AI工具 工作流自动化教程｜附源码

在过去几年里，AI 工具已经从“聊天问答”逐渐走向“工作流自动化”。很多人最初使用 AI，只是让它写文案、改邮件、总结文章；但真正能提升效率的方式，是把 AI 嵌入到日常流程中，让它自动完成信息收集、内容整理、数据分析、任务分发、结果通知等一系列工作。

本文将以一个完整案例为主线，带你搭建一个「AI 工作流自动化系统」：
用户输入一个主题，系统自动完成资料整理、生成文章大纲、撰写正文、保存结果，并发送通知。

文章会包含完整思路、技术选型、代码结构和可运行源码示例，适合想要入门 AI 自动化工作流的开发者、运营人员、产品经理以及效率工具爱好者。

一、什么是 AI 工作流自动化？

所谓 AI 工作流自动化，并不是简单地调用一次 AI 接口，而是将多个任务节点串联起来，让 AI 参与其中某些环节，从而形成一条可重复运行的自动化流程。

例如，一个内容创作工作流可能包括：

1. 输入选题；
2. 自动搜索或整理资料；
3. AI 生成标题；
4. AI 生成大纲；
5. AI 撰写正文；
6. 自动检查错别字和格式；
7. 保存到 Markdown 文件；
8. 推送到飞书、企业微信或邮箱；
9. 后续自动发布到公众号、博客或知识库。

传统方式下，这些步骤需要人工逐个执行；而通过 AI 工作流，我们可以让程序自动完成大部分重复性操作。

二、适合自动化的 AI 工作流场景

AI 自动化并不只适合写文章，还可以应用到很多业务场景中。

1. 内容生产

常见场景包括：

• 公众号文章生成；
• 小红书笔记生成；
• 短视频脚本生成；
• SEO 文章生成；
• 产品介绍文案生成；
• 邮件营销内容生成。

例如，运营同学每天需要根据产品关键词写 5 篇推广文案，如果手动写可能需要 3 小时，而使用 AI 工作流可以压缩到 20 分钟以内。

2. 数据整理

AI 可以帮助我们处理非结构化信息，例如：

• 将会议纪要整理成待办事项；
• 从客户反馈中提取问题类型；
• 将长文本总结为核心观点；
• 将网页内容转为表格；
• 从客服聊天记录中提取用户需求。

3. 办公自动化

在日常办公中，AI 工作流也非常实用：

• 自动生成日报、周报；
• 自动整理项目进展；
• 自动生成会议纪要；
• 自动起草邮件；
• 自动生成 PPT 大纲；
• 自动翻译和润色文档。

4. 客服与销售辅助

销售和客服人员每天要处理大量重复问题，AI 可以帮助他们：

• 自动识别客户意图；
• 自动推荐回复话术；
• 自动生成客户跟进记录；
• 自动归类客户问题；
• 自动生成销售总结。

三、本文要实现的自动化工作流

本文案例目标是实现一个简单但完整的 AI 自动化写作工作流。

用户只需要输入一个主题，例如：

AI工具如何提升个人工作效率

程序会自动完成：

1. 生成文章标题建议；
2. 生成文章大纲；
3. 根据大纲生成完整正文；
4. 对正文进行润色；
5. 保存为 Markdown 文件；
6. 在控制台输出执行结果。

为了便于理解和部署，本文采用 Python 实现。

四、技术选型

本教程使用以下技术：

如果你使用的是其他模型平台，例如通义千问、智谱清言、DeepSeek、月之暗面、豆包等，只要它们提供 OpenAI 兼容接口，都可以较容易替换。

五、项目目录结构

建议创建如下项目结构：

ai-workflow-demo/
├── main.py
├── ai_client.py
├── workflow.py
├── prompts.py
├── requirements.txt
├── .env
└── output/

