您一周里有多少时间在手工做本该由机器完成的事？
在 Excel 里拼出来的报表、在两个系统之间手工搬运的数据、手动更新的网站、每天早上读过再分拣的消息：重复的工作就是可以自动化的工作，而在输出可以被核对的地方，判断交给人工智能。
问题
常见的情况是一项从未被设计过的任务。它是慢慢堆积起来的。有人导出一份报表，在 Excel 里重新排版，对照第二个系统核对，再把结果转发出去。另一个人为了找到真正重要的两条消息，读完三个频道里的每一条。有人靠手工编辑文件来更新网站。它能运转是因为这些人知道那些例外，而当他们休假时它就停了。时间在不知不觉中累积，却没有人写下规则究竟是什么。
我们的做法
我们按流程实际的执行方式而不是文档的描述来梳理它，并把确定性的部分和真正需要判断的部分分开。确定性的步骤变成普通代码和定时工作流，因为它们必须可审计。需要判断的步骤只在输出可以被核对、错误答案会被拦下而不是归档的地方才交给语言模型。我们尽可能建立在开源工具之上；当数据不能离开您的基础设施时，模型就运行在您自己的硬件上。衡量成功的标准很简单：不再需要人的那些小时。
实际案例
一个大部分被自动化的工作日
我们自己的一天就是这样运转的。聊天记录用一个开源导出工具拉取，问题跟踪系统通过其 API 读取，所以没有任何东西是手工复制的。然后由一个语言模型分拣夜间到达的内容，起草回复和例行修改，并列出真正需要决策的事项；人只审阅那份清单，而不是读完所有内容。早先用 n8n 构建的工作流曾通过 Telegram 为通知和审批做同样的事。过去要花一个上午阅读和点击的大部分工作，如今只需几分钟的审阅，而同样的模式可以直接迁移到客户的报表、电子表格和网站更新上。
你将得到
- 一份书面的流程图谱，包括没人记录过的例外情况
- 运行中的自动化，建立在开源工具之上，部署在您掌控的基础设施上
- 一个审阅队列，容纳系统不应独自决定的一切
- 交接文档，让系统在没有我们的情况下也能维护