AI办公 工作流自动化教程｜附源码

在日常办公中，很多工作并不复杂，却非常耗时：整理邮件、汇总表格、生成日报、同步待办、提取文档重点、把会议纪要发送到群里……这些任务往往具有一个共同特点：规则相对固定、重复频率高、人工处理价值低。

随着大模型、API、自动化工具的发展，我们已经可以用较低成本搭建一套属于自己的 AI 办公自动化工作流。本文将从实际办公场景出发，介绍如何设计 AI 工作流，并提供一套可运行的 Python 示例源码，帮助你完成从“手动办公”到“自动化办公”的升级。

一、什么是 AI 办公工作流自动化？

AI 办公工作流自动化，是指将办公中的多个步骤串联起来，通过程序、自动化平台或 AI 模型自动完成任务。

例如，传统流程可能是：

1. 打开邮箱；
2. 阅读客户邮件；
3. 复制关键信息；
4. 打开 Excel；
5. 填写客户需求；
6. 手动总结；
7. 发给同事或保存到日报。

而自动化之后，可以变成：

1. 程序自动读取邮件；
2. AI 自动提取客户姓名、需求、预算、截止时间；
3. 自动写入 Excel 或数据库；
4. 自动生成摘要；
5. 自动发送到企业微信、钉钉或飞书。

这就是 AI 工作流自动化的价值：减少重复劳动，提高信息处理效率，让人把时间花在判断和决策上。

二、适合自动化的办公场景

并不是所有办公任务都适合自动化。一般来说，以下类型的任务非常适合引入 AI 工作流。

1. 文档总结类

例如：

• 会议纪要总结；
• 长文档提炼重点；
• 合同条款初步归纳；
• 项目报告生成摘要；
• 客户邮件意图识别。

这类任务可以借助大模型完成信息压缩和结构化输出。

2. 表格处理类

例如：

• Excel 数据清洗；
• 销售日报汇总；
• 财务数据分类；
• 客户名单去重；
• 根据表格生成分析报告。

这类任务适合用 Python 的 pandas 配合 AI 完成。

3. 消息通知类

例如：

• 每天定时发送工作日报；
• 销售线索自动推送；
• 任务即将超期提醒；
• 系统异常自动通知负责人。

这类任务可以结合定时任务和 Webhook 实现。

4. 内容生成类

例如：

• 自动生成周报；
• 根据关键词生成文章大纲；
• 根据会议记录生成行动项；
• 根据客户需求生成回复邮件。

这类任务非常适合使用 AI 模型辅助完成。

三、本文要实现的自动化工作流

本文将实现一个简单但实用的 AI 办公工作流：

读取 Excel 中的任务数据 → 调用 AI 生成每条任务摘要和建议 → 生成日报 Markdown 文件 → 可选发送到企业微信机器人。

这个工作流非常适合用于：

• 项目管理日报；
• 销售线索跟进；
• 客服工单总结；
• 团队任务进度汇报；
• 运营数据简报。

四、工作流整体架构

整个流程可以拆成以下几个模块：

Excel任务数据
    ↓
Python读取表格
    ↓
AI分析任务内容
    ↓
生成结构化结果
    ↓
输出日报Markdown
    ↓
发送通知（可选）

在实际企业办公中，你可以把 Excel 换成数据库、飞书表格、Notion、Airtable 或 CRM 系统；也可以把输出日报换成邮件、钉钉消息、企业微信消息或自动创建文档。

五、准备工作

1. 安装 Python

建议使用 Python 3.9 及以上版本。

可以在终端执行：

python --version

如果没有安装，可以前往 Python 官网下载安装。

2. 安装依赖库

本文示例会用到以下库：

pip install pandas openpyxl requests python-dotenv

各库作用如下：

3. 准备项目目录

创建一个项目文件夹，例如：

ai-office-workflow/
├── main.py
├── config.py
├── ai_client.py
├── report_generator.py
├── notifier.py
├── tasks.xlsx
├── .env
└── output/

其中：

• main.py：主程序入口；
• config.py：配置读取；
• ai_client.py：AI 接口调用；
• report_generator.py：日报生成；
• notifier.py：消息通知；
• tasks.xlsx：任务数据源；
• .env：保存密钥和 Webhook；
• output/：保存生成的日报文件。

