AI工具工作流自动化教程｜附完整命令

在过去，很多重复性工作需要依赖人工一步步完成：收集资料、整理表格、生成报告、发送邮件、同步文件、更新看板……这些任务本身并不复杂，但非常耗时。一旦流程固定、规则明确，就非常适合交给自动化工具处理。

随着 AI 工具的发展，我们现在不仅可以自动执行任务，还可以让 AI 参与“理解、判断、总结、生成内容”等环节。例如：自动抓取网页内容后让 AI 总结重点；收到客户邮件后让 AI 判断意图并分类；每天定时生成日报；将会议录音转成文字并生成待办事项；把表格数据批量生成营销文案等。

本文将以一个完整案例为主线，讲解如何搭建一套可运行的 AI 工作流自动化系统，并附上完整命令，方便你直接复制使用。

一、什么是 AI 工作流自动化？

AI 工作流自动化，可以理解为：

把多个软件、数据源、AI 模型和执行动作连接起来，让它们按照预设规则自动完成一系列任务。

一个典型 AI 自动化流程可能包括以下步骤：

1. 定时触发任务；
2. 获取数据，例如网页、表格、邮件、数据库；
3. 清洗和整理数据；
4. 调用 AI 模型进行总结、分类、改写或生成；
5. 将结果保存到文件、数据库或表格；
6. 自动发送通知，例如邮件、企业微信、飞书、钉钉；
7. 根据 AI 判断结果执行下一步动作。

举个例子：

每天早上 9 点，系统自动抓取指定行业新闻，将新闻正文交给 AI 总结成中文摘要，再生成一份结构化日报，最后发送到邮箱或企业微信群。

这个过程如果手动做，可能需要 30 分钟到 1 小时；自动化之后，只需要系统定时运行即可。

二、适合自动化的 AI 工作流场景

在正式搭建之前，你可以先判断自己的工作是否适合自动化。一般来说，满足以下几个特征的任务都适合：

• 重复频率高；
• 流程相对固定；
• 输入和输出格式比较明确；
• 需要大量复制、粘贴、整理、归纳；
• 人工判断标准可以用规则或提示词描述；
• 对实时性或批量处理有需求。

常见场景包括：

1. 内容运营自动化

• 自动收集热点新闻；
• 自动生成公众号选题；
• 自动生成小红书标题；
• 自动改写短视频脚本；
• 自动批量生成 SEO 文章摘要；
• 自动生成日报、周报、月报。

2. 销售和客户管理自动化

• 自动整理客户邮件；
• 自动判断客户意向；
• 自动生成销售跟进话术；
• 自动更新 CRM；
• 自动提醒销售人员跟进重点客户。

3. 数据分析自动化

• 自动读取 Excel 或 CSV；
• 自动生成数据分析结论；
• 自动绘制图表；
• 自动输出 Markdown、PDF 或邮件报告。

4. 办公协同自动化

• 自动整理会议纪要；
• 自动提取待办事项；
• 自动同步任务到 Notion、飞书、多维表格；
• 自动发送团队提醒。

三、本教程要实现的自动化流程

本文将搭建一个实用工作流：

每天定时抓取多个网页内容，调用 AI 自动总结，生成 Markdown 格式日报，并将结果保存到本地文件。

该流程包含以下能力：

• 支持配置多个网页地址；
• 自动请求网页内容；
• 提取网页正文文本；
• 调用 AI 模型生成摘要；
• 自动生成日报文件；
• 支持命令行运行；
• 支持定时任务执行。

