智能打卡助手

要解决什么问题

外勤或项目现场打卡往往依赖截图：员工在飞书群里发图，行政再手工抄时间、地点、项目名进表。重复劳动多，且容易漏字段或写错格式。

本技能面向飞书群聊 + 多维表格这一常见组合：在明确触发条件下自动落盘图片、做结构化识别、写一行记录，并把结果用极简话术回给打卡人。

如何工作

触发需要同时满足三件事：群聊里上传图片、消息包含 config.json 里配置的打卡关键词（如「打卡」「签到」）、以及@机器人。不满足任一条则不应走打卡流程。

核心链路分三步：

1. 图片下载：按 image.save_path 保存附件，受 supported_formats 与 max_size_mb 约束。
2. 本地 OCR：调用 config.ocr 配置的 Ollama 服务（base_url、model、超时与重试），从图中抽取打卡时间、地点、员工姓名、项目名称及备注等；时间目标格式如 2026/01/08 14:00。
3. 写入多维表格：通过 feishu.bitable 的 apptoken / tableid 及 field_mapping，写入打卡时间、附件、自动生成的月度（如 2026-01）、打卡人、部门、项目名、备注、地点等列；entry_exit_type 可按 field_settings 暂不填写。

执行层由 Python 脚本承接：推荐传 --user-id 或 --union-id 从飞书拉真实姓名与部门（无部门则留空）；也可 --image-url 先下载再识别。成功或失败后，仅把返回 JSON 的 message 字段发给用户，群聊里保持简短确认，不附带识别明细或版本信息。

适用边界与注意点

• 纯闲聊、未@机器人、或图片与打卡无关时，不要用本技能。
• OCR 质量依赖图片清晰度；需保证 config.ocr.base_url 可达且模型已就绪。
• 机器人需具备读消息、下图片、写多维表格权限；列名须与 field_mapping 一致，否则写入会失败。
• 建议定期备份 image.save_path 下的打卡图片。