各文件作用如下：

六、安装依赖

首先创建项目目录：

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

创建虚拟环境：

python -m venv venv

激活虚拟环境：

Windows：

venv\Scripts\activate

macOS / Linux：

source venv/bin/activate

安装依赖：

pip install openai python-dotenv

然后创建 requirements.txt：

openai>=1.0.0
python-dotenv>=1.0.0

以后可以通过以下命令一键安装：

pip install -r requirements.txt

七、配置环境变量

在项目根目录创建 .env 文件：

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

如果你使用的是兼容 OpenAI 格式的第三方大模型服务，可以修改：

OPENAI_BASE_URL=https://你的模型服务地址/v1
OPENAI_MODEL=你的模型名称

例如某些平台会提供类似：

OPENAI_BASE_URL=https://api.deepseek.com/v1
OPENAI_MODEL=deepseek-chat

注意：
不要把 .env 文件提交到公开代码仓库，否则可能导致 API Key 泄露。

八、封装 AI 客户端

创建 ai_client.py 文件。

# ai_client.py

import os
from openai import OpenAI
from dotenv import load_dotenv

load_dotenv()


class AIClient:
    """
    AI 客户端封装类
    负责统一调用大模型接口
    """

    def __init__(self):
        api_key = os.getenv("OPENAI_API_KEY")
        base_url = os.getenv("OPENAI_BASE_URL", "https://api.openai.com/v1")
        model = os.getenv("OPENAI_MODEL", "gpt-4o-mini")

        if not api_key:
            raise ValueError("请在 .env 文件中配置 OPENAI_API_KEY")

        self.client = OpenAI(
            api_key=api_key,
            base_url=base_url
        )
        self.model = model

    def chat(self, prompt: str, system_prompt: str = None, temperature: float = 0.7) -> str:
        """
        调用聊天模型并返回文本结果

        :param prompt: 用户提示词
        :param system_prompt: 系统提示词
        :param temperature: 创造性参数，越高越发散
        :return: 模型生成的文本
        """

        messages = []

        if system_prompt:
            messages.append({
                "role": "system",
                "content": system_prompt
            })

        messages.append({
            "role": "user",
            "content": prompt
        })

        response = self.client.chat.completions.create(
            model=self.model,
            messages=messages,
            temperature=temperature
        )

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

这里我们将模型调用逻辑封装到了 AIClient 类中。这样做的好处是后续替换模型服务时，只需要修改这一层，而不用改动整个工作流代码。

九、编写提示词模板

创建 prompts.py 文件。

# prompts.py

TITLE_PROMPT = """
你是一名资深中文内容策划专家。
请围绕主题「{topic}」生成 5 个适合公众号、博客或知识库文章使用的中文标题。

要求：
1. 标题要清晰、有吸引力；
2. 不要夸张标题党；
3. 每个标题不超过 30 个字；
4. 使用编号列表输出。
"""

OUTLINE_PROMPT = """
你是一名经验丰富的中文技术作者。
请围绕文章主题「{topic}」生成一份结构清晰的文章大纲。

要求：
1. 使用 Markdown 格式；
2. 至少包含 5 个一级或二级小节；
3. 逻辑顺序要自然；
4. 内容适合初学者阅读；
5. 每个小节附带一句写作说明。
"""

ARTICLE_PROMPT = """
你是一名专业中文技术博主。
请根据以下主题和大纲，写一篇完整的中文文章。

文章主题：
{topic}

文章大纲：
{outline}

写作要求：
1. 使用 Markdown 格式；
2. 内容通俗易懂；
3. 结构完整，有引言和总结；
4. 尽量结合实际案例；
5. 不要空泛，要有可操作建议；
6. 正文字数不少于 1500 字。
"""

POLISH_PROMPT = """
你是一名专业中文编辑。
请对下面这篇文章进行润色和格式优化。

要求：
1. 保留原有 Markdown 结构；
2. 修正不通顺的表达；
3. 优化段落衔接；
4. 不改变文章核心观点；
5. 删除明显重复的内容；
6. 输出润色后的完整文章。

文章内容如下：
{article}
"""

提示词是 AI 工作流质量的关键。很多自动化流程效果不好，并不是模型不够强，而是提示词过于模糊。一个好的提示词通常需要包括：

• 角色设定；
• 任务目标；
• 输入信息；
• 输出格式；
• 约束条件；
• 示例或评价标准。

十、编写工作流核心逻辑

创建 workflow.py 文件。

# workflow.py

from pathlib import Path
from datetime import datetime

from ai_client import AIClient
from prompts import (
    TITLE_PROMPT,
    OUTLINE_PROMPT,
    ARTICLE_PROMPT,
    POLISH_PROMPT
)


class ArticleWorkflow:
    """
    AI 自动化文章生成工作流
    """

    def __init__(self):
        self.ai = AIClient()
        self.output_dir = Path("output")
        self.output_dir.mkdir(exist_ok=True)

