摘要：本机已安装 Cursor，并且 Cursor CLI 可用 若还没安装 Cursor CLI，按下面步骤操作： Windows（PowerShell）：

安装 Cursor CLI

irm 'https://cursor.com/install?win32=true' | iex

📌 提示：如果遇到执行策略报错，先运行： Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

然后输入 Y 确认，再重新执行安装命令。macOS / Linux：

安装 Cursor CLI

curl -fsSL https://cursor.com/install | sh

⚠️ 实际踩坑：Cursor CLI 依赖 ripgrep 执行 agent 命令时如果报错：Could not find ripgrep (rg) binary.on("close", (code) => resolve({ success: code === 0, exitCode: code, output }) ); }); }

写一个简单的「调度函数」来更新任务状态 对应第八节错误处理和第七节结果收集

// 调度封装：围绕 runCursorCliTask 更新任务状态（极简版） async function dispatchToCursorCli(task, updateStatus) { await updateStatus({ status: "running" }); try { const result = await runCursorCliTask(task); await updateStatus({ status: result.

---

🚀 在飞书里 @ 机器人发一句话，让 Cursor 在你指定的项目目录里写代码、改代码、跑测试，执行结果自动回推到飞书。
本文按「手把手」顺序，带你打通这条链路。

---

在之前的文章中，我已经写过：

• 《GitHub 10万+ Star 的 Moltbot 部署实战：手把手带你在本地跑起来这只「龙虾」🦞》
• 《一步步带你手搓专属 IM APP，控制本地 OpenClaw，破局国内 IM 封闭受限》
• 《手把手教你安装 OpenClaw 并接入飞书，让本地 AI 在飞书里听你指挥》

前几篇分别解决了：本地部署 OpenClaw、自建 APP 控制 OpenClaw、以及把飞书接到 OpenClaw、在飞书里对话本地 AI。

那在飞书里和 OpenClaw 聊上天之后，很多同学会想：能不能直接让 Cursor 在某个项目里干活，比如改代码、加函数、跑测试，然后把执行结果自动推回飞书？这样不用切到 Cursor 界面，在飞书里就能「下任务 → 等结果」。

这篇就带你实现这条链路：飞书机器人下发任务 → OpenClaw 编排 → 调用 Cursor CLI Agent → OpenClaw 收集执行结果 → 通过飞书回推结果。

整篇文章的目标只有一个：

让你看完后，能在飞书里发一条消息，让 Cursor 在你指定的项目目录里执行开发任务，并在同一会话里收到执行结果。

---

一、整体架构：一张图看懂整条链路

先把整条链路看清楚，后面按这个顺序一步步做。

关键点：

• 任务统一由 OpenClaw 编排；飞书只负责「发任务」和「收结果」。
• 执行只依赖 Cursor CLI（agent 命令），不需要额外再搭 MCP/HTTP 服务。
• 用 task_id 把「飞书会话」和「这次执行」绑在一起，结果才能准确回推到对应对话。

---

二、开始前你需要准备好的东西

动手之前，先确认这几样已经就绪。

1. OpenClaw 已安装并初始化，且飞书已经接进去、能收发消息。
   若还没做，请先按《手把手教你安装 OpenClaw 并接入飞书》完成。

2. 飞书侧：已在开放平台创建企业自建应用 + 机器人，并配置好事件订阅 / 消息回调，消息能推到 OpenClaw。

3. 本机已安装 Cursor，并且 Cursor CLI 可用 若还没安装 Cursor CLI，按下面步骤操作：

   Windows（PowerShell）：

# 安装 Cursor CLI
irm 'https://cursor.com/install?win32=true' | iex

📌 提示：如果遇到执行策略报错，先运行：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

然后输入 Y 确认，再重新执行安装命令。

macOS / Linux：

# 安装 Cursor CLI
curl -fsSL https://cursor.com/install | sh

⚠️ 实际踩坑：Cursor CLI 依赖 ripgrep
执行 agent 命令时如果报错：Could not find ripgrep (rg) binary. Please install ripgrep. Error: rg is not installed
这是因为 Cursor Agent CLI 依赖 ripgrep（简称 rg） 来进行高效的代码搜索和上下文理解，但你的系统中尚未安装它。

