1. 为什么要把 Claude Code 接进飞书
Claude Code 的能力不用多吹，写代码、查日志、做 review 都挺能打，但它有个硬伤：只能在终端里跑。这意味着你必须坐在电脑前，打开终端，才能让它干活。出门在外收到线上告警，想让它帮忙看两眼日志，就得先找电脑、开终端、切目录，一套流程下来十分钟没了。
飞书是很多人日常已经开着的工具，手机、平板、电脑都能用。把 Claude Code 通过 cc-connect 桥接进飞书之后，你只需要在群里 @ 一下机器人，就能让它读代码、改文件、跑命令。cc-connect 是一个开源的 Agent 桥接工具，负责把飞书的消息通过 WebSocket 长连接转发给 Claude Code，再把结果回传到飞书。它不需要公网 IP，内网环境也能跑。
这篇要解决的问题很具体：用 TaoToken 的统一 Key 和 API 通道，把 cc-connect 和 Claude Code 串起来，让飞书机器人真正能收发消息。适合已经在用 Claude Code、想把它搬到飞书上随时调用的人，也适合想给团队搭一个共享 AI 编程助手的场景。下面直接给可复制的配置骨架和验证步骤。
2. TaoToken 前置准备：统一 Key 与 API 通道
cc-connect 本身不提供模型能力，它只是把消息转给 Claude Code，而 Claude Code 需要访问模型 API。这里用 TaoToken 做统一入口，好处是一个 Key 管所有模型调用，不用在多个平台之间来回切换配置。
你需要先拿到两样东西：一个 API Key，以及确认 Claude Code 走的是 TaoToken 的 API 地址。API 地址是https://taotoken.net/api，注意这个地址不带任何查询参数，直接填在配置里就行。
拿 Key 的路径：登录 TaoToken 控制台，进入 API Keys 页面创建一个新的 Key。创建时建议给它起个能认出来的名字，比如feishu-cc-connect，方便以后排查是哪个应用在用。Key 只在创建时完整显示一次，复制下来存好。
如果你还没决定用哪个模型，可以先到模型对话页面试一下调用是否正常，确认 Key 有效再往下走。对于长期在飞书里跑编码任务的场景，Coding Plan 会更划算一些，适合高频调用。
注意：API Key 属于敏感凭证，不要直接提交到 Git 仓库。cc-connect 的配置里可以用环境变量引用，后面配置部分会写到。
3. 可复制配置：config.toml 与 settings.json 骨架
这一节是核心，直接给能用的配置。cc-connect 的配置文件默认在~/.cc-connect/config.toml，Claude Code 的模型接入配置在~/.claude/settings.json。两个文件配合好，链路才能通。
先建目录和 config.toml：
mkdir -p ~/.cc-connect cat > ~/.cc-connect/config.toml << 'EOF' [[projects]] name = "my-claude" [projects.agent] type = "claudecode" [projects.agent.options] work_dir = "/path/to/your/project" api_key = "${TAOTOKEN_API_KEY}" base_url = "https://taotoken.net/api" [[projects.platforms]] type = "feishu" [projects.platforms.options] app_id = "cli_xxxxx" app_secret = "xxxxx" EOF几个关键点说明一下。work_dir换成你实际的项目目录，Claude Code 会在这个目录下读写文件。api_key用${TAOTOKEN_API_KEY}引用环境变量，这样配置文件里不出现明文。base_url固定填 TaoToken 的 API 地址。
然后是 Claude Code 的 settings.json，确保它走同一个通道：
{ "env": { "ANTHROPIC_BASE_URL": "https://taotoken.net/api", "ANTHROPIC_API_KEY": "${TAOTOKEN_API_KEY}" } }把环境变量导出到 shell：
