如果幾年前有人跟我說(shuō)：把 80% 的客戶溝通自動(dòng)化，沒(méi)人會(huì)發(fā)現(xiàn)，我大概率會(huì)禮貌點(diǎn)頭、笑兩聲，然后回去繼續(xù)修 Flask 路由。 然而，周末一時(shí)興起做了個(gè)小助手，結(jié)果就失控成了整整一周的全面自動(dòng)化試驗(yàn)。沒(méi)親自回一條客戶消息、沒(méi)親自寫一封文檔郵件、也沒(méi)手動(dòng)批過(guò)一次輕量 PR——更意外的是：沒(méi)有任何客戶起疑。

下文是完整的落地過(guò)程：只講方法與實(shí)現(xiàn)，不繞彎子——Python、自動(dòng)化，再加一點(diǎn)策略性“偷懶”。

問(wèn)題：我的日程像俄羅斯方塊一樣擠滿

我一邊做多家 Python 自動(dòng)化外包，一邊運(yùn)營(yíng)刊物、還要帶新人。每天都在接這種消息：

• “能幫我看下這條數(shù)據(jù)管道嗎？”
• “那個(gè)微服務(wù)今天能發(fā)嗎？”
• “這個(gè)報(bào)錯(cuò) AttributeError: 'NoneType' object has no attribute 'encode' 是啥啊 ??？”

單看不重，疊加起來(lái)就是生產(chǎn)力黑洞。粗算下來(lái)，我?guī)缀?/span>每天有 2.5 小時(shí)花在重復(fù)、模板化的回復(fù)上。于是我想：能不能“自動(dòng)化我自己”？

第 1 步：先讓代理學(xué)會(huì)“我的口吻”

老實(shí)講，我們的日?；貜?fù)80% 是模式，20% 才是即興。我先把用得最多的郵件回信、GitHub 評(píng)論和 Slack 回復(fù)導(dǎo)出為 Markdown，按窗口重疊的方式切片分塊，讓語(yǔ)境更完整。

import os
import openai

openai.api_key = "your_sk"

def mimic_me(message):
    system_prompt = """
    You are Abdul Ahad, a seasoned Python developer with 4+ years of experience.
    You respond with clarity, empathy, and confidence. Keep it concise but useful.
    """
    response = openai.ChatCompletion.create(
        model="gpt-4o-mini",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": message}
        ],
        temperature=0.4
    )
    return response['choices'][0]['message']['content']

我用“部署又掛了，能幫下嗎？”之類的提示做了幾輪測(cè)試。效果嚇人地貼臉：不僅語(yǔ)氣像，連我遇事愛(ài)用的表情也復(fù)刻了。??

第 2 步：LangChain + Flask，把“低優(yōu)先級(jí)”消息自動(dòng)回了

會(huì)說(shuō)“人話”是一回事，發(fā)出去不顯得機(jī)械又是另一回事。我起了一個(gè) Flask webhook 來(lái)接 Slack 與 Gmail 的新消息；隨后做個(gè)輕判斷：只要不是緊急或高風(fēng)險(xiǎn)，就讓代理代我回。

from flask import Flask, request
import threading

app = Flask(__name__)

@app.route('/incoming', methods=['POST'])
def handle_message():
    data = request.json
    msg = data['message']

    if "urgent" not in msg.lower():
        reply = mimic_me(msg)
        send_reply(reply)  # 你的郵件/Slack 發(fā)送函數(shù)
    return "OK"

def run_app():
    app.run(port=5000)

threading.Thread(target=run_app).start()

從這刻起，代理就是“我”：能同步進(jìn)度、給出代碼建議、甚至能拉會(huì)并預(yù)約日程。

小貼士：需要穩(wěn)定口吻就把 temperature 調(diào)低；需要更靈動(dòng)一點(diǎn)就略微上調(diào)，別貪大。

第 3 步：Git 提交信息？自動(dòng)從 diff 生成

這一段極度上頭。我在倉(cāng)庫(kù)的 post-commit 鉤子里，先把暫存區(qū)的改動(dòng)導(dǎo)成 diff，再 prompt 模型生成“像我寫的”提交信息。

git diff --cached > temp.diff

然后把 diff 喂給提示詞：

diff_contents = open("temp.diff", "r", encoding="utf-8").read()

prompt = f"""
Here's a diff from a Python repo. Write a commit message as Abdul would:
clean, professional, and short.

