@amaster.ai/pi-lark 0.1.2-beta.61 → 0.1.2-beta.63

package/skills/lark-slides/references/workflow/slides-editing.md

@@ -18,16 +18,16 @@
 ## 最小读-改-写闭环
 
 ```bash
-PID="xml_presentation_id_here"
+PRES_ID="xml_presentation_id_here"
 SID="slide_id_here"
 
 # 1. 读原页，从 XML 里挑出要改的块的 3 位 short id（如 bUn / bab）
 lark-cli slides xml_presentation.slide get --as user \
-  --params "{\"xml_presentation_id\":\"$PID\",\"slide_id\":\"$SID\"}"
+  --params "{\"xml_presentation_id\":\"$PRES_ID\",\"slide_id\":\"$SID\"}"
 
 # 2. 用 +replace-slide 直接改那个块（不需要搬原 XML）
 lark-cli slides +replace-slide --as user \
-  --presentation "$PID" --slide-id "$SID" \
+  --presentation "$PRES_ID" --slide-id "$SID" \
   --parts '[{"action":"block_replace","block_id":"bUn","replacement":"<shape type=\"text\" topLeftX=\"80\" topLeftY=\"80\" width=\"800\" height=\"120\"><content textType=\"title\"><p>新标题</p></content></shape>"}]'
 ```
 
@@ -42,12 +42,12 @@ lark-cli slides +replace-slide --as user \
 ```bash
 # 读时拿当前 revision_id
 REV=$(lark-cli slides xml_presentation.slide get --as user \
-  --params "{\"xml_presentation_id\":\"$PID\",\"slide_id\":\"$SID\"}" \
+  --params "{\"xml_presentation_id\":\"$PRES_ID\",\"slide_id\":\"$SID\"}" \
   --jq '.data.revision_id')
 
 # 写时传该版本号，服务端以此为 base
 lark-cli slides +replace-slide --as user \
-  --presentation "$PID" --slide-id "$SID" --revision-id "$REV" \
+  --presentation "$PRES_ID" --slide-id "$SID" --revision-id "$REV" \
   --parts '[{"action":"block_replace","block_id":"bUn","replacement":"<shape type=\"rect\" topLeftX=\"100\" topLeftY=\"100\" width=\"200\" height=\"100\"/>"}]'
 ```
 
@@ -65,7 +65,7 @@ lark-cli slides +replace-slide --as user \
 
 ```bash
 lark-cli slides +replace-slide --as user \
-  --presentation "$PID" --slide-id "$SID" \
+  --presentation "$PRES_ID" --slide-id "$SID" \
   --parts '[{"action":"block_replace","block_id":"bab","replacement":"<shape type=\"text\" topLeftX=\"80\" topLeftY=\"80\" width=\"800\" height=\"120\"><content textType=\"title\"><p>新标题</p></content></shape>"}]'
 ```
 
@@ -83,7 +83,7 @@ lark-cli slides +replace-slide --as user \
 
 ```bash
 lark-cli slides +replace-slide --as user \
-  --presentation "$PID" --slide-id "$SID" \
+  --presentation "$PRES_ID" --slide-id "$SID" \
   --parts "$(jq -n --arg token "$FILE_TOKEN" \
     '[{action:"block_insert",insertion:("<img src=\""+$token+"\" topLeftX=\"500\" topLeftY=\"100\" width=\"200\" height=\"150\"/>"),insert_before_block_id:"baa"}]')"
 ```
@@ -96,7 +96,7 @@ lark-cli slides +replace-slide --as user \
 | `insertion` | 是 | 要插入的完整 XML 片段 |
 | `insert_before_block_id` | 否 | 插到这个块之前；省略（不提供此字段）则追加到页面末尾 |
 
-> **`<img>` 必须用 `file_token`**，不能用外链 URL——先 `slides +media-upload --file ./pic.png --presentation $PID` 拿 token。
+> **`<img>` 必须用 `file_token`**，不能用外链 URL——先 `slides +media-upload --file ./pic.png --presentation $PRES_ID` 拿 token。
 
