飞书@提及解析器（Feishu Mention Resolver）是一个专为飞书/Lark平台设计的消息处理工具，核心功能是将自然文本中的 `@name` 格式提及自动转换为标准的 “ XML 标签。这种转换能够确保被提及的对象在接收端正确触发提醒机制，显著提升协作沟通的精准度与效率。该工具基于 OpenClaw Account ID 体系工作，通过读取本地配置文件 `~/.openclaw/openclaw.json` 中预设的账号别名（如 `product`、`backend`、`elves`），自动映射到对应的飞书机器人 App ID 和密钥，并动态获取其 OpenID 信息。这意味着开发者无需手动维护复杂的用户 ID 列表，系统可智能识别配置中的所有机器人账号，实现跨机器人的精准@提醒。其设计充分考虑了实际业务场景中的多账号协同需求，支持优先级匹配逻辑，确保提及解析既准确又高效。
核心功能特点
- 自动将文本中的 @name 提及转换为标准 XML 格式，确保提醒精准送达
- 基于 OpenClaw Account ID 体系工作，通过配置文件自动管理多个机器人账号凭证
- 智能识别配置中的所有机器人账号，支持不区分大小写的模糊匹配（如 @product 可匹配 Product 或 PRODUCT）
- 内置三层优先级匹配逻辑：已配置机器人 > 用户别名 > 群组成员，确保提及解析准确性
- 支持通过 aliases 参数扩展自定义别名映射，灵活应对复杂命名场景
- 提供简洁的 JavaScript/Node.js API，易于集成到现有消息处理流程中
适用场景
该工具特别适合需要实现跨机器人协作提醒的企业级应用场景。例如在一个大型项目群聊中，前端机器人 `@frontend`、后端机器人 `@backend` 和测试机器人 `@qa` 共同协作时，当某条消息包含 `@backend 请确认接口文档`，解析器能自动将其转换为 `backend` 格式，确保后端机器人能收到精准的@提醒，避免因纯文本提及导致的漏看问题。另一个典型场景是自动化通知系统，当监控系统检测到异常时，可通过调用此工具向运维机器人 `@ops` 发送 `@ops 服务器 CPU 使用率超过 90%`，解析后的消息能直接触发运维机器人的告警处理流程，提升故障响应速度。对于使用飞书作为主要办公平台的团队而言，该工具能有效解决传统文本提及不可靠的问题，尤其适用于需要精确分派任务、触发特定机器人行为的复杂工作流场景。