信息核对 2026.11

首页 / 实战

实战：把工具串成工作流

单个工具解决单个动作。真正省时间的是把两三个工具连成一条线：图形界面的负责判断和文案，终端的负责批量文件和脚本，自托管的负责按时自己跑。下面六个场景都能照做，每个都写了「用什么、怎么做、怎么验收、哪里会翻车」。

6 个场景 含验收标准 可直接照做

开始之前的规矩

  • 所有脚本类任务，先让它「只打印计划」，确认后再真执行。
  • 所有涉及删除、移动、重命名的任务，先备份或先建 git。
  • AI 的产出是草稿。发布前必须自己过一遍，尤其是数字、名字、政策。

01场景一：直播素材流水线

环节用哪个工具为什么是它
① 录屏与切片剪辑软件 + 人工这一步 AI 帮不上，选哪段是你的判断。
② 批量改名归档Codex / Claude Code / ZCode200 个文件的按规则重命名，脚本几秒完成。
③ 生成切片清单终端 agent 写脚本读目录、取时长和大小、输出到表格。
④ 每条配标题豆包 / WorkBuddy中文表达，快，可以一次出 20 条候选。
⑤ 每天自动跑OpenClaw 定时任务不用你记得，到点自己干完发给你。

具体做法

  1. 建统一目录结构：素材\原始、素材\切片、素材\成品。所有脚本只在这三个目录里工作。
  2. 在终端 agent 里说：「写一个 Python 脚本：扫描 素材\切片，列出文件名、时长、大小、创建时间，输出成 切片清单.csv。只读，不要动文件。」
  3. 拿到 csv，用豆包或 WorkBuddy 做第二步：「读这份清单，为每一条生成 3 个标题候选，要求口语化、有具体信息点、不夸张。输出成表格，每条 3 行。」
  4. 你手动挑一条，剩下的存成「标题库」，下次复用。
  5. 把第 2 步做成 OpenClaw 定时任务，每天固定时间跑，结果发到你的 Telegram。

验收标准

清单里的条数和目录里实际文件数一致；时长数据能和播放器对得上；没有一个文件被移动或删除。

会翻车的地方

  • 脚本里用了相对路径，换个目录跑就报错 → 一律用绝对路径。
  • 标题生成时它开始编造内容（比如编一个不存在的产品型号）→ 明确写「只能基于清单里的文件名信息，不许补充」。

02场景二：竞品调研变成一张表

环节用哪个工具为什么是它
① 收集资料你自己（浏览器另存、截图）来源要可靠，这一步不能外包给 AI。
② 提取字段豆包 / WorkBuddy读多个文件、按列整理成表。
③ 核对你抽查三行，对照原文。
④ 加结论豆包 / WorkBuddy在有了可信数据之后才让它下判断。

具体做法

  1. 把 5-8 份资料存进一个目录，命名成「产品名-来源」。
  2. 下任务：「只读这个目录，做一份 Excel：产品名 / 出品方 / 核心能力 / 价格 / 免费额度 / 国内能不能直接用。每个单元格不超过 30 字，资料里没写的填『未提及』，不许推测。」
  3. 要它先给表头 + 前三行，你核对后再补全。
  4. 补全后，单独下一条：「基于上面的表，写 3 句话结论：哪种场景该选哪个。只能引用表里的信息。」

验收标准

随便挑三行，能在原始资料里找到出处；「未提及」的比例合理（如果一半都是空白，说明你的资料不够，不是它不行）。

会翻车的地方

  • 资料是截图而不是文本，识别出错 → 关键数字要人工复核。
  • 它把旧价格当成新价格 → 资料里注明日期，让它把日期也记进表。

03场景三：把十年经验做成话术库

这是纯内容类任务里回报最高的一种：你脑子里有大量没法直接卖钱的经验，把它整理成结构化文档，才能反复用。

  1. 用语音或文字，把你对某类问题（比如「家庭影院布线怎么做」「投影仪怎么选」）的回答随口讲出来，一次讲 10 个问题。
  2. 丢给豆包或 WorkBuddy：「这是我口述的行业经验，整理成 FAQ 文档：每个问题一个标题，答案分『结论 / 原因 / 注意点』三段，保留我口语里的具体数字和案例，不要改成书面语，不要添加我没说的内容。」
  3. 它整理完，你逐条改：删掉它自己加的话，补上它理解错的地方。
  4. 把定稿存成模板，下次直播前用它生成提词卡。

