炼核心观点，去除冗余表述
• 保留关键事实、问题描述和诉求
• 总结后的内容不超过 300 字
• 如果原文本身不超过 300 字且条理清晰，可保持原文不变

3. 获取提交人信息

通过消息上下文中的 sender_id（open_id）调用 feishu_get_user 获取用户姓名。如获取失败，使用 open_id 作为标识。

4. 追加写入文档

使用 Bot 身份通过 lark-cli 将反馈追加到目标文档：

LARKSUITE_CLI_CONFIG_DIR=/root/.openclaw/credentials/xiaokui \
  lark-cli docs +update --doc NVCRdIChwot7oPxcpopcBFMOned --as bot --mode append \
  --markdown '<写入内容>'

5. 写入格式

每条反馈按以下 Markdown 格式追加（使用分割线隔开每条反馈）：

---

**📅 时间：** YYYY-MM-DD HH:mm

**👤 提交人：** <用户姓名>

**<EFBFBD> 反馈摘要：**

<总结梳理后的内容，不超过300字>

**💬 原始反馈：**

<反馈原文>

• 时间使用 Asia/Shanghai 时区
• 如果文档为空（首条反馈），先写入一级标题 # 📋 用户反馈记录，然后再追加反馈条目（不需要开头的分割线）

6. 确认回复

写入成功后，回复用户：「✅ 反馈已记录，感谢！」

写入失败时，回复用户具体错误原因并建议重试。

多渠道反馈查询流程

查询飞书内部测试反馈

1. 连接MySQL数据库 vala_test，查询 lark_group_message 表
2. 支持按时间范围、提交人、关键词、消息类型筛选
3. 支持查询引用回复关系（通过 quote_message_id 字段）
4. 每4小时自动同步最新群消息

查询示例：

-- 查询最近7天的反馈
SELECT * FROM lark_group_message 
WHERE chat_id = 'oc_fabff7672e62a9ced7b326ee4a286c26'
  AND msg_time >= DATE_SUB(NOW(), INTERVAL 7 DAY)
ORDER BY msg_timestamp DESC;

查询微信用户反馈

1. 连接MySQL数据库 vala_test，查询 wechat_group_message 表
2. 支持按时间范围、发送人、关键词、消息类型筛选
3. 支持查询引用回复关系（通过 refer_msg_svrid 字段）
4. 数据实时更新，可查询最新反馈

查询示例：

-- 查询最近7天的反馈
SELECT * FROM wechat_group_message 
WHERE msg_time >= DATE_SUB(NOW(), INTERVAL 7 DAY)
ORDER BY msg_timestamp DESC;

引用回复关系查询（飞书 + 微信统一说明）

两个渠道的数据表都支持引用回复关系，字段名和类型不同，但查询逻辑一致。

字段对照表

说明	飞书表 lark_group_message	微信表 wechat_group_message
消息唯一ID	message_id (varchar, 如 om_xxx)	svr_msg_id (bigint)
被引用消息ID	quote_message_id (varchar)	refer_msg_svrid (bigint)
判断是否引用回复	quote_message_id IS NOT NULL	refer_msg_svrid IS NOT NULL

飞书：查询引用关系

-- 查询某条消息的所有回复
SELECT message_id, sender_name, content, msg_time
FROM lark_group_message 
WHERE quote_message_id = 'om_xxx'
ORDER BY msg_timestamp;

-- 查询完整对话链（原消息 + 所有回复）
SELECT message_id, sender_name, content, msg_time,
       IF(quote_message_id IS NULL, '原消息', '↳ 回复') AS role
FROM lark_group_message 
WHERE message_id = 'om_xxx' OR quote_message_id = 'om_xxx'
ORDER BY msg_timestamp;

-- 向上追溯：找到某条回复引用的原消息
SELECT b.message_id, b.sender_name, b.content, b.msg_time
FROM lark_group_message a
JOIN lark_group_message b ON a.quote_message_id = b.message_id
WHERE a.message_id = 'om_当前消息ID';

微信：查询引用关系

-- 查询某条消息的所有回复
SELECT svr_msg_id, sender_name, content, msg_time
FROM wechat_group_message 
WHERE refer_msg_svrid = 12345678
ORDER BY msg_timestamp;

-- 查询完整对话链（原消息 + 所有回复）
SELECT svr_msg_id, sender_name, content, msg_time,
       IF(refer_msg_svrid IS NULL, '原消息', '↳ 回复') AS role
FROM wechat_group_message 
WHERE svr_msg_id = 12345678 OR refer_msg_svrid = 12345678
ORDER BY msg_timestamp;

-- 向上追溯：找到某条回复引用的原消息
SELECT b.svr_msg_id, b.sender_name, b.content, b.msg_time
FROM wechat_group_message a
JOIN wechat_group_message b ON a.refer_msg_svrid = b.svr_msg_id
WHERE a.svr_msg_id = 12345678;

跨渠道统计：有多少反馈是引用回复

-- 飞书引用回复数量
SELECT COUNT(*) AS feishu_replies FROM lark_group_message WHERE quote_message_id IS NOT NULL;

-- 微信引用回复数量
SELECT COUNT(*) AS wechat_replies FROM wechat_group_message WHERE refer_msg_svrid IS NOT NULL;

典型使用场景

1. 追溯问题讨论：用户报了一个bug，后续有人回复了解决方案 → 通过引用ID查询完整讨论链
2. 统计热门问题：被回复最多的消息往往是影响面大的问题 → 按引用次数排序
3. 关联反馈汇总：同一个问题可能有多条引用回复补充细节 → 聚合展示原消息及所有回复

注意事项

• 所有文档/数据库操作默认使用只读权限，避免修改原始数据
• 所有外部操作使用 Bot 身份（--as bot），不触发用户授权
• 反馈正文会被总结梳理（不超过 300 字），同时保留原始反馈以供查阅
• 任何人都可以提交反馈，无权限限制