    def generate_titles(self, topic: str) -> str:
        """
        生成标题建议
        """
        prompt = TITLE_PROMPT.format(topic=topic)
        return self.ai.chat(
            prompt=prompt,
            system_prompt="你擅长中文内容选题和标题策划。",
            temperature=0.8
        )

    def generate_outline(self, topic: str) -> str:
        """
        生成文章大纲
        """
        prompt = OUTLINE_PROMPT.format(topic=topic)
        return self.ai.chat(
            prompt=prompt,
            system_prompt="你是一名严谨的中文技术写作者。",
            temperature=0.6
        )

    def generate_article(self, topic: str, outline: str) -> str:
        """
        根据大纲生成文章正文
        """
        prompt = ARTICLE_PROMPT.format(
            topic=topic,
            outline=outline
        )
        return self.ai.chat(
            prompt=prompt,
            system_prompt="你擅长写结构清晰、可读性强的中文技术文章。",
            temperature=0.7
        )

    def polish_article(self, article: str) -> str:
        """
        润色文章
        """
        prompt = POLISH_PROMPT.format(article=article)
        return self.ai.chat(
            prompt=prompt,
            system_prompt="你是一名细致的中文编辑。",
            temperature=0.4
        )

    def save_markdown(self, topic: str, content: str) -> Path:
        """
        保存 Markdown 文件
        """
        safe_topic = "".join(
            c for c in topic if c.isalnum() or c in (" ", "-", "_")
        ).strip().replace(" ", "_")

        timestamp = datetime.now().strftime("%Y%m%d_%H%M%S")
        filename = f"{timestamp}_{safe_topic}.md"

        file_path = self.output_dir / filename

        file_path.write_text(content, encoding="utf-8")

        return file_path

    def run(self, topic: str) -> dict:
        """
        执行完整工作流
        """

        print("第一步：生成标题建议...")
        titles = self.generate_titles(topic)

        print("第二步：生成文章大纲...")
        outline = self.generate_outline(topic)

        print("第三步：生成文章正文...")
        article = self.generate_article(topic, outline)

        print("第四步：润色文章...")
        polished_article = self.polish_article(article)

        final_content = f"""# {topic}

## 标题建议

{titles}

---

## 文章大纲

{outline}

---

## 正文

{polished_article}
"""

        print("第五步：保存 Markdown 文件...")
        file_path = self.save_markdown(topic, final_content)

        return {
            "topic": topic,
            "titles": titles,
            "outline": outline,
            "article": polished_article,
            "file_path": str(file_path)
        }

这个工作流非常清晰：

主题输入
  ↓
标题生成
  ↓
大纲生成
  ↓
正文生成
  ↓
文章润色
  ↓
保存文件

虽然它看起来简单，但已经具备 AI 工作流的基本形态。后续你可以在每一步中继续扩展，例如增加资料检索、关键词提取、事实校验、自动发布等节点。

十一、编写程序入口

创建 main.py 文件。

# main.py

from workflow import ArticleWorkflow


def main():
    print("欢迎使用 AI 自动化文章生成工作流")
    print("=" * 40)

    topic = input("请输入文章主题：").strip()

    if not topic:
        print("文章主题不能为空")
        return

    workflow = ArticleWorkflow()

    try:
        result = workflow.run(topic)

        print("\n工作流执行完成！")
        print("=" * 40)
        print(f"文章主题：{result['topic']}")
        print(f"输出文件：{result['file_path']}")

    except Exception as e:
        print("工作流执行失败：")
        print(str(e))


if __name__ == "__main__":
    main()

运行程序：

python main.py

输入主题：

AI工具如何提升个人工作效率

执行完成后，会在 output/ 目录下生成一个 Markdown 文件。

十二、运行效果示例

控制台可能会显示：

欢迎使用 AI 自动化文章生成工作流
========================================
请输入文章主题：AI工具如何提升个人工作效率
第一步：生成标题建议...
第二步：生成文章大纲...
第三步：生成文章正文...
第四步：润色文章...
第五步：保存 Markdown 文件...