六、准备 Excel 数据

创建一个名为 tasks.xlsx 的 Excel 文件，内容如下：

实际使用时，你可以根据自己的业务调整字段，例如增加优先级、部门、客户名称、金额等。

七、配置环境变量

创建 .env 文件：

AI_API_KEY=your_api_key_here
AI_API_URL=https://api.example.com/v1/chat/completions

WECHAT_WEBHOOK=https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=your_key_here

说明：

• AI_API_KEY：你的 AI 模型 API Key；
• AI_API_URL：AI 接口地址；
• WECHAT_WEBHOOK：企业微信机器人 Webhook，如果不需要发送通知，可以留空。

注意：不要把 .env 文件上传到公开代码仓库，因为里面通常包含密钥。

八、源码实现

下面开始编写完整代码。

1. 配置文件：config.py

import os
from dotenv import load_dotenv

load_dotenv()

AI_API_KEY = os.getenv("AI_API_KEY", "")
AI_API_URL = os.getenv("AI_API_URL", "")

WECHAT_WEBHOOK = os.getenv("WECHAT_WEBHOOK", "")

TASK_FILE = "tasks.xlsx"
OUTPUT_DIR = "output"

这个文件负责从 .env 中读取配置，避免把密钥直接写在代码里。

2. AI 调用模块：ai_client.py

import requests
from config import AI_API_KEY, AI_API_URL


def analyze_task_with_ai(task: dict) -> dict:
    """
    调用 AI 分析单条任务，返回摘要、风险和建议。
    """

    if not AI_API_KEY or not AI_API_URL:
        return mock_ai_response(task)

    prompt = f"""
你是一名专业的项目管理助手，请根据以下任务信息生成分析结果。

任务ID：{task.get("任务ID")}
负责人：{task.get("负责人")}
项目：{task.get("项目")}
任务描述：{task.get("任务描述")}
当前状态：{task.get("当前状态")}
截止日期：{task.get("截止日期")}

请用 JSON 格式输出，字段包括：
summary：一句话任务摘要；
risk：当前可能存在的风险；
suggestion：下一步行动建议。

要求：
1. 输出必须是 JSON；
2. 不要输出多余解释；
3. 内容简洁、清晰、适合日报使用。
"""

    headers = {
        "Authorization": f"Bearer {AI_API_KEY}",
        "Content-Type": "application/json"
    }

    payload = {
        "model": "gpt-4o-mini",
        "messages": [
            {
                "role": "system",
                "content": "你是一个擅长办公自动化和项目管理分析的AI助手。"
            },
            {
                "role": "user",
                "content": prompt
            }
        ],
        "temperature": 0.3
    }

    try:
        response = requests.post(
            AI_API_URL,
            headers=headers,
            json=payload,
            timeout=30
        )
        response.raise_for_status()

        data = response.json()
        content = data["choices"][0]["message"]["content"]

        return parse_ai_json(content)

    except Exception as e:
        print(f"AI调用失败，使用模拟结果。错误信息：{e}")
        return mock_ai_response(task)


def parse_ai_json(content: str) -> dict:
    """
    简单解析 AI 返回内容。
    实际项目中建议增加更严格的 JSON 解析和异常处理。
    """

    import json
    import re

    try:
        return json.loads(content)
    except Exception:
        match = re.search(r"\{.*\}", content, re.S)
        if match:
            try:
                return json.loads(match.group())
            except Exception:
                pass

    return {
        "summary": "AI返回结果解析失败",
        "risk": "无法识别风险",
        "suggestion": "建议人工检查该任务"
    }


def mock_ai_response(task: dict) -> dict:
    """
    当未配置 AI Key 时，返回模拟分析结果，方便本地测试。
    """

    status = task.get("当前状态", "")
    desc = task.get("任务描述", "")

    if status == "已完成":
        risk = "暂无明显风险"
        suggestion = "建议整理产出物并同步相关成员"
    elif status == "待处理":
        risk = "任务尚未启动，可能影响交付节奏"
        suggestion = "建议负责人尽快确认优先级并启动处理"
    else:
        risk = "需关注任务进度是否符合截止日期要求"
        suggestion = "建议每日同步进展，及时暴露阻塞点"

    return {
        "summary": f"{task.get('负责人')}负责的任务：{desc}",
        "risk": risk,
        "suggestion": suggestion
    }