 ### 批量 parts
 
@@ -104,7 +104,7 @@ lark-cli slides +replace-slide --as user \
 
 ```bash
 lark-cli slides +replace-slide --as user \
-  --presentation "$PID" --slide-id "$SID" \
+  --presentation "$PRES_ID" --slide-id "$SID" \
   --parts '[{"action":"block_replace","block_id":"bab","replacement":"<shape type=\"text\" topLeftX=\"80\" topLeftY=\"80\" width=\"800\" height=\"120\"><content textType=\"title\"><p>新标题</p></content></shape>"},{"action":"block_insert","insertion":"<img src=\"<file_token>\" topLeftX=\"700\" topLeftY=\"400\" width=\"180\" height=\"100\"/>"}]'
 ```
 
@@ -116,11 +116,11 @@ lark-cli slides +replace-slide --as user \
 
 ```bash
 # 从文件读
-lark-cli slides +replace-slide --as user --presentation "$PID" --slide-id "$SID" \
+lark-cli slides +replace-slide --as user --presentation "$PRES_ID" --slide-id "$SID" \
   --parts @parts.json
 
 # 从 stdin 读
-cat parts.json | lark-cli slides +replace-slide --as user --presentation "$PID" --slide-id "$SID" \
+cat parts.json | lark-cli slides +replace-slide --as user --presentation "$PRES_ID" --slide-id "$SID" \
   --parts -
 ```
 

package/skills/lark-slides/references/xml/slides_xml_schema_definition.xml

@@ -1297,6 +1297,7 @@
                 - autoStartAt: 有序列表起始编号, 可选, 取值范围 [1, 32767]; 显式指定时从当前段落起重置计数器, 未指定时沿用同一 content 内的前序计数器
                 - bulletChar: 自定义列表符号字符, 可选
                 - marginLeft: 段落左侧缩进宽度
+                - marginRight: 段落右侧缩进宽度
                 - indent: 首行缩进宽度
                 - tabStopPos/defaultTabSize: 段落级 Tab 配置, 覆盖 content 同名配置
             </xs:documentation>
@@ -1329,6 +1330,7 @@
             <xs:attribute name="autoStartAt" type="sml:AutoStartAtType" use="optional"/>
             <xs:attribute name="bulletChar" type="sml:BulletCharType" use="optional"/>
             <xs:attribute name="marginLeft" type="xs:double" use="optional" />
+            <xs:attribute name="marginRight" type="xs:double" use="optional" />
             <xs:attribute name="indent" type="sml:NonNegativeDouble" use="optional"/>
             <xs:attribute name="tabStopPos" type="sml:TabStopPosType" use="optional"/>
             <xs:attribute name="defaultTabSize" type="sml:TabSizeType" use="optional"/>