解决方案：安装 ripgrep

Windows（手动下载）：

1. 打开 ripgrep GitHub Releases 页面
2. 下载适用于 Windows 的 .zip 文件，例如：ripgrep-14.1.1-x86_64-pc-windows-msvc.zip
3. 解压后，将 rg.exe 所在目录添加到系统 PATH 环境变量
4. 验证安装：（使用CMD.exe）

rg --version

如果显示版本号，说明安装成功。

在终端里运行：

# 启动交互式会话（首次运行会提示登录）
agent

如果看到 Cursor 的交互界面或提示登录，说明 CLI 已安装成功。完成登录后，后续 OpenClaw 调用时就能复用认证信息。

---

三、飞书 → OpenClaw：任务怎么进来

用户在飞书里向「机器人」发一条消息，就是一次「任务描述」。飞书会把这条消息通过事件订阅 / 消息回调 POST 到你配置的 OpenClaw HTTP 接口。

OpenClaw 这边要做的：

• 解析请求体，取出：发送人、会话 ID（群 ID 或私聊 ID）、消息 ID、以及消息正文（用户写的任务描述）。
• 为这次请求生成一个内部 task_id，后面从「调用 Cursor」到「把结果推回飞书」都靠这个 task_id 关联。

任务描述怎么写：
建议包含「项目路径 + 你想让 Cursor 做的事」，例如：「在 F:\cursor_work\ 里，写一个冒泡排序算法，写入py文件中。」这样方便你在 OpenClaw 里拼成给 Cursor 的 prompt。

⚠️ 实际踩坑 1：消息格式问题

飞书的消息回调是 JSON，但 content 可能是「JSON 字符串」而不是直接的对象；另外富文本（卡片）和普通文本的格式不一样，解析时要区分。
建议：优先支持纯文本消息（msg_type: text），先跑通链路，再考虑卡片等复杂格式。

---

四、OpenClaw 内部：统一任务模型

不管用户从飞书发来的是哪一句话，在 OpenClaw 里都先转成同一套任务对象。这样后面无论是调 Cursor CLI 还是以后扩展别的执行端，逻辑都一致。

任务对象里至少要有：

• task_id：本次任务唯一 ID
• from_chat：飞书会话信息（群 ID / 私聊 ID、消息 ID、发送人 ID），用于结果回推
• project.root：项目本地路径，例如 D:\projects\my-app
• payload：自然语言描述、可选的文件列表或约束条件

一个最小可用的任务对象大概长这样：

{
  "task_id": "task_1739356123456",
  "from_chat": {
    "chat_id": "oc_1234567890",
    "message_id": "om_abcdefg123456",
    "user_id": "ou_999999999"
  },
  "project": {
    "root": "D:\\\\projects\\\\my-app"
  },
  "payload": {
    "natural_language": "在 README 里新增一段 100 字以内的项目简介。",
    "files": ["README.md"],
    "constraints": {
      "language": "markdown"
    }
  }
}

飞书只是入口，真正驱动 Cursor 的是这份统一模型。

---

五、OpenClaw → Cursor Agent：在项目目录里调用 CLI

核心思路：不依赖 Cursor 桌面端界面，只通过 Cursor CLI 的 agent 命令（非交互、带 -p 的 prompt）在指定目录执行。

流程：

1. 根据任务模型里的 project.root 确定工作目录。
2. 在该目录下以非交互方式调用 Cursor CLI，例如：
   agent -p "<由任务生成的 Prompt>" --mode agent
3. 用子进程方式启动这条命令，并等待进程退出。

Prompt 从哪来：
用任务里的 payload（自然语言、文件、约束）拼成一段清晰指令；如果需要，可以把任务 JSON 的关键字段也塞进 prompt，方便 Agent 理解上下文。

代码层面：
在 OpenClaw 里用类似 spawn('agent', args, { cwd: projectRoot }) 的方式调用，并收集 stdout / stderr；用 exit code === 0 判断成功或失败。后文会给一个 Node.js 伪代码示例，演示如何在项目目录中拉起 Cursor CLI 并收集结果。

⚠️ 实际踩坑 2：Cursor CLI 路径问题

agent 可能不在系统 PATH 里，OpenClaw 子进程找不到。
解决：在配置里写 完整路径，例如 Windows 下 C:\Users\你的用户名\.cursor\agent.exe，Linux/Mac 下 ~/.cursor/agent；或把 Cursor CLI 所在目录加到 OpenClaw 进程的 PATH 环境变量里。

⚠️ 实际踩坑 3：Cursor 需要登录

Cursor CLI 执行前会做登录校验，没登录会报错。
解决：在本机至少用终端跑过一次 agent 并完成登录，认证信息会持久化，之后 OpenClaw 调用的子进程就能复用。

