快来围观!我自制的 AI 周报小能手:自动收集整理周报,一键发送邮件

简介: 快来围观!我自制的 AI 周报小能手:自动收集整理周报,一键发送邮件

上篇文章分享了《跟着我的步骤,轻松打造出 AI 智能体》,很多朋友都比较感兴趣,咨询我问 “AI 小白能学吗?” 我感觉问题不大,完全可以,只要把要做的事情屡明白了,遇到的卡点问题直接问 GPT 就好了,当然也可以找我加入交流群,我们一起学习进步。

这篇文章,我将分享一下我制作的一款实用工具 - 「AI 周报助手」。

废话不多好,直接进入主题。

设计背景

作为职场人的我们,应该都门清,编写周报是一个耗时的过程,尤其是对于那些需要管理多个项目和任务的团队成员来说,真的就像绣花一样,费时又费力。

周报往往需要汇总来自不同团队成员或部门的信息,手动整合这些信息往往效率低下,而且还很容易出错。

周报的格式也是一个优先需要关注的点,尤其是在远程工作和团队成员分布在不同地点的情况下,保证数据的标准化也蛮重要。

最最主要的是,没人爱干这活,这是一件重复且没有太多创造性的任务,怎么办,这时候该 AI 出场了,AI 大哥任劳任怨,让 AI 大哥把这活干了吧。

完成后的效果

Alice-工作周报

- 完成了客户管理系统的新功能开发。
- 协助解决了内部数据库的性能问题。
- 准备下周的客户培训材料。

Bob-工作周报

- 优化了营销活动的数据分析流程。
- 与Alice合作,提高了客户管理系统的用户体验。
- 计划下周开始新的市场调研项目。

Carol-工作周报

- 完成了营销活动的初步数据分析报告。
- 参与了客户管理系统的界面设计。
- 下周将专注于完善数据分析报告,并准备市场调研的问卷。

汇总-工作周报

尊敬的团队成员及管理层:
本周,我们团队取得了以下主要成就:
- Bob优化了营销活动的数据分析流程,并与Alice合作提高了客户管理系统的用户体验。
- Carol完成了营销活动的初步数据分析报告,并参与了客户管理系统的界面设计。
- Alice完成了客户管理系统的新功能开发,并协助解决了内部数据库的性能问题。
团队克服了多项挑战,实现了以下关键成果:
- 营销活动的数据分析流程得到显著优化,提高了报告的准确性及效率。
- 客户管理系统的用户体验得到提升,界面设计更加人性化。
- 新开发的系统功能将增强我们的客户服务能力,数据库性能问题得到有效解决。
下周,我们将专注于以下计划:
- Bob将启动新的市场调研项目。
- Carol将进一步完善数据分析报告,并准备市场调研问卷。
- Alice将准备客户培训材料,以提升客户满意度。
感谢大家的辛勤工作与卓越贡献。让我们期待下周更多的进展和成功!

设计思路

  1. 收集来自不同团队成员或部门的周报信息;
  2. 交给大模型只能处理;
  3. 将整合完成的周报发送邮件;

实现过程

我是使用 crewAI 框架去实现的,具体步骤可参考这篇文章《跟着我的步骤,轻松打造出 AI 智能体》,篇幅有限,这篇文章只写核心代码,不用担心,需要完整代码的可以找我免费获取。

核心代码

@CrewBase
class WeeklyReportAssistantCrew():
    """WeeklyReportAssistant crew"""
    agents_config = 'config/agents.yaml'
    tasks_config = 'config/tasks.yaml'
    @agent
    def writer(self) -> Agent:
        return Agent(
            config=self.agents_config['writer'],
            tools=[send_email_tool],
            verbose=True,
            llm=llm,
            function_calling_llm=function_calling_llm,
            allow_delegation=True
        )
    @task
    def writer_task(self) -> Task:
        return Task(
            config=self.tasks_config['writer_task'],
            agent=self.writer(),
            output_file='mail.md'
        )
    @crew
    def crew(self) -> Crew:
        """Creates the WeeklyReportAssistant crew"""
        return Crew(
            agents=self.agents,  # Automatically created by the @agent decorator
            tasks=self.tasks,  # Automatically created by the @task decorator
            verbose=2,
            manager_llm=function_calling_llm,
            # process=Process.hierarchical, # In case you wanna use that instead https://docs.crewai.com/how-to/Hierarchical/
        )

agents.yaml

writer:
  role: >
    周报整理员
  goal: >
    提高团队的周报整理效率,确保所有成员的周报按时提交并得到有效整理。
  backstory: >
    你是一位资深的周报整理员,旨在帮助团队成员管理日常工作报告,并从中生成周报。
// 框架对 Agent 的解析
class CrewAgentParser(ReActSingleInputOutputParser):
    """Parses ReAct-style LLM calls that have a single tool input.
    Expects output to be in one of two formats.
    If the output signals that an action should be taken,
    should be in the below format. This will result in an AgentAction
    being returned.
    Thought: agent thought here
    Action: search
    Action Input: what is the temperature in SF?
    If the output signals that a final answer should be given,
    should be in the below format. This will result in an AgentFinish
    being returned.
    Thought: agent thought here
    Final Answer: The temperature is 100 degrees
    """