package/skills/lark-base/references/lark-base-cell-value.md

@@ -1,165 +0,0 @@
-# base CellValue 规范（lark-base-cell-value）
-
-> 适用命令：`lark-cli base +record-batch-create`、`lark-cli base +record-batch-update`
-
-本文件定义 **shortcut 写记录** 时 `CellValue` 的推荐格式，目标是让 AI 一次写对。不同命令的外层 JSON 形状不同，但每个 cell 都以本文为 source of truth。
-
-## 1. 顶层规则（必须遵守）
-
-- `--json` 必须是 JSON 对象。
-- `+record-batch-create --json` 使用 `{"create_records":[{"字段名或字段ID": CellValue}, ...]}`，数组中的每个对象代表一条新 Record。
-- `+record-batch-update --json` 使用 `{"update_records":{"rec_xxx":{"字段名或字段ID": CellValue}, ...}}`，以 `record_id` 定位每条待更新 Record。
-- 一次 payload 里同一字段只用一种 key（字段名或字段 ID），不要重复。
-- 写入前先 `+field-list` 获取字段 `type/style/multiple`，再构造值。
-- 需要清空字段时优先传 `null`（字段允许清空时）。
-
-## 2. 各类型 CellValue
-
-### 2.1 text
-
-text 字段的 `style.type` 影响单元格检查逻辑：
-`type=plain` 传 Markdown 格式的字符串。
-`type=url` 传一个带 title 的 Markdown 格式链接，或单独传一个链接。
-`type=phone` 传合法电话号码。
-`type=email` 传合法邮箱字符串。
-
-```json
-{
-    "标题": "Hello, [lark-cli](https://github.com/larksuite/cli)",
-    "官网": "[官网](https://example.com)",
-    "联系电话": "1380000000000",
-    "邮箱": "owner@example.com"
-}
-```
-
-### 2.2 number
-
-用 JSON number，不要用带单位或千分位的字符串。货币、百分比、进度、评分等数字类字段也按数字写入，展示格式由字段配置决定。
-
-```json
-{
-    "工时": 12.5,
-    "预算": 3000,
-    "完成度": 0.65,
-    "评分": 4
-}
-```
-
-### 2.3 select（单选/多选）
-
-`select` 字段统一传选项名称数组。`multiple=false` 时数组只能包含一个元素，`multiple=true` 时可以包含多个元素。只支持写入字段中已有的选项；构造 CellValue 前先用 `+field-list` 或 `+field-search-options` 确认目标选项存在。
-
-```json
-{
-    "单选": ["Todo"],
-    "多选": ["后端", "高优"]
-}
-```
-
-读取单元格时与写入的数据结构一致。
-
-### 2.4 datetime
-
-写入可省略时区偏移量，系统会按 Base 时区解析输入字符串；优先使用 `YYYY-MM-DD HH:mm`。Base 默认按分钟展示，但底层以毫秒级精度存储时间
-
-```json
-{
-    "截止时间": "2026-03-24 10:00"
-}
-```
-
-读取单元格时，日期时间输出为标准 RFC3339 字符串并固定保留三位毫秒，例如 `"2026-03-24T10:00:00.000+08:00"`。
-
-### 2.5 checkbox
-
-用 JSON boolean：`true` 或 `false`，不要用 `"true"`、`"是"`、`1`。
-
-```json
-{
-    "已完成": true
-}
-```
-
-### 2.6 user / group_chat
-
-`user` 和 `group_chat` 字段统一传对象数组。`multiple=false` 时数组只能包含一个元素，`multiple=true` 时可以包含多个元素。每个元素至少包含 `id`；人员字段传用户 ID（如 `ou_xxx`），群字段传群 ID（如 `oc_xxx`）。
-
-> **人员字段：不要猜 ID。** 不知道 `open_id` 时，先用 `lark-contact` 查 id：`lark-cli contact +search-user --query "<姓名/邮箱/手机号>" --as user`。
-
-> **群组字段：不要猜 ID。** 不知道 `chat_id` 时，先用 `lark-im` 搜群：`lark-cli im +chat-search --query "<群名关键词>" --as user`；取结果里的 `oc_xxx`。
-
-```json
-{
-    "负责人": [
-      { "id": "ou_xxx" },
-      { "id": "ou_xxx2" }
-    ],
-    "协作群": [
-      { "id": "oc_xxx" }
-    ]
-}
-```
-
-读取单元格时仍为对象数组，每个元素为 `{id, name}`，例如 `[{"id":"ou_xxx","name":"张三"}]`。
-
-### 2.7 link
-
-用对象数组，元素包含 `id`，值为目标记录的 `record_id`。不要传记录标题；先用 `+record-list` / `+record-search` 找到目标记录 ID。
-
-```json
-{
-    "关联任务": [
-      { "id": "<record_id>" }
-    ]
-}
-```
-
-读取单元格时与写入的数据结构一致。
-
-### 2.8 location
-
-- 读取：`{lng, lat, full_address}`，三个成员均非空。
-- 写入：`{lng, lat}`，经纬度均为数字；`full_address` 由平台根据坐标解析，不允许手动指定。
-- 筛选行为：按照 `full_address` 做字符串筛选，将 Location 当作文本列使用文本 operator。
-
-```json
-{
-    "坐标": {
-      "lng": 116.397428,
-      "lat": 39.90923
-    }
-}
-```
-
-
-### 2.9 attachment（不作为普通 CellValue 写入）
-
-读取单元格时，附件为数组，每个元素为 `{file_token, size, name}`，例如 `[{"file_token":"box_xxx","size":1024,"name":"report.pdf"}]`。
-
-- 追加附件：使用 `lark-cli base +record-upload-attachment --record-id <record_id> --field-id <field_id> --file <path>`；可重复 `--file` 一次追加多个附件，不能用普通记录操作接口写附件值。
-- 删除附件：使用 `lark-cli base +record-remove-attachment --record-id <record_id> --field-id <field_id> --file-token <file_token> --yes`；可重复 `--file-token` 一次删除同一单元格里的多个附件。
-- 下载附件：使用 `lark-cli base +record-download-attachment --record-id <record_id> --file-token <file_token> --output <dir>`；不传 `--file-token` 时下载整行所有附件，也可重复 `--file-token` 只下载指定附件。Base 附件必须用这个命令下载，用其他下载入口可能失败。
-
-## 3. 只读字段（不要写）
-
-写记录时，`auto_number`、`lookup`、`formula`、`created_at/updated_at`、`created_by/updated_by` 均为只读字段。
-
-写入只读字段通常不会更新数据；返回里可能出现 `ignored_fields`，reason 会说明 `READONLY`。看到这种返回时，不要重试同一 payload，应移除只读字段，只写存储字段。
-
-读取单元格时，`auto_number`、`formula`、`lookup` 为 `string | null`；`created_at`、`updated_at` 为 RFC3339 字符串或 `null`；`created_by`、`updated_by` 为 `array<{id, name}>`。
-
-## 4. 完整示例
-
-```json
-{
-    "标题": "Created from shortcut",
-    "状态": ["Todo"],
-    "标签": ["高优", "外部依赖"],
-    "工时": 8,
-    "截止时间": "2026-03-24 10:00",
-    "已完成": false,
-    "负责人": [{ "id": "ou_123" }],
-    "关联任务": [{ "id": "rec_456" }],
-    "坐标": { "lng": 116.397428, "lat": 39.90923 }
-}
-```