为了便于理解，我们选择使用 Python 来实现。Python 生态成熟，适合做自动化脚本、数据处理和 AI 接口调用。

四、准备环境

在开始之前，你需要准备：

• 一台可以运行 Python 的电脑或服务器；
• Python 3.10 或以上版本；
• 一个 AI API Key；
• 基础命令行操作能力。

本文以 OpenAI 兼容接口为例。如果你使用的是其他大模型服务，只要支持 OpenAI SDK 或兼容 API，基本都可以按照类似方式改造。

五、安装 Python

macOS 检查 Python 版本

打开终端，输入：

python3 --version

如果输出类似：

Python 3.11.6

说明已经安装。

如果没有安装，可以使用 Homebrew：

brew install python

Windows 检查 Python 版本

打开 PowerShell：

python --version

如果没有安装，可以前往 Python 官网下载安装包：

https://www.python.org/downloads/

安装时请勾选：

Add Python to PATH

Linux 安装 Python

以 Ubuntu 为例：

sudo apt update
sudo apt install -y python3 python3-pip python3-venv

检查版本：

python3 --version

六、创建项目目录

我们先创建一个项目文件夹：

mkdir ai-workflow-demo
cd ai-workflow-demo

创建虚拟环境：

python3 -m venv .venv

激活虚拟环境。

macOS / Linux：

source .venv/bin/activate

Windows PowerShell：

.venv\Scripts\Activate.ps1

如果 Windows 提示脚本执行策略限制，可以先执行：

Set-ExecutionPolicy -ExecutionPolicy RemoteSigned -Scope CurrentUser

然后重新激活虚拟环境。

七、安装依赖包

我们需要安装以下 Python 包：

• openai：调用 AI 模型；
• requests：请求网页；
• beautifulsoup4：解析 HTML；
• python-dotenv：读取环境变量；
• lxml：辅助解析网页；
• schedule：用于本地定时任务。

执行命令：

pip install openai requests beautifulsoup4 python-dotenv lxml schedule

为了便于后续部署，也可以生成依赖文件：

pip freeze > requirements.txt

以后在新环境中可以直接安装：

pip install -r requirements.txt

八、配置环境变量

为了避免把 API Key 写死在代码里，我们使用 .env 文件保存敏感信息。

创建 .env 文件：

touch .env

Windows 可以使用：

New-Item .env

在 .env 中写入：

OPENAI_API_KEY=你的_API_KEY
OPENAI_BASE_URL=https://api.openai.com/v1
OPENAI_MODEL=gpt-4o-mini

如果你使用的是其他 OpenAI 兼容服务，可以修改 OPENAI_BASE_URL 和 OPENAI_MODEL。

例如：

OPENAI_API_KEY=sk-xxxxxxxxxxxxxxxx
OPENAI_BASE_URL=https://your-model-provider.com/v1
OPENAI_MODEL=your-model-name

注意：不要把 .env 文件提交到 GitHub，否则可能泄露密钥。

创建 .gitignore 文件：

touch .gitignore

写入：

.env
.venv/
__pycache__/
reports/

九、创建网页配置文件

我们把要抓取的网址单独放到一个配置文件中，方便后续维护。

创建 sites.txt：

touch sites.txt

写入示例网址：

https://www.example.com
https://openai.com/news/
https://www.python.org/blogs/

你可以把这里替换成自己常看的行业网站、公司公告页、技术博客、竞品动态页面等。

十、编写核心自动化脚本

创建主程序文件：

touch main.py

下面是完整代码，可以直接复制到 main.py：

import os
import re
import time
import datetime
import requests
from bs4 import BeautifulSoup
from dotenv import load_dotenv
from openai import OpenAI


load_dotenv()

OPENAI_API_KEY = os.getenv("OPENAI_API_KEY")
OPENAI_BASE_URL = os.getenv("OPENAI_BASE_URL", "https://api.openai.com/v1")
OPENAI_MODEL = os.getenv("OPENAI_MODEL", "gpt-4o-mini")

client = OpenAI(
    api_key=OPENAI_API_KEY,
    base_url=OPENAI_BASE_URL
)


def read_sites(file_path="sites.txt"):
    """
    读取网址配置文件。
    每一行一个网址，忽略空行和以 # 开头的注释行。
    """
    sites = []

    if not os.path.exists(file_path):
        raise FileNotFoundError(f"未找到配置文件：{file_path}")

    with open(file_path, "r", encoding="utf-8") as f:
        for line in f:
            url = line.strip()
            if not url:
                continue
            if url.startswith("#"):
                continue
            sites.append(url)

    return sites


def fetch_html(url):
    """
    请求网页 HTML。
    """
    headers = {
        "User-Agent": (
            "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) "
            "AppleWebKit/537.36 (KHTML, like Gecko) "
            "Chrome/120.0.0.0 Safari/537.36"
        )
    }

    try:
        response = requests.get(url, headers=headers, timeout=20)
        response.raise_for_status()
        response.encoding = response.apparent_encoding
        return response.text
    except Exception as e:
        print(f"[错误] 抓取失败：{url}，原因：{e}")
        return ""


def clean_text(text):
    """
    清理多余空白字符。
    """
    text = re.sub(r"\s+", " ", text)
    return text.strip()


def extract_text_from_html(html):
    """
    从 HTML 中提取正文文本。
    """
    if not html:
        return ""

    soup = BeautifulSoup(html, "lxml")

    for tag in soup(["script", "style", "noscript", "header", "footer", "nav"]):
        tag.decompose()

    title = soup.title.string.strip() if soup.title and soup.title.string else "无标题"

