Claude Code und Codex mit nur einem Befehl an Lark anbinden – ohne ständigen Wechsel zum Terminal

17. Juni 2026

Das Open-Source-Projekt lark-channel-bridge bringt AI-Programmieragenten wie Claude Code und Codex direkt in Lark. Teammitglieder müssen nicht länger ständig zwischen Chatfenster und Terminal wechseln, sondern können in ihrer gewohnten Arbeitsumgebung Unterhaltungen starten, Aufgaben zuweisen und sowohl die Ergebnisse als auch den vollständigen Kontext der Agenten teilen.

Warum Claude Code in Lark integrieren?

Viele Entwicklungsteams besprechen Anforderungen und stimmen Fortschritte in Lark ab. Die AI-Agenten, die die eigentlichen Programmieraufgaben ausführen, laufen jedoch häufig nur im lokalen Terminal eines einzelnen Engineers. Nach jedem Arbeitsschritt von Claude Code muss die zuständige Person Screenshots erstellen, Ergebnisse kopieren, sie im Gruppenchat teilen und den übrigen Mitgliedern zusätzliche Erklärungen liefern. Jeder einzelne Vorgang wirkt zunächst unbedeutend, doch auf Dauer entstehen erhebliche Kosten durch ständige Kontextwechsel.

lark-channel-bridge verbindet diese beiden bisher getrennten Arbeitsumgebungen. Nach der Integration erscheint der AI-Programmieragent als Lark-Bot. Mitglieder können ihm sowohl am Computer als auch auf dem Smartphone direkt Nachrichten senden. Der Agent liefert seine Inhalte fortlaufend über Rich-Text-Karten zurück und speichert die Unterhaltung in einem für das gesamte Team sichtbaren und nachvollziehbaren Lark-Chat.

Claude Code mit nur einem Befehl in Lark integrieren

Repo：https://github.com/zarazhangrui/lark-coding-agent-bridge

Für den Start ist weder Docker erforderlich, noch muss die Umgebung aufwendig manuell konfiguriert werden. Es genügt, den folgenden Befehl auszuführen:

npx -y lark-channel-bridge@latest start

Nach dem Start führt die CLI den Benutzer per QR-Code durch die Verknüpfung mit der Lark-App. Sobald die Verbindung hergestellt ist, können sowohl der Ersteller der App als auch eingeladene Mitglieder privat mit dem Bot chatten oder ihn in einer Lark-Gruppe per @-Erwähnung aufrufen. Sobald Claude Code eine Anfrage erhält, beginnt es mit der Ausführung. Fortschritt und Ausgabe werden als kontinuierlich aktualisierte Lark-Karten gestreamt, sodass niemand den Status permanent im Terminal verfolgen muss.

Für den dauerhaften Einsatz lässt sich außerdem die eigenständige CLI der Bridge installieren, global bereitstellen und als Hintergrundprozess ausführen.

Streaming-Antworten, separate Sessions und mehrere Workspaces

Streaming-Antworten in Karten sind die unmittelbarste Verbesserung dieser Integration. Die Textausgaben und Tool-Aufrufe von Claude werden gemeinsam in einer einzigen Lark-Karte dargestellt und entsprechend dem Ausführungsfortschritt in Echtzeit aktualisiert. Statt erst nach Abschluss der Aufgabe einen langen Textblock zu erhalten, kann das Team direkt im Chat verfolgen, was der Agent gerade tut und wie die Verarbeitung voranschreitet.

Bei der Verwaltung von Unterhaltungen sorgt eine separate Session für jeden Chat dafür, dass jeder Lark-Chat seine eigene Claude Session behält. Selbst wenn ein Benutzer erst eine Stunde später zur ursprünglichen Unterhaltung zurückkehrt, kann der Agent nahtlos an die vorherige Diskussion anknüpfen. Gleichzeitig bleiben die Kontexte verschiedener Chats voneinander getrennt, sodass Inhalte nicht versehentlich vermischt werden.

Bei mehreren Codeprojekten ermöglicht die Unterstützung mehrerer Workspaces einen einfachen Wechsel. Mit /ws Projektname wird der Agent direkt dem entsprechenden Projektverzeichnis zugewiesen. Jeder Workspace verwaltet seinen eigenen Session-Status. Selbst bei einem monorepo mit fünf Services muss das Team daher keine vermischten Kontexte mehr manuell sortieren.

Screenshots, Designs und Logs direkt an den Agenten übergeben

Neben Textnachrichten kann die Bridge auch Bilder und Dateien verarbeiten, die in Lark-Chats gesendet werden. Entwickler können bug-Screenshots, Designs oder Logs direkt übermitteln. Claude erhält den lokalen Pfad der heruntergeladenen Datei und kann deren Inhalt als regulären Kontext lesen und analysieren.

