Files
feishu_bitable/README.md
2026-03-23 10:45:02 +08:00

71 lines
2.8 KiB
Markdown

# 基于多维表格的敏捷项目周期管理
[使用说明](https://open.feishu.cn/document/home/agile-project-cycle-management-based-on-bitable/introduction)
## 配置说明
本项目依赖环境变量来进行飞书应用授权和数据表定位。你需要根据 `.env.example`(或直接新建一个 `.env` 文件),配置以下环境变量:
### 核心凭证配置 (必填)
* `APP_ID`: 你的飞书应用的 App ID。
* `APP_SECRET`: 你的飞书应用的 App Secret。
* `LARK_HOST`: 飞书开放平台 API 地址,默认为 `https://open.feishu.cn`
### 单表查询配置 (get_records, batch_get_records)
* `DEFAULT_APP_TOKEN`: 默认读取的飞书多维表格的 App Token。
* `DEFAULT_TABLE_ID`: `get_records.py` 默认查询的 Table ID。
* `BATCH_TABLE_ID`: `batch_get_records.py` 默认批量查询的 Table ID。
### 导出可视化视图配置 (export_web_view)
* `WEB_VIEW_TABS`: 导出 HTML 时使用的多标签页配置,必须为严格的 **JSON 数组字符串**。例如:
`[{"name": "开发组", "app_token": "token1", "table_id": "id1"}, {"name": "测试组", "app_token": "token2", "table_id": "id2"}]`
* **AI 总结配置**(可选,用于网页自带的 AI 分板):
* `AI_API_KEY`: 大模型 API Key。
* `AI_BASE_URL`: 大模型 API 请求 Base URL。
* `AI_MODEL`: 大模型模型名称(如 `gpt-4o`, `MiniMaxAI` 等)。
### 多表合并功能配置 (merge_bitables, append_bitables)
* `MERGE_SOURCE_APP_TOKEN_1` / `MERGE_SOURCE_TABLE_ID_1`: 第一个数据源。
* `MERGE_SOURCE_APP_TOKEN_2` / `MERGE_SOURCE_TABLE_ID_2`: 第二个数据源。
* `MERGE_TARGET_APP_TOKEN`: 数据合并后的目标 App Token。
## 快速开始模板 (`.env` 文件配置)
你可以直接在项目根目录创建一个 `.env` 文件,然后复制以下内容并替换成你的真实配置:
```env
# 核心凭证配置 (必填)
APP_ID=your_app_id
APP_SECRET=your_app_secret
LARK_HOST=https://open.feishu.cn
# 单表查询配置 (get_records, batch_get_records)
DEFAULT_APP_TOKEN=your_default_app_token
DEFAULT_TABLE_ID=your_default_table_id
BATCH_TABLE_ID=your_batch_table_id
# 导出网页视图配置 (严格 JSON 数组格式)
WEB_VIEW_TABS=[{"name": "默认分组", "app_token": "your_app_token", "table_id": "your_table_id"}]
# AI 总结配置 (可选,用于 outline_view.html 生成摘要)
AI_API_KEY=your_ai_api_key
AI_BASE_URL=https://api.openai.com/v1
AI_MODEL=gpt-4o
# 多表合并功能配置 (可选)
MERGE_SOURCE_APP_TOKEN_1=source_token_1
MERGE_SOURCE_TABLE_ID_1=source_id_1
MERGE_SOURCE_APP_TOKEN_2=source_token_2
MERGE_SOURCE_TABLE_ID_2=source_id_2
MERGE_TARGET_APP_TOKEN=target_token
```
## 快速开始
```bash
uv sync
uv run export_web_view.py
uv run server.py
```
服务启动后,可以通过浏览器直接访问查看交互式数据看板:
🔗 **[http://localhost:18080](http://localhost:18080)**