    paragraphs = []
    for p in soup.find_all(["p", "h1", "h2", "h3", "li"]):
        text = p.get_text(" ", strip=True)
        if text and len(text) > 10:
            paragraphs.append(text)

    body_text = "\n".join(paragraphs)
    body_text = clean_text(body_text)

    return {
        "title": title,
        "content": body_text
    }


def summarize_with_ai(title, url, content):
    """
    调用 AI 模型生成摘要。
    """
    if not content:
        return "未能提取到有效正文内容。"

    max_length = 12000
    content = content[:max_length]

    prompt = f"""
你是一名专业的信息分析师。请阅读以下网页内容，并用中文生成结构化摘要。

要求：
1. 用简洁、准确的中文表达；
2. 不要编造原文不存在的信息；
3. 输出 Markdown 格式；
4. 包含以下部分：
   - 一句话总结
   - 核心要点，使用项目符号
   - 可能的影响或启发
   - 适合关注的人群
5. 如果内容信息不足，请明确说明。

网页标题：{title}
网页链接：{url}

网页正文：
{content}
"""

    try:
        completion = client.chat.completions.create(
            model=OPENAI_MODEL,
            messages=[
                {
                    "role": "system",
                    "content": "你擅长将网页、新闻、公告和文章整理成高质量中文摘要。"
                },
                {
                    "role": "user",
                    "content": prompt
                }
            ],
            temperature=0.3
        )

        return completion.choices[0].message.content.strip()

    except Exception as e:
        print(f"[错误] AI 摘要生成失败：{url}，原因：{e}")
        return f"AI 摘要生成失败：{e}"


def generate_report(results):
    """
    生成 Markdown 日报。
    """
    today = datetime.datetime.now().strftime("%Y-%m-%d")
    now = datetime.datetime.now().strftime("%Y-%m-%d %H:%M:%S")

    lines = []
    lines.append(f"# AI 自动化网页摘要日报")
    lines.append("")
    lines.append(f"- 生成日期：{today}")
    lines.append(f"- 生成时间：{now}")
    lines.append(f"- 数据来源数量：{len(results)}")
    lines.append("")
    lines.append("---")
    lines.append("")

    for index, item in enumerate(results, start=1):
        lines.append(f"## {index}. {item['title']}")
        lines.append("")
        lines.append(f"- 原文链接：{item['url']}")
        lines.append("")
        lines.append(item["summary"])
        lines.append("")
        lines.append("---")
        lines.append("")

    return "\n".join(lines)


def save_report(markdown_text):
    """
    保存日报文件。
    """
    report_dir = "reports"
    os.makedirs(report_dir, exist_ok=True)

    filename = datetime.datetime.now().strftime("daily_report_%Y-%m-%d_%H-%M-%S.md")
    file_path = os.path.join(report_dir, filename)

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

    return file_path


def run_workflow():
    """
    执行完整工作流。
    """
    print("[开始] AI 工作流自动化任务启动")

    sites = read_sites()
    results = []

    for url in sites:
        print(f"[抓取] {url}")
        html = fetch_html(url)

        print(f"[解析] {url}")
        data = extract_text_from_html(html)

        title = data.get("title", "无标题")
        content = data.get("content", "")

        print(f"[AI] 正在生成摘要：{title}")
        summary = summarize_with_ai(title, url, content)

        results.append({
            "url": url,
            "title": title,
            "summary": summary
        })

        time.sleep(1)

    print("[生成] 正在生成 Markdown 日报")
    report = generate_report(results)

    file_path = save_report(report)
    print(f"[完成] 日报已保存：{file_path}")


if __name__ == "__main__":
    run_workflow()

十一、运行自动化脚本

确认项目目录结构如下：

ai-workflow-demo/
├── .env
├── .gitignore
├── main.py
├── requirements.txt
├── sites.txt
└── .venv/

运行命令：

python main.py

如果你在 macOS 或 Linux 中使用的是 python3：

python3 main.py

运行成功后，你会看到类似输出：

[开始] AI 工作流自动化任务启动
[抓取] https://openai.com/news/
[解析] https://openai.com/news/
[AI] 正在生成摘要：OpenAI News
[生成] 正在生成 Markdown 日报
[完成] 日报已保存：reports/daily_report_2025-01-01_09-00-00.md

然后进入 reports 文件夹：

ls reports

查看生成的日报：

cat reports/daily_report_2025-01-01_09-00-00.md

十二、增加邮件发送功能

仅生成本地文件还不够实用，我们可以继续扩展：生成日报后自动发送邮件。

创建 send_email.py：

touch send_email.py

写入完整代码：

import os
import smtplib
from email.mime.text import MIMEText
from email.header import Header
from dotenv import load_dotenv


load_dotenv()

