> 本文记录了笔者使用 WorkBuddy（腾讯 AI 办公工作台）从零搭建一套"政府统计大数据业务动态周报"自动化生成流水线的完整实践。该流水线覆盖情报采集、质量审核、人工检查点、主编编译、终审交付五个阶段，每周自动产出结构化 HTML 周报，已稳定运行数月。

## 一、为什么需要自动化周报

笔者所在的团队需要每周产出一份"政府统计大数据业务动态周报"，追踪政策动态、行业动态、AI 技术动态、友商竞争情报等六大板块。手工流程的痛点非常明显：

- **信息源分散**：需要扫描 31 个省份的财政厅/国资委/统计局/数据局官网、20+ 个微信公众号、8 家友商官网、中国政府采购网中标公告，以及社交媒体和招聘信号
- **质量门槛严格**：gov.cn 来源占比 ≥50%、P0 级条目占比 ≥40%、总条目 ≥45 条、公众号链接 ≥10 条，每条链接必须是可追溯的文章详情页
- **格式要求高**：最终交付物为带导航栏的结构化 HTML 报告，友商卡片需含"What → So What → Now What"三层分析
- **重复劳动多**：每周从采集到交付，纯手工需要 2-3 个工作日

用 WorkBuddy 搭建自动化流水线后，**单期周报从启动到交付压缩到 4-6 小时**（含人工检查环节），且质量一致性大幅提升。

## 二、整体架构：五阶段流水线

整个流水线封装为一个 WorkBuddy Skill（技能），通过自然语言触发（如"生成这周周报""跑一下周报流程"），由 WorkBuddy 作为全流程执行 Agent 按序推进五个阶段：

```
用户触发 → 阶段1采集 → 阶段2审核 → 🔴人工检查点(暂停) → 阶段3编译 → 阶段4终审 → 阶段5交付HTML
                 ↑ 打回重采            ↑ 打回重采(等待用户确认)      ↑ 打回修正
```

**核心设计理念**：每个阶段都有明确的输入、输出和质量门禁；阶段间支持打回重做（最多重试 2 次）；人工检查点为强制暂停点，确保人始终在环中。

### Skill 定义示例

在 `~/.workbuddy/skills/` 下创建技能目录，核心定义文件 `SKILL.md` 的 frontmatter：

```yaml
---
name: 政府统计周报
description: 政府统计大数据周报生成。5阶段流水线（采集→审核→人工检查点→编译→终审），自动生成结构化HTML周报。
version: 2.9.0
tags: [周报, 政企报告, 信息采集, 竞争情报, 政府统计]
trigger_keywords: [生成周报, 生成这周周报, 跑一下周报流程, 出周报]
---
```

定义好触发词后，在 WorkBuddy 对话中说出"生成这周周报"即可启动整个流水线。

## 三、阶段1：多源情报采集

这是整个流水线中最复杂的阶段。我们设计了**五层检索体系**，从高权威性来源到低权威性来源逐层穷尽：

| 层级 | 数据源             | 强制工具                                 |
| -- | --------------- | ------------------------------------ |
| L1 | 微信公众号           | wechat-download-api (localhost:5001) |
| L2 | 政府官方网站 (gov.cn) | browser 适配器 (Playwright + Chrome)    |
| L3 | 通用搜索引擎          | web_search + web_fetch               |
| L4 | 社交媒体/招聘信号       | web_search + browser-cli             |
| L5 | RSS 订阅源         | RSS 抓取脚本                             |

### 3.1 微信公众号采集（L1）

公众号是政策解读和友商动态的重要来源，但也是最难自动化的。我们部署了一个本地 WeChat API 服务（端口 5001），通过它可以直接搜索公众号、获取文章列表和正文：

```bash
# Step 1: 检测 API 是否可用
curl -s -o /dev/null -w '%{http_code}' http://localhost:5001/api/health

# Step 2: 如不可用，尝试启动
cd ~/.qclaw/wechat-download-api && bash start.sh &

# Step 3: 搜索公众号
curl -s "http://localhost:5001/api/public/searchbiz?query=财政部"

# Step 4: 获取文章列表
curl -s "http://localhost:5001/api/public/articles?fakeid={FAKEID}&begin=0&count=20"

# Step 5: 获取文章正文
curl -s -X POST http://localhost:5001/api/article \
  -H "Content-Type: application/json" \
  -d '{"url": "https://mp.weixin.qq.com/s/xxxxx"}'
```