DIFF:
{diff_contents}
"""

效果：每次 commit 都簡(jiǎn)潔、有信息量、語(yǔ)氣統(tǒng)一。從此再也沒(méi)有“fixed stuff”。

第 4 步：做“知識(shí)庫(kù)+QA”的代碼評(píng)審

當(dāng)客戶丟過(guò)來(lái) PR 讓給反饋時(shí)，代理也能頂上。我先把以往的代碼評(píng)審意見(jiàn)做向量化索引，作為“評(píng)審經(jīng)驗(yàn)”的可檢索語(yǔ)料。

from sentence_transformers import SentenceTransformer

model = SentenceTransformer("all-MiniLM-L6-v2")
embeddings = model.encode(past_reviews)

隨后我把新的 diff轉(zhuǎn)成若干審查要點(diǎn)（比如“是否符合 SRP”“異常處理是否完備”），再去檢索相似的歷史意見(jiàn)，拼裝為具體點(diǎn)評(píng)。光這個(gè)環(huán)節(jié)，一周就省了將近 5 個(gè)小時(shí)。

第 5 步：會(huì)議讓 AI 去“參會(huì)”，我只收要點(diǎn)

我用 Whisper 做錄音轉(zhuǎn)寫（當(dāng)然是提前告知并獲同意），然后讓模型把紀(jì)要、風(fēng)險(xiǎn)與行動(dòng)項(xiàng)提煉出來(lái)。

import openai
audio_file = open("call.m4a", "rb")

transcript = openai.Audio.transcribe("whisper-1", audio_file)

prompt = f"""
Here is the transcript of a meeting. Summarize key decisions, concerns,
and action points.
TRANSCRIPT:
{transcript}
"""

每次會(huì)后，要點(diǎn)自動(dòng)落到 Notion?？蛻糁挥X(jué)得“效率高”，卻沒(méi)想到我不在。??

第 6 步：發(fā)票、周報(bào)與文檔，一鍵歸檔生成

最后一層，是把文檔工作也徹底模塊化。每到周五，我的腳本會(huì)自動(dòng)收集：

• 本周提交（commits）
• 審過(guò)的 PR
• 代理的往來(lái)消息
• 會(huì)議紀(jì)要與行動(dòng)項(xiàng)

然后交給模型生成每位客戶的周報(bào)：

weekly_report_prompt = f"""
Summarize this week's project activity for client X.

COMMITS:
{commits}

MESSAGES:
{messages}

MEETINGS:
{summaries}
"""

結(jié)構(gòu)清晰、信息完整，讀起來(lái)像真人寫。那周我還收到了這樣的反饋：

“真希望更多開(kāi)發(fā)能像你這么會(huì)溝通?！?/span>

翻車現(xiàn)場(chǎng)

當(dāng)然，并非完美無(wú)瑕：

1. 語(yǔ)氣不合拍：有位平時(shí)愛(ài)抖機(jī)靈的客戶收到了一條過(guò)于正式的回信，直接問(wèn)我“你還好嗎？怎么這么像 ChatGPT”?！?/span>修正：為每位客戶掛一個(gè)語(yǔ)氣配置（冷/暖/活潑/嚴(yán)謹(jǐn)），進(jìn)入 webhook 時(shí)先識(shí)別來(lái)源再選風(fēng)格。
2. 音頻太糊：一次會(huì)議錄音質(zhì)量差，紀(jì)要就偏空泛?！?/span>修正：加了降噪與語(yǔ)音質(zhì)量校驗(yàn)；不達(dá)標(biāo)就打回重傳或標(biāo)注“需人工補(bǔ)充”。
3. 需求誤解：有位客戶的改動(dòng)請(qǐng)求被代理“理解歪”了?！?/span>修正：凡是有風(fēng)險(xiǎn)的改動(dòng)，一律人工二次確認(rèn)；代理只負(fù)責(zé)草擬方案與風(fēng)險(xiǎn)點(diǎn)，不直接合并。

結(jié)論：你可以“自動(dòng)化自己”，但別真的把自己裁了——關(guān)鍵路徑還是要人在回路。