SMTP_HOST = os.getenv("SMTP_HOST")
SMTP_PORT = int(os.getenv("SMTP_PORT", "465"))
SMTP_USER = os.getenv("SMTP_USER")
SMTP_PASSWORD = os.getenv("SMTP_PASSWORD")
EMAIL_TO = os.getenv("EMAIL_TO")


def send_email(subject, content):
    message = MIMEText(content, "plain", "utf-8")
    message["From"] = Header(SMTP_USER)
    message["To"] = Header(EMAIL_TO)
    message["Subject"] = Header(subject, "utf-8")

    try:
        smtp = smtplib.SMTP_SSL(SMTP_HOST, SMTP_PORT)
        smtp.login(SMTP_USER, SMTP_PASSWORD)
        smtp.sendmail(SMTP_USER, [EMAIL_TO], message.as_string())
        smtp.quit()
        print("[完成] 邮件发送成功")
    except Exception as e:
        print(f"[错误] 邮件发送失败：{e}")

在 .env 中增加邮件配置：

SMTP_HOST=smtp.qq.com
SMTP_PORT=465
SMTP_USER=你的邮箱@qq.com
SMTP_PASSWORD=你的邮箱授权码
EMAIL_TO=接收方邮箱@example.com

注意：很多邮箱不能直接使用登录密码，需要在邮箱设置中开启 SMTP 服务并生成“授权码”。

然后修改 main.py，在顶部导入：

from send_email import send_email

在 run_workflow() 函数最后增加：

send_email(
    subject="AI 自动化网页摘要日报",
    content=report
)

即保存文件后自动发送邮件。

十三、使用 schedule 实现本地定时运行

如果你希望脚本一直在本地运行，并每天固定时间执行，可以创建 scheduler.py。

创建文件：

touch scheduler.py

写入代码：

import time
import schedule
from main import run_workflow


schedule.every().day.at("09:00").do(run_workflow)

print("[启动] 定时任务已启动，每天 09:00 执行")

while True:
    schedule.run_pending()
    time.sleep(30)

运行：

python scheduler.py

它会常驻运行，每天 09:00 自动执行一次。

如果你想测试每 1 分钟执行一次：

schedule.every(1).minutes.do(run_workflow)

十四、使用 Cron 在服务器定时执行

如果你将脚本部署在 Linux 服务器上，更推荐使用 Cron。

先查看 Python 路径：

which python

如果使用虚拟环境，路径可能类似：

/home/ubuntu/ai-workflow-demo/.venv/bin/python

查看项目路径：

pwd

假设项目路径是：

/home/ubuntu/ai-workflow-demo

编辑 Cron：

crontab -e

添加以下内容，表示每天早上 9 点执行：

0 9 * * * cd /home/ubuntu/ai-workflow-demo && /home/ubuntu/ai-workflow-demo/.venv/bin/python main.py >> logs/cron.log 2>&1

创建日志目录：

mkdir -p logs

查看定时任务：

crontab -l

查看运行日志：

tail -f logs/cron.log

如果想每小时执行一次：

0 * * * * cd /home/ubuntu/ai-workflow-demo && /home/ubuntu/ai-workflow-demo/.venv/bin/python main.py >> logs/cron.log 2>&1

如果想每 10 分钟执行一次：

*/10 * * * * cd /home/ubuntu/ai-workflow-demo && /home/ubuntu/ai-workflow-demo/.venv/bin/python main.py >> logs/cron.log 2>&1

十五、使用 Windows 任务计划程序定时执行

如果你使用 Windows，可以通过“任务计划程序”实现自动运行。

先确认 Python 路径：

where python

假设项目路径为：

C:\Users\YourName\ai-workflow-demo

虚拟环境 Python 路径为：

C:\Users\YourName\ai-workflow-demo\.venv\Scripts\python.exe

可以创建一个 run.bat 文件：

cd /d C:\Users\YourName\ai-workflow-demo
C:\Users\YourName\ai-workflow-demo\.venv\Scripts\python.exe main.py

然后在 Windows 任务计划程序中：

1. 新建基本任务；
2. 设置触发器，例如每天 09:00；
3. 操作选择“启动程序”；
4. 程序填写 run.bat 的完整路径；
5. 保存即可。

也可以用命令创建任务：

schtasks /Create /SC DAILY /TN "AIWorkflowDailyReport" /TR "C:\Users\YourName\ai-workflow-demo\run.bat" /ST 09:00

查看任务：

schtasks /Query /TN "AIWorkflowDailyReport"

