从微信机器人到 AI 工作流:我的自动化工具箱

如果问我日常工作里最核心的方法论是什么,就一句话: 凡是能被描述清楚的流程,就该被自动化。 这篇文章盘点我工具箱里几个有代表性的自动化项目,以及它们背后的设计取舍。

一、ilinkbot-plugins:插件化的微信机器人

微信机器人的需求五花八门:群管理、关键词回复、数据播报、内容分发…… 如果每个需求都写一个「大而全」的机器人,很快就会失控。 所以我基于微信官方的机器人 API 做了一套 插件管理系统, 核心设计是双运行模式:

  • 独立运行:轻量场景用 SQLite 做存储,单进程一键拉起,适合个人和小团队;
  • 插件模式:接入我们的主应用架构,机器人只是众多插件中的一个,可以和其他业务插件共享基础设施。

每个功能都是一个独立插件,装哪个、开哪个、停哪个,全部按需组合。 新需求来了就是「写一个插件」,而不是「改一个系统」。

二、yuqueDocumentDoloader:把知识库带离线

团队知识库在语雀上,但总有要离线归档、本地检索、喂给 AI 的场景。 于是写了 语雀文档下载器: 丢一个文档 URL 进去,自动解析并下载成结构化的本地内容。 它现在是我们 AI 工作流里最常用的「原料供给器」——知识库出,语料进。

三、java-socket5-proxy:被逼出来的「一键启动」

市面上的 Socket 代理服务端要么安装繁琐、要么环境挑剔, 找了一圈没有顺手的,索性自己写了一个: Java 统一实现的代理服务端, 只要有 JDK17 环境,一条命令直接启动。 这个项目给我的启发是:工具的价值 = 功能 × 部署的容易程度, 后者经常被低估。

四、AI 工具链怎么融进来

这些自建工具和 Qoder、WorkBuddy、OpenClaw 这类 AI 工具不是替代关系,而是分工关系:

  • 自建工具负责稳定运行的长链路:机器人值守、文档归档、代理通道;
  • AI 工具负责需要理解和生成的环节:需求转代码、文档摘要、Skill 编排。
自动化不是「找一个万能 AI 替你干活」,而是把每个环节放到最合适的执行者手里—— 脚本跑确定性流程,Agent 处理模糊输入,人只做判断。

写在最后

如果你的团队也有一堆「重复到令人麻木」的流程,欢迎找我聊聊。 大多数时候,从一个最小可用的自动化脚本开始,一周内就能看到回报。

← 返回文章列表