export TAOTOKEN_API_KEY="你的Key"如果你用的是 Docker 方式跑 cc-connect，环境变量要在docker run时通过-e TAOTOKEN_API_KEY=xxx传进去，否则容器里读不到。
飞书那边的app_id和app_secret需要去飞书开放平台创建企业自建应用后获取。创建应用、开启机器人能力、订阅接收消息事件、把回调方式设为 WebSocket 长连接，这几步在开放平台后台都有对应开关。WebSocket 模式的好处是不需要公网地址，内网直接跑。
4. 启动 cc-connect 并验证飞书回调
配置写好后，启动服务：
cc-connect正常启动会看到类似这样的日志：
INFO: Connecting to Feishu WebSocket... INFO: Feishu bot connected INFO: Agent claudecode ready三行日志分别代表：正在连飞书、飞书连接成功、Claude Code 就绪。如果卡在第一行，说明飞书凭证或网络有问题；卡在第三行，说明 Claude Code 或 API 通道有问题。
验证动作分两步。第一步，在飞书里把机器人拉进一个群，@ 它发一句：
帮我看看当前目录有什么文件如果机器人回复了文件列表，说明消息收发链路通了。第二步，验证它真的能操作项目，发一句：
帮我在项目根目录建一个 test_cc.md，内容写 hello然后去服务器上看work_dir下有没有生成这个文件。文件生成了，说明 Claude Code 的写权限和 API 通道都正常。
如果第一步就没回复，先看 cc-connect 的日志有没有报错。常见的是飞书事件没订阅全，或者应用没发布。飞书开放平台里，应用需要发布并通过审核（自建应用一般自己审批即可），机器人才能正常收发消息。
5. 本篇常见错误排查
配置过程中容易踩的坑集中在这几个地方，对照排查能省不少时间。
报错Feishu app_id or app_secret invalid：检查 config.toml 里的app_id和app_secret有没有复制错，注意前后不要有空格。飞书后台的凭证页面可以重新查看 secret。
报错401 Unauthorized或invalid api key：说明 TaoToken 的 Key 没生效。先确认环境变量TAOTOKEN_API_KEY在当前 shell 里能echo出来，再确认 settings.json 里的ANTHROPIC_BASE_URL是https://taotoken.net/api，没有多余斜杠或路径。
机器人不回复但日志显示已连接：多半是飞书事件订阅没配全。需要在开放平台订阅im.message.receive_v1这类接收消息事件，并且把机器人添加到群里。只创建应用不加群，@ 它是没反应的。
Claude Code 报找不到工作目录：work_dir填的是绝对路径，且该路径要存在、当前用户有读写权限。相对路径在服务化启动时容易解析错，统一用绝对路径。
Docker 里跑读不到环境变量：docker run时用-e传，或者用--env-file指定文件。容器内的~和宿主机不是一回事，配置文件路径要挂载进去。
WebSocket 连不上：确认服务器能出网访问飞书的长连接地址。公司内网如果有出网限制，需要放行对应域名。这一步不需要公网 IP，但需要能主动出网。
6. 把链路用起来：从验证到日常
链路跑通之后，日常使用就是直接在飞书里 @ 机器人。cc-connect 支持多项目，一个进程可以管多个[[projects]]，每个项目绑定不同的飞书群。比如前端项目一个群、后端项目一个群，互不干扰。
权限控制上，cc-connect 提供几种模式，新手建议先用需要确认的模式，等熟悉了再放开自动执行。这样 AI 改文件、跑命令之前会先问你，避免误操作。
如果你打算长期在飞书里高频调用 Claude Code 做编码任务，建议把 Key 换成 Coding Plan，调用成本更可控。接入过程中如果遇到 Key 或通道问题，直接去 API Keys 页面重新生成一个对比测试，能快速定位是配置问题还是凭证问题。模型调用是否正常，可以在模型对话页面单独验证一次，排除是 cc-connect 的问题还是 API 通道的问题。完整的接入参数和字段说明，接入文档里有更细的对照表，配置时对着查不容易漏项。