这个模块做了三件事：

1. 构造 Prompt；
2. 调用 AI API；
3. 解析 AI 输出。

为了方便本地测试，代码中增加了 mock_ai_response。如果你没有配置 API Key，也能看到完整流程效果。

3. 日报生成模块：report_generator.py

import os
from datetime import datetime
from config import OUTPUT_DIR


def generate_markdown_report(tasks: list) -> str:
    """
    根据任务分析结果生成 Markdown 日报。
    """

    today = datetime.now().strftime("%Y-%m-%d")

    lines = []
    lines.append(f"# AI自动生成工作日报（{today}）")
    lines.append("")
    lines.append("## 一、今日任务概览")
    lines.append("")
    lines.append(f"- 任务总数：{len(tasks)}")
    lines.append(f"- 已完成：{count_by_status(tasks, '已完成')}")
    lines.append(f"- 进行中：{count_by_status(tasks, '进行中')}")
    lines.append(f"- 待处理：{count_by_status(tasks, '待处理')}")
    lines.append("")
    lines.append("## 二、任务明细")
    lines.append("")

    for item in tasks:
        lines.append(f"### {item.get('任务ID')}｜{item.get('项目')}")
        lines.append("")
        lines.append(f"- 负责人：{item.get('负责人')}")
        lines.append(f"- 当前状态：{item.get('当前状态')}")
        lines.append(f"- 截止日期：{item.get('截止日期')}")
        lines.append(f"- 任务描述：{item.get('任务描述')}")
        lines.append(f"- AI摘要：{item.get('summary')}")
        lines.append(f"- 风险判断：{item.get('risk')}")
        lines.append(f"- 行动建议：{item.get('suggestion')}")
        lines.append("")

    lines.append("## 三、AI综合建议")
    lines.append("")
    lines.append(generate_overall_suggestion(tasks))
    lines.append("")
    lines.append("---")
    lines.append("")
    lines.append("本日报由 AI 办公自动化工作流自动生成。")

    return "\n".join(lines)


def count_by_status(tasks: list, status: str) -> int:
    return sum(1 for task in tasks if task.get("当前状态") == status)


def generate_overall_suggestion(tasks: list) -> str:
    pending = count_by_status(tasks, "待处理")
    doing = count_by_status(tasks, "进行中")

    suggestions = []

    if pending > 0:
        suggestions.append(f"- 当前有 {pending} 项任务仍处于待处理状态，建议尽快明确负责人和启动时间。")

    if doing > 0:
        suggestions.append(f"- 当前有 {doing} 项任务正在进行中，建议关注截止日期并及时同步阻塞问题。")

    if not suggestions:
        suggestions.append("- 当前任务整体进展良好，建议持续跟踪交付质量和结果复盘。")

    return "\n".join(suggestions)


def save_report(content: str) -> str:
    """
    保存日报文件。
    """

    if not os.path.exists(OUTPUT_DIR):
        os.makedirs(OUTPUT_DIR)

    filename = datetime.now().strftime("daily_report_%Y%m%d.md")
    filepath = os.path.join(OUTPUT_DIR, filename)

    with open(filepath, "w", encoding="utf-8") as f:
        f.write(content)

    return filepath

这个模块负责生成 Markdown 日报。Markdown 的好处是格式清晰，可以直接复制到飞书文档、Notion、语雀、企业微信或邮件中。

4. 通知模块：notifier.py

import requests
from config import WECHAT_WEBHOOK


def send_wechat_markdown(content: str):
    """
    通过企业微信机器人发送 Markdown 消息。
    """

    if not WECHAT_WEBHOOK:
        print("未配置企业微信 Webhook，跳过消息发送。")
        return

    max_length = 3500
    if len(content) > max_length:
        content = content[:max_length] + "\n\n内容过长，已截断，请查看完整日报文件。"

    payload = {
        "msgtype": "markdown",
        "markdown": {
            "content": content
        }
    }

    try:
        response = requests.post(
            WECHAT_WEBHOOK,
            json=payload,
            timeout=10
        )
        response.raise_for_status()
        print("企业微信消息发送成功。")

    except Exception as e:
        print(f"企业微信消息发送失败：{e}")