⚠️ 实际踩坑 4：子进程超时

简单任务几秒，复杂任务可能几分钟，超时设太短会把任务误杀。
解决：建议超时设得偏长（例如 30～60 分钟），或做成可配置项，方便按场景调整。

---

六、任务完成信号与结果收集

什么时候算「完成」：
不需要轮询 Cursor 服务，Cursor CLI 子进程退出就表示这次执行结束。

结果内容：
把 stdout + stderr 当作「执行日志 / 结果摘要」；退出码 0 视为成功，非 0 视为失败。OpenClaw 把结果和状态（done / failed）写入任务记录，供下一步回推飞书。

存储时注意：
输出可能很长，建议做长度截断（例如最多保留 2 万字符），避免占满存储；回推飞书时也要考虑单条消息长度限制（见下文踩坑 7）。

若将来需要更结构化的结果，可以约定：让 Cursor 在输出里带一段特定标记（如 RESULT_JSON: {...}），OpenClaw 再解析。

⚠️ 实际踩坑 5：输出截断

Agent 的输出可能非常长（尤其是 diff），全存会占空间，全推飞书也会超长。
解决：做智能截断（例如保留前 1000 字 + 后 500 字），或把完整日志存成文件，在飞书里只推摘要 + 「完整日志见 xxx 路径」。

⚠️ 实际踩坑 6：编码问题

Windows 下子进程的 stdout/stderr 可能是 GBK，直接读会中文乱码。
解决：子进程里指定 encoding: 'utf-8'，或在调用前用 chcp 65001 把控制台切到 UTF-8。

---

七、OpenClaw → 飞书：把结果推回去

任务状态更新后，根据 task_id 找到对应的飞书上下文（群 ID / 私聊 ID、原消息 ID、发送人），调用飞书开放平台的「发消息」接口，把执行结果推回去。

推什么：
简明摘要（成功 / 失败）、关键日志或「详细日志见附件/文件路径」。这样用户在同一会话里就能看到「任务已完成 + 结果」。

体验闭环：
用户在飞书发一条「让 Cursor 干活」的消息 → 过一段时间在同一会话收到机器人回复「任务已完成 + 结果」。

建议在任务一开始就先发一条「已接收任务，正在执行中」的快速回复（见踩坑 9），避免用户以为没收到。

⚠️ 实际踩坑 7：飞书消息长度限制

单条消息有长度上限（通常约 2 万字符），过长会被拒绝。
解决：分多条发送（先发摘要，再分段发日志），或用飞书富文本卡片做折叠。

⚠️ 实际踩坑 8：Markdown 格式

飞书支持的 Markdown 有限，部分语法或特殊字符会显示异常。
解决：用简化的 Markdown，代码块用标准 ``` 语法，避免飞书不支持的特性。

---

八、错误处理与可落地的细节

• Cursor CLI 未安装 / 找不到：任务标记失败，在飞书里提示「请在本机配置 Cursor CLI」。
• 执行超时：子进程设超时（具体策略见第五节踩坑 4），超时则终止进程，任务标记失败，原因写 timeout。
• 退出码非 0：标记失败，结果里附带 stderr/stdout 摘要，方便用户在飞书里看到报错。

可选：对网络抖动等临时异常做有限次数重试（如 1～2 次）。

⚠️ 实际踩坑 10：网络问题

Cursor Agent 会访问远程 API，网络不稳定可能导致任务失败。
解决：识别常见错误（如 ECONNRESET、ETIMEDOUT），在飞书里给友好提示，并可选做重试。

⚠️ 实际踩坑 11：项目路径不存在或无权限

用户填的项目路径可能不存在，或 OpenClaw 运行用户没有读写权限。
解决：在执行前检查路径存在性 + 权限，不通过则直接返回明确错误，不发起 Cursor 子进程。

---

九、实战插件：feishu-cursor-cli 是怎么把这些步骤拼在一起的

我在本地写了一个简单的 OpenClaw 插件 feishu-cursor-cli，基本就是把上面这几节的思路串成了一段代码，方便你参考（这里只保留关键片段，完整实现可以联系作者获取）：

1. 先定义一个和文中任务模型对应的数据结构：

// cursor_cli_agent.js 中的核心结构（只示意关键字段）
const task = {
  id: taskId,
  task_type: taskType,
  project: { root: projectRoot },
  payload: {
    natural_language: text.trim(),
    // files / constraints 等可按需补充
  },
};