package/skills/lark-base/references/lark-base-data-analysis-pandas.md

@@ -1,93 +0,0 @@
-# Base NDJSON：pandas 示例
-
-仅在统一数据分析 SOP 已选择 pandas 后读取。本页不重复 Base 的粒度与关系规则，只展示对应实现。
-
-示例假设 `records.ndjson` 包含 `record_id`、`日期`、`状态`、`金额`、`负责人`、`标签`、`关联客户`；`customers.ndjson` 包含 `record_id`、`客户名称`。多值列使用统一数据分析 SOP 定义的数组结构。
-
-## 加载与日期解析
-
-```python
-import pandas as pd
-
-records = pd.read_json("records.ndjson", lines=True)
-raw_dates = records["日期"].astype("string")
-records["日期_local"] = pd.to_datetime(
-    raw_dates.str.slice(0, 10), format="%Y-%m-%d", errors="coerce"
-)
-records["日期_instant"] = pd.to_datetime(
-    raw_dates, format="ISO8601", utc=True, errors="coerce"
-)
-```
-
-按来源 Base 的日、周、月分组使用 `日期_local`；计算真实时长、排序或跨时区比较使用 `日期_instant`。实际任务只需构造所需的一列。
-
-## 集合谓词：保持 record 粒度
-
-筛选“状态”包含“进行中”的记录，并在 record 粒度汇总：
-
-```python
-active = records[records["状态"].map(lambda values: "进行中" in values)]
-summary = {
-    "records_count": len(active),
-    "amount_sum": active["金额"].sum(min_count=1),
-}
-```
-
-## 单数组展开：切换到人员粒度
-
-```python
-owners = records[["record_id", "负责人"]].explode("负责人", ignore_index=True)
-owners = owners[owners["负责人"].notna()].assign(
-    user_id=lambda df: df["负责人"].map(lambda user: user["id"]),
-    user_name=lambda df: df["负责人"].map(lambda user: user["name"]),
-)
-by_owner = (
-    owners.groupby(["user_id", "user_name"], as_index=False)
-    .agg(records_count=("record_id", "nunique"))
-    .sort_values("records_count", ascending=False)
-)
-```
-
-## Link JOIN：先建立边表
-
-```python
-edges = (
-    records[["record_id", "关联客户"]]
-    .rename(columns={"record_id": "source_record_id"})
-    .explode("关联客户", ignore_index=True)
-)
-edges = edges[edges["关联客户"].notna()].assign(
-    target_record_id=lambda df: df["关联客户"].map(lambda link: link["id"])
-)[["source_record_id", "target_record_id"]]
-
-customers = pd.read_json("customers.ndjson", lines=True).rename(
-    columns={"record_id": "target_record_id"}
-)
-joined = edges.merge(
-    customers[["target_record_id", "客户名称"]],
-    on="target_record_id",
-    how="left",
-)
-```
-
-## 多数组共现：显式生成行内笛卡尔积
-
-连续两次 `explode` 表示同一 source record 内的 `负责人 × 标签`：
-
-```python
-pairs = (
-    records[["record_id", "负责人", "标签"]]
-    .explode("负责人", ignore_index=True)
-    .explode("标签", ignore_index=True)
-    .dropna(subset=["负责人", "标签"])
-    .assign(
-        user_id=lambda df: df["负责人"].map(lambda user: user["id"]),
-        user_name=lambda df: df["负责人"].map(lambda user: user["name"]),
-    )
-)
-cooccurrence = (
-    pairs.groupby(["user_id", "user_name", "标签"], as_index=False)
-    .agg(records_count=("record_id", "nunique"))
-    .sort_values("records_count", ascending=False)
-)
-```

package/skills/lark-base/references/lark-base-data-analysis-python-stdlib.md

@@ -1,120 +0,0 @@
-# Base NDJSON：Python 标准库示例
-
-仅在统一数据分析 SOP 已选择 Python 标准库后读取。本页不重复 Base 的粒度与关系规则，只展示对应实现。
-
-示例假设 `records.ndjson` 包含 `record_id`、`日期`、`状态`、`金额`、`负责人`、`标签`、`关联客户`；`customers.ndjson` 包含 `record_id`、`客户名称`。多值列使用统一数据分析 SOP 定义的数组结构。