Wenn ein Team mit PikpikGo AI visuelle Inhalte erstellt, lassen sich die generierten Bilder direkt an den Agenten-Chat weiterleiten. Claude kann dadurch sofort konkretes Feedback zum jeweiligen Material geben, ohne dass Dateien wiederholt heruntergeladen und erneut hochgeladen oder Hintergrundinformationen mehrfach ergänzt werden müssen.

Kontrollierbare Teamberechtigungen und durchsuchbare Chatverläufe

Standardmäßig ist der Bot nur für den Ersteller der Lark-App zugänglich und wird anderen Mitgliedern daher nicht automatisch bereitgestellt. Soll der Nutzerkreis erweitert werden, können Administratoren Teammitglieder mit /invite einladen. Der Zugriff lässt sich mit /remove wieder entziehen. Die Berechtigungsverwaltung steht ausschließlich Administratoren und dem ursprünglichen Ersteller zur Verfügung. So bleiben Agentenaktionen mit Zugriff auf Code-Repositories klar geregelt und überprüfbar.

Ein weiterer Vorteil für die Zusammenarbeit besteht darin, dass AI-Unterhaltungen nicht länger nur als flüchtige Informationen im persönlichen Terminal verbleiben, sondern zu dauerhaft zugänglichen Teamaufzeichnungen werden. Die vom Bot erzeugten Unterhaltungen werden in den Lark-Suchindex aufgenommen. Teammitglieder müssen daher nicht mehr nachfragen, welche Antwort Claude am Vortag gegeben hat, sondern können den ursprünglichen Inhalt direkt über die Suche finden. Junior Engineers können auf die Sessions zurückgreifen, die erfahrenere Mitglieder bei der Arbeit mit dem Agenten hinterlassen haben, und Diskussionen in Code-Reviews können unmittelbar auf Antworten des Bots verweisen.

So funktionieren die wichtigsten Slash-Befehle

Die Bridge deckt alltägliche Verwaltungsaufgaben mit einer kompakten Auswahl an Slash-Befehlen ab. Mit /config lassen sich Einstellungen anpassen. /new chat erstellt im aktuellen Workspace eine neue Claude Session. /cd ändert sofort das Arbeitsverzeichnis. Soll eine laufende Aufgabe abgebrochen werden, genügt /stop. Alle diese Aktionen lassen sich direkt im Chatfenster ausführen, ohne zur Verwaltung des Agenten ins Terminal zurückkehren zu müssen.

Claude Code und Codex parallel über Konfigurationsdateien ausführen

Für Teams, die mehrere Agenten einsetzen möchten, unterstützt lark-channel-bridge die parallele Bereitstellung von Claude Code und Codex über voneinander unabhängige Konfigurationsdateien. Jede Konfigurationsdatei speichert eigene Zugangsdaten, Session-Status und Workspace-Einstellungen. Diese Daten werden während der Ausführung nicht gemeinsam verwendet.

Ein Team kann beispielsweise Claude mit der Entwicklung von Produktfunktionen beauftragen und Aufgaben rund um die Infrastruktur an Codex übergeben. Beide Agenten können als separate Bots im selben Lark-Workspace aktiv sein und jeweils die Aufgaben übernehmen, für die sie am besten geeignet sind, ohne dass Konfigurationen ständig überschrieben werden müssen.

Dieser aufgabenbasierte Einsatz verschiedener Agenten entspricht auch dem Multi-Modell-Workflow von PikpikGo AI: Benutzer können auf derselben Canvas-Oberfläche zwischen Claude, GPT und Gemini wechseln, für jede Aufgabe das passendere Modell auswählen und mehrere Arbeitsschritte nahtlos miteinander verbinden.

AI-Programmieragenten in bestehende Team-Workflows integrieren

Wirklich benutzerfreundliche Entwicklungstools zwingen Teams in der Regel nicht dazu, ihre Arbeitsgewohnheiten neu aufzubauen, sondern fügen sich nahtlos in bestehende Prozesse ein. Genau das leistet lark-channel-bridge: Bereits eingesetzte AI-Programmieragenten werden direkt in Lark integriert, wo die tägliche Kommunikation des Teams stattfindet. Die Verbindung lässt sich mit einem einzigen Startbefehl herstellen, ohne eine komplexe Konfiguration bewältigen zu müssen. Gleichzeitig erhalten mehr Teammitglieder Zugriff auf die Fähigkeiten und Ausführungsprotokolle der Agenten.

Wenn Sie AI-gestützte Produkte entwickeln und einen gemeinsamen Arbeitsbereich für agentenbasierte Workflows benötigen, vereint PikpikGo AI die Zusammenarbeit mit mehreren Modellen, AI-Bildgenerierung und Deep-Research-Tools auf einer gemeinsamen Team-Canvas. So können unterschiedliche Rollen ihre Aufgaben auf Grundlage eines einheitlichen Kontexts gemeinsam voranbringen.