关键那句「不要添加我没说的内容」

不加这句，它会很热心地「补全」你的经验，编出听起来专业但你没验证过的说法。这类内容一旦流到直播间，砸的是你自己的招牌。

04场景四：每天自动出一份简报

环节用哪个工具为什么是它
① 到点触发OpenClaw 定时任务常驻服务，不用你在场。
② 抓取信息OpenClaw 内置的网页获取 / 搜索能力它的工具集里就有，不用另写爬虫。
③ 汇总成文接的模型本地或云端都行。
④ 发给你Telegram / 飞书渠道结果直接进聊天，不用登录后台看。

具体做法

  1. 先手动跑通一次：在 Control UI 的 WebChat 里说「抓这三个网站今天的更新，总结成 5 条，每条一句话加链接」。
  2. 手动版满意后，把同一段话搬进定时任务，时间设成每天早上。
  3. 加上失败处理：「如果抓不到内容，直接告诉我哪个源失败了，不要编造」。
  4. 观察三天。前两天一定会出问题（源改版、超时、格式乱），逐条修指令。

验收标准

每条都有可点的原始链接；没有一条是「听起来很像新闻但没有出处」的内容。

05场景五：给直播间写个小工具

这类需求通常很小、很具体，正是终端 agent 的强项。举三个真实可能的需求：

需求怎么描述给 agent
把观众名单整理成可打印的表格「读这个 csv，去重、去掉空行、按顺序排，输出成新的 csv 和一个适合 A4 打印的 html。」
批量给素材截图加水印文字「用这个文件夹里的图，左下角加一行小字『示例』，另存到 output 目录，不改原图。」
一个本地网页小工具「做一个单文件 html：输入框填文字，点按钮生成一张 800×600 的图片并下载。不要联网、不要用外部库。」

描述里三个必备要素：输入在哪、输出到哪、不许做什么。最后一条最重要，它把「可能搞坏东西」的空间关掉。

06场景六：旧电脑里的文件总整理

这是很多人真正需要、又一直拖着的事。分三步做，别一次让它整理整个硬盘。

  1. 只出清单不动手。「扫描 D:\旧资料，按文件类型统计数量和总大小，列出重复文件（同名同大小），输出成表格。不要移动、不要删除任何东西。」
  2. 你先看清单做决定。哪类要留、哪类要归档、哪些确实是重复的。
  3. 按你的决定分批执行。「把 2019 年以前的视频移到 D:\归档\2019前，移动前先打印一份将要移动的清单给我确认。同名文件加序号，不要覆盖。」

这一步最危险

文件和目录的批量操作不可逆。先接一块移动硬盘做备份，再让它动手。或者全程用「复制」代替「移动」，确认无误后你自己删原文件。

07通用：任务描述的四段式

六个场景都能套这个模板。写成四行，比写一段长话有效得多：

模板复制后替换方括号内容
【产出】[要什么文件/什么格式/放哪里]
【依据】[只能用什么材料，能不能联网]
【约束】[不许做什么 / 长度 / 列名 / 语气]
【验收】[怎么算完成，要不要先给我样例]

四行里最容易被跳过的是【约束】和【验收】。而这两行恰恰决定了你要不要返工三次。

08通用：验收清单

#检查项不合格就重做
1产出物在指定位置文件找不到 = 没完成，别听它说「已完成」。
2数量对得上说好 20 条，只有 17 条，说明中途断了。
3抽查三处有出处任何一条查不到来源，整份都要重核。
4没有多余改动让它改 A，它顺手改了 B——用 git diff 查。
5格式能直接用表格打不开、PPT 版式挤，都算没完成。

09什么时候该换工具

  • 同一个任务它连着三次做不对 → 换工具，别继续耗。不同模型的能力边界确实不一样。
  • 任务简单但它很慢 → 换更轻的工具（图形界面类），或者把 effort 调低。
  • 任务涉及你的隐私数据 → 换自托管（OpenClaw / Hermes）+ 本地模型，别往云端送。
  • 你要的是「每天准时」而不是「做得好」 → 换定时任务，别靠手动。

最后一句实话

这些工具不会让你自动变强。它们放大的是你原本的能力：你对行业的理解、你对任务的拆解、你对结果的判断。你十年攒下的经验，才是这套工具真正能变现的部分——工具只负责把「一个人的产能」往上抬一档。

上一课

09 · Grok Bot

本页所有场景均为可复现的操作思路，不承诺具体产出效果——结果取决于模型能力、任务复杂度和描述质量。
涉及文件批量操作时请先备份。涉及价格、政策、法规的信息必须人工复核，不要以 AI 输出为准。