tasks.yaml

writer_task:
  description: >
    我需要你根据{reports}来整理一份周报。
    每位成员的日报已经包含了他们的工作亮点、挑战、以及下周计划。
    请确保周报能够清晰地展示每位成员的贡献,同时突出团队的整体进展和关键成果,并且格式清晰、专业。
    请在周报中包含一个简短的引言,概述本周的主要成就,并以正式而积极的语言风格结束,提供下周的展望。
    确保使用正式的语言和适当的语调,以适应团队和管理层的阅读。
    发送邮件的content参数请保证是汇总完毕的周报内容。
  expected_output: >
    整理后的周报

小结

  • 大模型可以自由选择,例如:OpenAI、GLM、Baichuan、Qianfan、使用自己的本地私有化大模型也可以,我使用的 GLM-4。
  • tools 可以自定义编码去实现,使用一个或多个工具都可以。
  • 如果你的场景比较复杂,可以定义多个 Agent、多个 Task ,可以自定义编排,Task 与  Task 之间可以使用上下文传递。
  • 这里面的核心还是提示词、提示词、提示词,重要事情说三遍。

这个案例比较简单,也比较粗糙,还有很多需要优化的点,仅仅只是流程跑通了。

目录
相关文章
|
人工智能 小程序 前端开发
【用AI写周报,“卷死”同事】打造一款自动生成周报的微信小程序
在现代企业中,周报是一个重要的沟通和管理工具。然而,手动编写周报是一项繁琐的任务,往往需要花费大量时间和精力。因此,利用人工智能技术来自动化周报生成是一个值得探究的方向。本文将介绍如何通过微信小程序接入ChatGPT,根据前端、后端、设计师、产品、测试和架构师等职位自动生成周报,并提供完整的代码实现。
670 0
|
人工智能 自然语言处理
我的AI学习周报:少即是多,慢即是快
我的AI学习周报:少即是多,慢即是快
180 0
|
人工智能 开发工具 开发者
AI 周报:蔚来员工供认用公司服务器“挖矿”;刘强东卸任京东 CEO;网信中国:互联网企业用工人数平稳;
Arm 已转让中国合资公司全部股份;刘强东卸任京东 CEO,徐雷接任;网信中国:互联网企业近半年来用工人数保持平稳;
302 0
AI 周报:蔚来员工供认用公司服务器“挖矿”;刘强东卸任京东 CEO;网信中国:互联网企业用工人数平稳;
|
8天前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
|
9天前
|
数据采集 人工智能 前端开发
Playwright与AI智能体的网页爬虫创新应用
厌倦重复测试与低效爬虫?本课程带您掌握Playwright自动化工具,并融合AI大模型构建智能体,实现网页自主分析、决策与数据提取,完成从脚本执行到智能架构的能力跃升。
|
9天前
|
人工智能 运维 安全
聚焦 AI 应用基础设施,云栖大会 Serverless AI 全回顾
2025 年 9 月 26 日,为期三天的云栖大会在杭州云栖小镇圆满闭幕。随着大模型技术的飞速发展,我们正从云原生时代迈向一个全新的 AI 原生应用时代。为了解决企业在 AI 应用落地中面临的高成本、高复杂度和高风险等核心挑战,阿里云基于函数计算 FC 发布一系列重磅服务。本文将对云栖大会期间 Serverless+AI 基础设施相关内容进行全面总结。
|
10天前
|
设计模式 机器学习/深度学习 人工智能
AI-Native (AI原生)图解+秒懂: 什么是 AI-Native 应用(AI原生应用)?如何设计一个 AI原生应用?
AI-Native (AI原生)图解+秒懂: 什么是 AI-Native 应用(AI原生应用)?如何设计一个 AI原生应用?
|
11天前
|
人工智能 负载均衡 API
Vercel 发布 AI Gateway 神器!可一键访问数百个模型,助力零门槛开发 AI 应用
大家好,我是Immerse,独立开发者、AGI实践者。分享编程、AI干货、开源项目与个人思考。关注公众号“沉浸式趣谈”,获取独家内容。Vercel新推出的AI Gateway,统一多模型API,支持自动切换、负载均衡与零加价调用,让AI开发更高效稳定。一行代码切换模型,告别接口烦恼!
126 1
Vercel 发布 AI Gateway 神器!可一键访问数百个模型,助力零门槛开发 AI 应用
|
14天前
|
边缘计算 人工智能 算法
AI在智慧能源管理中的边缘计算应用
AI在智慧能源管理中的边缘计算应用
84 13
|
14天前
|
人工智能 Cloud Native 中间件
划重点|云栖大会「AI 原生应用架构论坛」看点梳理
本场论坛将系统性阐述 AI 原生应用架构的新范式、演进趋势与技术突破,并分享来自真实生产环境下的一线实践经验与思考。

热门文章

最新文章