这个模块用于把日报发送到企业微信群机器人。很多团队每天都需要发日报，如果将其自动化，可以减少大量重复操作。

5. 主程序入口：main.py

import pandas as pd

from config import TASK_FILE
from ai_client import analyze_task_with_ai
from report_generator import generate_markdown_report, save_report
from notifier import send_wechat_markdown


def load_tasks_from_excel(filepath: str) -> list:
    """
    从 Excel 读取任务数据。
    """

    df = pd.read_excel(filepath)

    required_columns = ["任务ID", "负责人", "项目", "任务描述", "当前状态", "截止日期"]

    for column in required_columns:
        if column not in df.columns:
            raise ValueError(f"Excel 缺少必要字段：{column}")

    df = df.fillna("")

    return df.to_dict(orient="records")


def main():
    print("开始读取任务数据...")
    tasks = load_tasks_from_excel(TASK_FILE)

    analyzed_tasks = []

    print("开始调用 AI 分析任务...")
    for task in tasks:
        ai_result = analyze_task_with_ai(task)
        task.update(ai_result)
        analyzed_tasks.append(task)

    print("开始生成日报...")
    report = generate_markdown_report(analyzed_tasks)

    filepath = save_report(report)
    print(f"日报已生成：{filepath}")

    print("开始发送通知...")
    send_wechat_markdown(report)

    print("工作流执行完成。")


if __name__ == "__main__":
    main()

运行主程序：

python main.py

如果执行成功，你将在 output 目录下看到生成的日报文件，例如：

output/daily_report_20250106.md

九、生成效果示例

生成的日报大致如下：

# AI自动生成工作日报（2025-01-06）

## 一、今日任务概览

- 任务总数：4
- 已完成：1
- 进行中：2
- 待处理：1

## 二、任务明细

### T001｜官网改版

- 负责人：张三
- 当前状态：进行中
- 截止日期：2025-01-10
- 任务描述：完成首页视觉设计并确认交互方案
- AI摘要：张三正在推进官网首页视觉设计和交互方案确认。
- 风险判断：需关注设计确认是否影响后续开发排期。
- 行动建议：建议尽快组织评审会议，明确最终方案。

### T002｜客户跟进

- 负责人：李四
- 当前状态：待处理
- 截止日期：2025-01-08
- 任务描述：跟进A客户报价反馈，确认预算和采购周期
- AI摘要：李四需要跟进A客户报价反馈并确认采购计划。
- 风险判断：客户反馈不及时可能影响销售预测。
- 行动建议：建议当天联系客户并记录下一步沟通时间。

十、如何把工作流做得更智能？

上面的示例只是一个基础版本。真正落地到企业办公时，可以继续做增强。

1. 增加任务优先级判断

可以在 Excel 中增加 优先级 字段，例如：

然后让 AI 根据截止时间、状态和优先级判断风险等级。

例如输出：

{
  "risk_level": "高",
  "reason": "任务截止日期临近且仍未启动"
}

这样日报就可以自动突出高风险事项。

2. 接入飞书多维表格

如果团队使用飞书，可以把 Excel 换成飞书多维表格。程序定时读取表格数据，再生成日报并发送到飞书群。

优势是：

• 数据实时更新；
• 团队成员协作方便；
• 不需要反复传 Excel；
• 可以和飞书机器人联动。

3. 自动生成周报和月报

日报通常关注任务状态，而周报更关注结果和复盘。

你可以让 AI 根据一周的任务记录生成：

• 本周完成事项；
• 本周风险问题；
• 下周重点计划；
• 需要管理层协调的事项；
• 项目整体进度评价。

4. 增加人工确认环节

办公自动化并不意味着完全无人参与。对重要内容，建议加入“人工确认”步骤。

例如：

1. AI 生成日报；
2. 程序发送给负责人预览；
3. 负责人确认后再发送到大群；
4. 若未确认，则只保存草稿。

这种方式可以兼顾效率和准确性。

十一、定时运行工作流

如果希望每天上午 9 点自动生成日报，可以使用系统定时任务。

Linux / macOS 使用 crontab

执行：

crontab -e

添加：

0 9 * * 1-5 /usr/bin/python3 /path/to/ai-office-workflow/main.py

表示每周一到周五上午 9 点执行。

Windows 使用任务计划程序

步骤如下：

1. 打开“任务计划程序”；
2. 创建基本任务；
3. 设置触发时间，例如每天 9:00；
4. 操作选择“启动程序”；
5. 程序填写 Python 路径；
6. 参数填写 main.py；
7. 起始位置填写项目目录。