删除任务：

schtasks /Delete /TN "AIWorkflowDailyReport" /F

十六、提示词优化：让 AI 输出更稳定

自动化流程中，AI 输出是否稳定，很大程度取决于提示词。建议遵循以下原则：

1. 明确角色

例如：

你是一名专业的信息分析师，擅长将复杂文章整理成清晰、准确、可执行的中文摘要。

2. 明确输出结构

例如：

请按照以下 Markdown 结构输出：
## 一句话总结
## 核心要点
## 风险与机会
## 建议行动

3. 明确禁止事项

例如：

不要编造原文没有的信息。
如果信息不足，请回答“原文信息不足，无法判断”。

4. 限定语言和风格

例如：

请使用简体中文，表达简洁、专业，适合发给团队成员阅读。

你也可以把提示词单独保存为 prompt.txt，后续不用改代码，只改提示词文件即可。

十七、进阶扩展：接入表格和数据库

如果你的数据来自 CSV，可以这样读取：

import csv

with open("data.csv", "r", encoding="utf-8") as f:
    reader = csv.DictReader(f)
    for row in reader:
        print(row)

如果要把 AI 结果写入 CSV：

import csv

with open("result.csv", "w", encoding="utf-8", newline="") as f:
    writer = csv.DictWriter(f, fieldnames=["title", "url", "summary"])
    writer.writeheader()
    writer.writerows(results)

如果要接入 SQLite 数据库：

import sqlite3

conn = sqlite3.connect("workflow.db")
cursor = conn.cursor()

cursor.execute("""
CREATE TABLE IF NOT EXISTS reports (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    title TEXT,
    url TEXT,
    summary TEXT,
    created_at TEXT
)
""")

conn.commit()
conn.close()

十八、常见问题与解决方案

1. API Key 报错怎么办？

检查 .env 文件是否正确：

cat .env

确认环境变量名称是否和代码一致：

OPENAI_API_KEY=你的_API_KEY

如果仍然失败，可以在 Python 中测试：

python -c "import os; from dotenv import load_dotenv; load_dotenv(); print(os.getenv('OPENAI_API_KEY'))"

2. 网页抓取不到内容怎么办？

很多网站使用前端渲染，requests 只能拿到初始 HTML，拿不到动态内容。可以考虑：

• 换 RSS 源；
• 使用网站 API；
• 使用 Playwright；
• 使用可读性解析库；
• 选择更适合抓取的页面。

安装 Playwright：

pip install playwright
playwright install

3. 摘要内容不准确怎么办？

可以优化提示词，加入约束：

请只基于原文内容总结，不要加入外部知识。
所有结论必须能从原文中找到依据。

4. 定时任务没有执行怎么办？

Linux 下检查 Cron 服务：

systemctl status cron

Ubuntu 如未启动：

sudo systemctl start cron
sudo systemctl enable cron

查看日志：

grep CRON /var/log/syslog

十九、最佳实践建议

1. 先从一个小流程开始
   不要一开始就设计复杂系统。先自动化一个具体任务，例如“每天抓取 3 个网页并总结”。

2. 把配置和代码分离
   网址、API Key、模型名称、提示词都应该独立配置，方便维护。

3. 保留日志
   自动化任务失败时，日志是排查问题的关键。

4. 控制调用成本
   对网页正文进行截断，避免一次传入过多内容。也可以先用规则过滤无关文本。

5. 人工审核关键结果
   AI 适合辅助生成和总结，但重要决策仍建议保留人工审核环节。

6. 注意数据安全
   不要把敏感客户信息、商业机密或未授权数据随意传给第三方模型服务。

二十、总结

本文完成了一套从零开始的 AI 工作流自动化方案：通过 Python 读取网址配置，自动抓取网页内容，解析正文，调用 AI 生成中文摘要，最终生成 Markdown 日报，并进一步扩展了邮件发送和定时执行能力。

这套流程虽然简单，但已经具备 AI 自动化的核心结构：

输入数据 → 数据处理 → AI 分析生成 → 输出结果 → 定时执行

你可以在此基础上继续扩展，例如：

• 接入飞书、企业微信或钉钉机器人；
• 自动读取邮箱并分类；
• 自动生成销售线索报告；
• 自动分析表格数据；
• 自动生成周报和月报；
• 自动同步到 Notion 或知识库。

AI 工作流自动化的关键，不是一次性做出复杂系统，而是持续找到工作中重复、耗时、规则明确的环节，然后逐步交给工具完成。当一个个小流程被自动化之后，你会发现自己的时间被释放出来，可以更多投入到判断、创意、沟通和决策上。