2. 把这个任务对象转成给 Cursor CLI 的 Prompt 文本
   对应第五节里的「Prompt 从哪来」

// 根据任务模型构造给 Cursor CLI 的 Prompt（核心思路）
function buildPromptFromTask(task) {
  return [
    "你是一个代码开发 Agent，请在当前仓库完成下面任务。",
    "",
    `任务 ID: ${task.id}`,
    `任务类型: ${task.task_type}`,
    "",
    "自然语言需求：",
    task.payload.natural_language,
    // 如需，可在此追加 files / constraints 等信息
  ].join("\n");
}

3. 在项目目录里真正执行 Cursor CLI
   对应第五、六节里的子进程调用 + 结果收集（省略了一些样板代码，只保留关键逻辑）。下面示例以 Windows 环境为例，使用 cmd.exe 作为 shell，在 macOS / Linux 上可以去掉 shell 参数或改用 /bin/bash。

// 在指定项目目录下调用 Cursor CLI（只保留核心结构）
async function runCursorCliTask(task, options = {}) {
  const cwd = path.resolve(task.project.root);
  const prompt = buildPromptFromTask(task);

  return new Promise((resolve, reject) => {
    const child = spawn("agent", [], {
      cwd,
      shell: "cmd.exe", // Windows 示例；在 macOS / Linux 上可改为 "/bin/bash" 或直接省略
      env: { ...process.env, ...(options.env || {}) },
    });

    let output = "";
    child.stdin.write(prompt);
    child.stdin.end();

    child.stdout.on("data", (data) => (output += data.toString()));
    child.stderr.on("data", (data) => (output += data.toString()));

    child.on("error", (err) => reject(err));
    child.on("close", (code) =>
      resolve({ success: code === 0, exitCode: code, output })
    );
  });
}

4. 写一个简单的「调度函数」来更新任务状态
   对应第八节错误处理和第七节结果收集

// 调度封装：围绕 runCursorCliTask 更新任务状态（极简版）
async function dispatchToCursorCli(task, updateStatus) {
  await updateStatus({ status: "running" });
  try {
    const result = await runCursorCliTask(task);
    await updateStatus({
      status: result.success ? "done" : "failed",
      result_summary: result.success ? "执行成功" : "执行失败",
      result_output: (result.output || "").slice(0, 20000),
    });
  } catch (err) {
    await updateStatus({
      status: "failed",
      result_summary: "调用 Cursor CLI 出错",
      result_output: String(err),
    });
  }
}

5. 最后，用一个 Feishu 文本解析器把「自然语言消息」转成上面的任务对象
   对应第三、四节「飞书 → OpenClaw」+「统一任务模型」（这里给简化版示例）

// 简单 Feishu 文本解析器（只保留思路示意）
function buildTaskFromFeishuText(text, { taskId, defaultProjectRoot }) {
  const projectRoot =
    text.match(/项目[:：]\s*([A-Za-z]:[^\s，。；；]*)/)?.[1]?.trim() ||
    defaultProjectRoot;

  const payload = { natural_language: text.trim() };
  // 这里可按需解析文件名 / 语言约束 / 任务类型等

  return {
    id: taskId,
    task_type: "code_edit",
    project: { root: projectRoot },
    payload,
  };
}

6. 在插件入口里，把这些拼成一个真正能跑的 OpenClaw 插件：

// index.js（入口极简示意）
const { buildTaskFromFeishuText, dispatchToCursorCli } =
  require("./cursor_cli_agent.js");

module.exports = {
  id: "feishu-cursor-cli",
  async handleFeishuMessage({ text, chatId, messageId, userId, sendReply, saveTask, updateTask }) {
    const taskId = `task_${Date.now()}`;
    const task = buildTaskFromFeishuText(text, {
      taskId,
      defaultProjectRoot: "F:\\cursor_work",
    });

    await saveTask(taskId, { from_chat: { chatId, messageId, userId }, task });

    await dispatchToCursorCli(task, async (partial) => {
      await updateTask(taskId, partial);
      if (partial.status === "done" || partial.status === "failed") {
        await sendReply(chatId, messageId, partial.result_summary);
      }
    });
  },
};

可以看到，这个插件本质上就是把本文讲的几步——「解析 Feishu 文本 → 构造任务对象 → 在项目目录中调用 Cursor CLI → 更新任务状态并截断输出 → 通过 Feishu 回推结果」用代码完整串起来，方便你参考或直接改成自己的版本。