工作流执行完成！
========================================
文章主题：AI工具如何提升个人工作效率
输出文件：output/20250101_103000_AI工具如何提升个人工作效率.md

生成的 Markdown 文件大致结构如下：

# AI工具如何提升个人工作效率

## 标题建议

1. AI工具如何提升个人工作效率
2. 普通人如何用AI节省每天2小时
3. 从写作到办公：AI效率工具实践指南
4. AI时代的个人效率提升方法
5. 用AI重构你的日常工作流

---

## 文章大纲

## 一、为什么个人需要AI工具
说明 AI 工具对日常工作的价值。

## 二、AI适合处理哪些任务
说明 AI 在写作、总结、翻译、分析等方面的应用。

...

---

## 正文

这里是完整文章内容。

十三、如何继续增强这个工作流？

上面的版本是一个入门级工作流，如果想用于真实业务，可以继续扩展。

1. 增加联网资料检索

如果文章需要引用最新资料，可以增加搜索节点。

例如流程变为：

输入主题
  ↓
搜索相关资料
  ↓
总结资料
  ↓
生成大纲
  ↓
生成正文
  ↓
事实校验
  ↓
保存文章

可以接入：

• 搜索 API；
• RSS；
• 企业内部知识库；
• Notion；
• 飞书文档；
• 本地文件夹；
• 数据库。

2. 增加人工审核节点

AI 工作流不一定要完全自动化。对于重要内容，建议保留人工审核。

例如：

AI 生成初稿
  ↓
人工修改确认
  ↓
AI 润色
  ↓
自动发布

这种方式更适合企业内容生产，因为它兼顾效率和质量。

3. 增加多模型协作

不同模型可以负责不同任务：

你可以让便宜模型处理简单任务，让高质量模型处理关键任务，从而降低成本。

4. 增加结构化输出

如果后续要接入数据库、表格或前端页面，建议让 AI 输出 JSON。

例如：

{
  "title": "AI工具如何提升个人工作效率",
  "summary": "本文介绍 AI 工具在个人效率提升中的应用。",
  "keywords": ["AI工具", "工作效率", "自动化"],
  "sections": [
    {
      "heading": "为什么需要AI工具",
      "content": "..."
    }
  ]
}

结构化输出的好处是方便程序继续处理，不需要再从一大段自然语言中解析内容。

十四、加入邮件通知功能

如果你希望工作流完成后自动发送邮件，可以继续增加邮件模块。

创建 notifier.py：

# notifier.py

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

load_dotenv()


class EmailNotifier:
    """
    邮件通知工具
    """

    def __init__(self):
        self.smtp_host = os.getenv("SMTP_HOST")
        self.smtp_port = int(os.getenv("SMTP_PORT", "465"))
        self.smtp_user = os.getenv("SMTP_USER")
        self.smtp_password = os.getenv("SMTP_PASSWORD")
        self.receiver = os.getenv("EMAIL_RECEIVER")

        if not all([
            self.smtp_host,
            self.smtp_user,
            self.smtp_password,
            self.receiver
        ]):
            raise ValueError("请完整配置 SMTP 邮件环境变量")

    def send(self, subject: str, content: str):
        message = MIMEText(content, "plain", "utf-8")
        message["From"] = Header(self.smtp_user, "utf-8")
        message["To"] = Header(self.receiver, "utf-8")
        message["Subject"] = Header(subject, "utf-8")

        with smtplib.SMTP_SSL(self.smtp_host, self.smtp_port) as server:
            server.login(self.smtp_user, self.smtp_password)
            server.sendmail(
                self.smtp_user,
                [self.receiver],
                message.as_string()
            )

.env 中增加：

SMTP_HOST=smtp.qq.com
SMTP_PORT=465
SMTP_USER=你的邮箱
SMTP_PASSWORD=你的邮箱授权码
EMAIL_RECEIVER=接收人邮箱

然后在 workflow.py 的 run 方法最后添加：

from notifier import EmailNotifier

notifier = EmailNotifier()
notifier.send(
    subject=f"AI文章生成完成：{topic}",
    content=f"文章已生成，文件路径：{file_path}"
)