-
-## 加载与日期解析
-
-NDJSON 每行是一条独立 JSON record；按行读取即可，不要先把文件整体载入字符串。
-
-```python
-import json
-from datetime import date, datetime
-
-
-def read_ndjson(path):
-    with open(path, encoding="utf-8") as stream:
-        for line in stream:
-            if line.strip():
-                yield json.loads(line)
-
-
-records = list(read_ndjson("records.ndjson"))
-for record in records:
-    raw_date = record["日期"]
-    record["日期_local"] = date.fromisoformat(raw_date[:10]) if raw_date else None
-    record["日期_instant"] = datetime.fromisoformat(raw_date) if raw_date else None
-```
-
-按来源 Base 的日、周、月分组使用 `日期_local`；计算真实时长、排序或跨时区比较使用 `日期_instant`。实际任务只需构造所需的一项。
-
-## 集合谓词：保持 record 粒度
-
-筛选“状态”包含“进行中”的记录，并在 record 粒度汇总：
-
-```python
-active = [record for record in records if "进行中" in record["状态"]]
-amounts = [record["金额"] for record in active if record["金额"] is not None]
-summary = {
-    "records_count": len(active),
-    "amount_sum": sum(amounts) if amounts else None,
-}
-```
-
-## 单数组展开：切换到人员粒度
-
-用嵌套循环表达 lateral expansion；按人员 `id` 聚合，`name` 只用于展示。
-
-```python
-from collections import defaultdict
-
-record_ids_by_owner = defaultdict(set)
-owner_names = {}
-for record in records:
-    for owner in record["负责人"]:
-        record_ids_by_owner[owner["id"]].add(record["record_id"])
-        owner_names[owner["id"]] = owner["name"]
-
-by_owner = sorted(
-    (
-        {
-            "user_id": user_id,
-            "user_name": owner_names[user_id],
-            "records_count": len(record_ids),
-        }
-        for user_id, record_ids in record_ids_by_owner.items()
-    ),
-    key=lambda row: (-row["records_count"], row["user_id"]),
-)
-```
-
-## Link JOIN：先建立目标表索引
-
-目标表的 `record_id` 是唯一主键，可直接建立哈希索引；Link 的 `id` 用于索引查找。
-
-```python
-customers = {
-    customer["record_id"]: customer
-    for customer in read_ndjson("customers.ndjson")
-}
-
-joined = []
-for record in records:
-    for link in record["关联客户"]:
-        customer = customers.get(link["id"])
-        joined.append(
-            {
-                "source_record_id": record["record_id"],
-                "target_record_id": link["id"],
-                "客户名称": customer["客户名称"] if customer else None,
-            }
-        )
-```
-
-## 多数组共现：显式生成行内笛卡尔积
-
-两层嵌套循环表示同一 source record 内的 `负责人 × 标签`：
-
-```python
-record_ids_by_pair = defaultdict(set)
-owner_names = {}
-for record in records:
-    for owner in record["负责人"]:
-        owner_names[owner["id"]] = owner["name"]
-        for tag in record["标签"]:
-            record_ids_by_pair[(owner["id"], tag)].add(record["record_id"])
-
-cooccurrence = sorted(
-    (
-        {
-            "user_id": user_id,
-            "user_name": owner_names[user_id],
-            "标签": tag,
-            "records_count": len(record_ids),
-        }
-        for (user_id, tag), record_ids in record_ids_by_pair.items()
-    ),
-    key=lambda row: (-row["records_count"], row["user_id"], row["标签"]),
-)
-```