---

十、手把手实操：一条消息让 Cursor CLI 写出冒泡排序

下面用一个完整例子，把整个流程串起来。

示例需求：请使用 Cursor CLI，在项目 F:\cursor_work\ 里，帮我写一个冒泡排序算法，使用 Python 编写，写入到 .py 文件中。

---

步骤 1：在飞书里发出任务指令

此时飞书会把这条消息通过事件订阅 / 消息回调推送到你的 OpenClaw HTTP 接口。

---

步骤 2：OpenClaw 收到消息并生成内部任务

OpenClaw 的 Feishu 插件会解析这条文本，提取出：

• 项目路径：F:\cursor_work\
• 核心需求：用 Python 写冒泡排序，输出到 bubble_sort.py

然后包装成统一的任务对象，例如（简化示意）：

{
  "id": "task_xxx",
  "task_type": "code_edit",
  "project": { "root": "F:\\\\cursor_work" },
  "payload": {
    "natural_language": "在项目 F:\\cursor_work 里，用 Python 写一个冒泡排序算法，写入到 bubble_sort.py 中。"
  }
}

---

步骤 3：OpenClaw 在 F:\cursor_work 目录里调用 Cursor CLI

OpenClaw 根据任务里的 project.root，在该目录下通过子进程执行 agent 命令，并把上一步构造好的 Prompt 写入到标准输入中，大致等价于：

cd F:\cursor_work
agent

然后由插件代码把「冒泡排序需求」作为一整段 Prompt 喂给 Cursor CLI。

---

步骤 4：Cursor CLI 在仓库中创建 / 更新 bubble_sort.py

Cursor CLI 接收到 Prompt 后，会自动在当前仓库中：

• 搜索现有文件，看是否已经有相关实现；
• 若没有，则新建 bubble_sort.py；

---

步骤 5：OpenClaw 收集 Cursor CLI 的执行结果

当这次 agent 调用结束、子进程退出时，OpenClaw 会拿到：

• 标准输出 / 标准错误（stdout/stderr）拼成的执行日志；
• 退出码（0 表示成功，非 0 视为失败）。

插件会把这些信息写回任务记录中，例如：

• status: "done" 或 "failed"
• result_summary: "执行成功，已在 bubble_sort.py 中写入冒泡排序示例"
• result_output: 截断后的部分 CLI 输出内容

---

步骤 6：通过飞书把结果回推给用户

最后，OpenClaw 根据任务里保存的 chat_id / message_id，调用飞书开放平台的发送消息接口，在同一会话里给用户回一条结果消息，例如：

到这里，一个完整闭环就跑通了：飞书发指令 → OpenClaw 编排 → Cursor CLI 落地写码 → OpenClaw 收集结果 → 飞书回推摘要。

---

十一、（可选）扩展这个示例：再让 Cursor CLI 跑一遍测试

在前面的冒泡排序例子基础上，你还可以：

• 让用户再发一条指令：「在同一个项目下，给 bubble_sort.py 补充简单的单元测试，并运行一次。」
• OpenClaw 将其识别为 task_type: "run_tests"，在 F:\cursor_work 中调用 Cursor CLI，让它自动补充测试文件并执行。
• 执行完毕后，同样把「测试结果摘要 + 关键日志」通过飞书发回给用户。

这样，一个非常贴近真实工作的「写功能 → 补测试 → 看结果」闭环，就完全建立在飞书 + OpenClaw + Cursor CLI 之上了。

十二、总结：飞书是入口，OpenClaw 是编排，Cursor CLI 是执行体

通过以上步骤，你已经完成了：

1. 理清整条链路：从飞书发任务到 Cursor 执行再回推飞书
2. 统一任务模型：飞书消息转成内部任务，用 task_id 串联
3. 在项目目录中调用 Cursor CLI：子进程 + 超时 + 结果收集
4. 把结果推回飞书：在飞书里看到每个任务的执行结果（可先「执行中」，再发详情）
5. 处理常见踩坑：路径、登录、编码、长度、网络、权限等

接下来可以在此基础上继续扩展，例如：多项目配置、权限控制、结果结构化（RESULT_JSON）、任务取消等。若以后 Cursor 提供更强的集成方式，当前以 CLI 为核心的设计也便于平滑升级。

🌟 飞书只是你发任务、收结果的入口；
真正的编排中枢是你本地的 OpenClaw，执行体是 Cursor CLI。
现在，就在飞书里发一条消息，让 Cursor 在你项目里干一票吧。🦞💬