这样，文章生成完成后，你就能收到邮件提醒。

十五、常见问题与解决方案

问题一：模型输出不稳定怎么办？

可以从三方面优化：

1. 降低 temperature；
2. 让提示词更具体；
3. 要求模型按照固定格式输出。

例如不要只写：

帮我写一个大纲

而应该写：

请围绕主题生成文章大纲，要求使用 Markdown 格式，包含 6 个二级标题，每个标题下面写一句说明。

问题二：生成内容太短怎么办？

可以在提示词中明确字数要求，并分章节生成。

例如：

请先生成第一章，字数不少于 800 字。

对于长文，建议不要一次性生成全部内容，而是：

生成大纲
  ↓
逐章节生成正文
  ↓
合并全文
  ↓
统一润色

这样质量通常更好。

问题三：AI 会编造信息怎么办？

这是 AI 应用中非常重要的问题。解决方式包括：

• 接入可靠资料源；
• 要求模型只基于给定资料回答；
• 增加引用来源；
• 对关键数据进行人工审核；
• 使用检索增强生成，也就是 RAG。

对于严肃内容，例如医疗、法律、金融建议，一定要加入人工审核。

问题四：API 调用成本太高怎么办？

可以采用以下策略：

1. 简单任务使用低成本模型；
2. 对重复请求做缓存；
3. 控制提示词长度；
4. 分步骤复用中间结果；
5. 减少不必要的润色和重写。

十六、进阶：将工作流改造成可配置模式

当工作流越来越复杂时，不建议把所有逻辑都写死在代码中。可以使用 YAML 或 JSON 配置工作流。

例如 workflow_config.yaml：

name: article_generation_workflow
steps:
  - name: generate_titles
    prompt: title_prompt
    temperature: 0.8

  - name: generate_outline
    prompt: outline_prompt
    temperature: 0.6

  - name: generate_article
    prompt: article_prompt
    temperature: 0.7

  - name: polish_article
    prompt: polish_prompt
    temperature: 0.4

这样做的好处是：

• 非开发人员也能调整流程；
• 不同业务可以复用同一套执行引擎；
• 提示词和代码解耦；
• 后期更容易接入可视化工作流平台。

十七、AI 工作流设计的核心原则

1. 不要一上来追求全自动

很多人刚开始做 AI 自动化时，希望一条流程从输入到发布完全无人参与。但在真实业务中，全自动往往风险较高。更推荐先从“半自动”开始，让 AI 完成初稿和整理工作，人负责审核和决策。

2. 每个节点只做一件事

不要让一个提示词同时完成搜索、总结、写作、润色、排版、发布。任务越复杂，结果越不稳定。正确方式是拆分节点，让每个节点有清晰输入和输出。

3. 中间结果要保存

工作流中每一步的结果最好都保存下来，例如标题、大纲、初稿、润色稿。这样一旦某一步失败，可以从中间继续执行，不必从头开始。

4. 输出格式要可控

如果后续程序还要处理 AI 结果，尽量要求模型输出 Markdown、JSON 或固定模板。格式越稳定，自动化程度越高。

5. 给人工审核留接口

尤其是面向外部用户、客户或公众发布的内容，建议增加审核步骤。AI 是效率工具，不应该完全替代责任判断。

十八、完整源码汇总

下面是本项目的完整文件清单。

ai-workflow-demo/
├── main.py
├── ai_client.py
├── workflow.py
├── prompts.py
├── notifier.py
├── requirements.txt
├── .env
└── output/

如果不需要邮件通知，可以不创建 notifier.py。

十九、总结

AI 工具真正的价值，不只是帮我们“生成一段文字”，而是参与到完整工作流中，帮助我们减少重复劳动、缩短执行链路、提升产出质量。

本文通过一个自动生成文章的案例，演示了如何使用 Python 和大模型 API 搭建 AI 工作流。这个案例虽然简单，但已经包含了工作流自动化的核心思想：

• 将复杂任务拆成多个节点；
• 为每个节点设计清晰提示词；
• 使用代码串联 AI 能力；
• 保存中间和最终结果；
• 根据业务需要扩展通知、审核和发布能力。

当你掌握这种模式后，就可以把它迁移到更多场景中，例如自动写日报、生成会议纪要、整理客户反馈、分析竞品资料、生成销售邮件等。

如果你是个人用户，可以从一个小脚本开始，把每天最重复的一件事自动化；如果你是企业开发者，可以进一步结合数据库、知识库、消息系统和权限管理，构建真正可落地的 AI 自动化平台。

AI 工作流的关键不是“用了多先进的模型”，而是你是否把业务流程拆解清楚，并让 AI 在合适的位置发挥作用。只要流程设计合理，即使是很简单的自动化脚本，也能带来显著的效率提升。