package/skills/lark-base/references/lark-base-record-batch-create.md

@@ -1,63 +0,0 @@
-# base +record-batch-create
-
-> **前置条件：** 先阅读 [`../lark-shared/SKILL.md`](../../lark-shared/SKILL.md) 了解认证、全局参数和安全规则。
-
-批量创建记录。
-
-## 适用场景（重点）
-
-- 适合导入 CSV / Excel、外部系统一次性写入新数据。
-- 先把每条输入数据映射为独立的字段对象，再组装到 `create_records`。
-
-## 推荐命令
-
-```bash
-lark-cli base +record-batch-create --base-token <base_token> --table-id <table_id> \
-  --json '{"create_records":[{"标题":"任务 A","状态":"Open"},{"标题":"任务 B","状态":"Done"}]}'
-
-lark-cli base +record-batch-create --base-token <base_token> --table-id <table_id> --json @batch-create.json
-```
-
-## 参数
-
-| 参数 | 必填 | 说明 |
-|------|------|------|
-| `--base-token <token>` | 是 | Base Token |
-| `--table-id <id_or_name>` | 是 | 表 ID 或表名 |
-| `--json <body>` | 是 | 批量创建请求体，必须是 JSON 对象。支持直接传 JSON 字符串，或 `@<file_path>` 从文件读取 |
-
-## API
-
-`POST /open-apis/base/v3/bases/:base_token/tables/:table_id/records/batch_create`
-
-## `--json` 结构
-
-本节只说明 `+record-batch-create` 的外层 JSON 形状；CellValue 统一看 [lark-base-cell-value.md](lark-base-cell-value.md)。
-
-对象形态：
-
-```json
-{"create_records":[{"标题":"任务 A","状态":"Open"},{"标题":"任务 B","状态":"Done"}]}
-```
-
-| 字段 | 类型 | 必填 | 说明 |
-|------|------|------|------|
-| `create_records` | `Array<Map<FieldNameOrID, CellValue>>` | 是 | 记录字段对象数组；每条记录可以提交不同字段，单次最多 200 条 |
-
-## 返回重点
-
-返回 `record_id_list` 和可选的 `ignored_fields`。
-
-## 坑点
-
-- 每个 `create_records` 元素都是独立的记录字段对象，只提交该记录需要写入的字段。
-- 单次最多 200 条；`1254104` 表示超过单批上限，拆成多个批次。
-- `1254045` 表示字段不存在，重新 `+field-list` 后使用真实字段名或 `field_id`。
-- `1254015` 表示 CellValue 类型不匹配，按真实 Field schema 和 CellValue 规范修正。
-- 返回 `ignored_fields` / `READONLY` 时，从普通 Record 写入中移除 Formula、Lookup、系统字段和自动编号等只读字段。
-- 同一 Table 连续批量写入使用串行执行；`1254291` 表示并发写冲突，短暂等待后重试当前批次。
-- `select` 字段只支持写入字段中已有的选项；构造 CellValue 前先用 `+field-list` 或 `+field-search-options` 确认目标选项存在。
-
-## 参考
-
-- [lark-base-cell-value.md](lark-base-cell-value.md) — CellValue 格式规范