十二、常见问题

1. AI 输出不是 JSON 怎么办？

大模型有时会输出解释文字，导致 JSON 解析失败。解决方法包括：

• 在 Prompt 中强调“只输出 JSON”；
• 使用更低的 temperature；
• 使用 JSON Schema 或函数调用能力；
• 增加正则提取和异常处理；
• 解析失败时走人工复核。

2. 企业微信消息发送失败怎么办？

常见原因包括：

• Webhook 地址错误；
• 企业微信机器人被删除；
• 群机器人权限受限；
• 消息内容过长；
• 网络无法访问企业微信接口。

可以先用简单内容测试：

import requests

webhook = "你的Webhook地址"

payload = {
    "msgtype": "text",
    "text": {
        "content": "测试消息"
    }
}

requests.post(webhook, json=payload)

3. 如何保护公司数据？

使用 AI 办公自动化时，数据安全非常重要。建议：

• 不要上传敏感客户信息；
• 对姓名、手机号、合同金额等字段脱敏；
• 使用企业级 API 或本地私有化模型；
• 对日志进行权限控制；
• 密钥保存在环境变量中；
• 重要文档输出前加入人工审核。

十三、完整运行流程总结

整个项目运行流程如下：

准备 tasks.xlsx
    ↓
配置 .env
    ↓
安装依赖
    ↓
执行 python main.py
    ↓
读取任务数据
    ↓
AI 分析任务
    ↓
生成 Markdown 日报
    ↓
保存到 output 目录
    ↓
发送企业微信通知

从实用角度看，这个工作流已经能满足很多团队的基础日报需求。如果你愿意继续扩展，它还可以演变成一个完整的办公自动化系统。

十四、进阶扩展源码思路

如果你想继续升级，可以增加一个风险等级字段：

def calculate_risk_level(task: dict) -> str:
    status = task.get("当前状态", "")
    priority = task.get("优先级", "中")

    if status == "待处理" and priority == "高":
        return "高"
    elif status == "进行中" and priority in ["高", "中"]:
        return "中"
    else:
        return "低"

也可以增加邮件发送模块：

import smtplib
from email.mime.text import MIMEText
from email.header import Header


def send_email_report(sender, password, receiver, subject, content):
    message = MIMEText(content, "plain", "utf-8")
    message["From"] = Header(sender, "utf-8")
    message["To"] = Header(receiver, "utf-8")
    message["Subject"] = Header(subject, "utf-8")

    smtp = smtplib.SMTP_SSL("smtp.qq.com", 465)
    smtp.login(sender, password)
    smtp.sendmail(sender, [receiver], message.as_string())
    smtp.quit()

这样你就可以将日报同时发送到邮箱。

十五、结语

AI 办公自动化的核心，不是为了炫技，而是为了把人从重复性工作中解放出来。真正有价值的不是“让 AI 替你工作”，而是让 AI 帮你处理低价值、重复性、结构化的信息流，让你有更多时间做判断、沟通、创意和决策。

本文提供的工作流虽然简单，但已经覆盖了办公自动化的关键环节：

• 数据读取；
• AI 分析；
• 内容生成；
• 文件保存；
• 消息通知；
• 定时执行。

你可以在此基础上继续扩展：接入飞书、钉钉、企业微信、Notion、CRM、数据库或邮件系统。只要把任务拆成清晰步骤，再用程序和 AI 串联起来，就能逐步打造出适合自己团队的 AI 办公自动化体系。

如果你是刚开始学习 AI 办公自动化，建议先从一个小场景入手，例如“自动生成日报”或“自动总结会议纪要”。当你熟悉流程后，再逐步增加更多节点。这样既容易落地，也能快速看到效率提升。