package/skills/lark-base/references/lark-base-record-batch-update.md

@@ -1,57 +0,0 @@
-# base +record-batch-update (batch update)
-
-> **前置条件：** 先阅读 [`../lark-shared/SKILL.md`](../../lark-shared/SKILL.md) 了解认证、全局参数和安全规则。
-
-通过 `update_records` 为每条记录提交字段值。
-
-## 推荐命令
-
-```bash
-lark-cli base +record-batch-update --base-token <base_token> --table-id <table_id> \
-  --json '{"update_records":{"<record_id_a>":{"状态":["完成"]},"<record_id_b>":{"分数":20}}}'
-
-lark-cli base +record-batch-update --base-token <base_token> --table-id <table_id> --json @batch-update.json
-```
-
-## 参数
-
-| 参数 | 必填 | 说明 |
-|------|------|------|
-| `--base-token <token>` | 是 | Base Token |
-| `--table-id <id_or_name>` | 是 | 表 ID 或表名 |
-| `--json <body>` | 是 | 批量更新请求体，必须是 JSON 对象。支持直接传 JSON 字符串，或 `@<file_path>` 从文件读取 |
-
-## API
-
-`POST /open-apis/base/v3/bases/:base_token/tables/:table_id/records/batch_update`
-
-## `--json` 结构
-
-本节只说明 `+record-batch-update` 的外层 JSON 形状；CellValue 统一看 [lark-base-cell-value.md](lark-base-cell-value.md)。
-
-对象形态：
-
-```json
-{"update_records":{"recA":{"状态":["完成"]},"recB":{"分数":20}}}
-```
-
-| 字段 | 类型 | 必填 | 说明 |
-|------|------|------|------|
-| `update_records` | `Map<RecordID, Map<FieldNameOrID, CellValue>>` | 是 | record ID 到字段更新对象的映射（单次最多 200 条） |
-
-## 返回重点
-
-成功响应只包含可选的 `ignored_fields`；没有忽略字段时 `data` 为空对象。请求不会预先校验 record ID 是否存在，因此需要确认实际写入结果时，应再用 `+record-get` 读回目标记录。
-
-## 坑点
-
-- 单次最多更新 200 条记录；`1254104` 表示超过单批上限，拆成多个批次。
-- `1254045` 表示字段不存在，重新 `+field-list` 后使用真实字段名或 `field_id`。
-- `1254015` 表示 CellValue 类型不匹配，按真实 Field schema 和 CellValue 规范修正。
-- 命令不会自动做字段/行映射转换，传什么就发什么。
-- 如果字段映射包含只读字段，返回里可能出现 `ignored_fields` / `READONLY`；移除 Formula、Lookup、系统字段和自动编号等只读字段。
-- 同一 Table 连续批量写入使用串行执行；`1254291` 表示并发写冲突，短暂等待后重试当前批次。
-
-## 参考
-
-- [lark-base-cell-value.md](lark-base-cell-value.md) — CellValue 格式规范