**踩坑与降级方案**：微信 API 有频率限制（返回 `ret=200013`），高峰期容易触发。我们的降级链路：

1. **首选**：WeChat API 直出 `mp.weixin.qq.com` 真实链接（最可靠）
2. **方案B**：browser-cli 访问搜狗微信搜索（`weixin.sogou.com`），通过 Playwright headless Chrome 绕过反爬
3. **方案C**：预置脚本 `sogou_fetch_urls.js`，用反检测伪装的 headless Chrome 提取真实公众号 URL

方案C 的反检测三要素（必备）：

```javascript
// 1. 隐藏 webdriver 标志
Object.defineProperty(navigator, 'webdriver', { get: () => false });
// 2. 模拟真实 Chrome 的 window.chrome 对象
window.chrome = { runtime: {} };
// 3. 禁用自动化控制 blink 特性
args: ['--no-sandbox', '--disable-blink-features=AutomationControlled']
```

> **关键约束**：公众号链接须 ≥10 条真实 `mp.weixin.qq.com/s/...` 链接。搜狗中转页（`weixin.sogou.com/link?...`）不算数，必须提取到跳转后的真实 URL。

### 3.2 政府网站采集（L2）

政府网站（gov.cn 域名）是占比最大的信息源。由于 web_search 不返回完整 URL，我们通过 Playwright + 系统 Chrome 搭建了 browser 适配器：

**架构**：`browser-daemon.js`（HTTP 服务，端口 9223）+ `browser-cli.js`（CLI 客户端）

```bash
# 启动 daemon（每次采集前执行一次）
cd ~/.workbuddy/skills/政府统计周报/scripts && bash browser-start.sh start

# 导航到列表页
NODE_PATH=/Users/liuning/.workbuddy/binaries/node/workspace/node_modules \
  /Users/liuning/.workbuddy/binaries/node/versions/22.22.2/bin/node \
  scripts/browser-cli.js navigate "https://mof.gov.cn/zhengwuxinxi/zhengcefabu/"

# 获取页面快照（含可点击元素列表）
... browser-cli.js snapshot

# 导航到文章详情页
... browser-cli.js navigate "https://mof.gov.cn/zhengwuxinxi/zhengcefabu/202608/t20260815_3961234.htm"

# 获取地址栏完整 URL（确认不是中转页）
... browser-cli.js get-url
```

gov.cn 链接获取的标准化 6 步流程：

```
1. browser-cli navigate 到列表页
2. browser-cli snapshot 获取文章列表（含 items[].href）
3. 从 items 中筛选目标文章，拼接完整 URL
4. browser-cli navigate 到文章详情页
5. browser-cli get-url 获取地址栏完整 URL
6. web_fetch 验证 200 OK + 内容 >500 字符
```

我们维护了一份覆盖**全国 31 个省份**的财政厅/国资委/统计局/数据局官网清单（约 120+ 个站点），确保政策动态的全面覆盖。

### 3.3 友商竞争情报采集

友商动态是周报的核心价值之一。我们追踪 8 家竞品，采集渠道包括：

- **友商官网**：产品发布、新闻动态
- **中国政府采购网 (ccgp.gov.cn)**：中标公告定向扫描
- **社交媒体/招聘平台**：融资信号、区域扩张信号

ccgp.gov.cn 中标公告的定向扫描是每期必做的环节：

```bash
# 按友商名搜索中标公告
web_search "site:ccgp.gov.cn zbgg 友商一 2026年8月"
web_search "site:ccgp.gov.cn zbgg 友商二"
web_search "site:ccgp.gov.cn zbgg 友商三"
```

扫描结果按**七个聚焦领域**筛选，只收录与财政、国资、统计、财税大数据、政务 AI 相关的中标公告，自动排除商标/通用 IT 运维等无关领域。

同时，我们设计了**友商警报自动触发机制**，根据采集到的信号自动标记 11 种警报类型：

| 警报类型   | 触发条件            |
| ------ | --------------- |
| 重大中标   | 中标金额 ≥500 万     |
| 新品竞争   | 直接竞争新品/参标未中     |
| 区域扩张   | 单省招聘 ≥5 个岗位     |
| 赛道入侵   | 数据要素/数据治理类岗位    |
| AI 重投入 | 大模型/AI 类岗位 ≥5 个 |
| 核心竞争   | 国资监管方向岗位        |
| ...    | （共 11 种）        |

### 3.4 链接写入前验证 Pipeline

所有采集到的链接在写入 Excel 之前，必须通过 8 步验证：

```
1. 来源确认：gov.cn→browser，公众号→wechat-api
2. web_fetch 验证：200 OK + 内容 >500 字符
3. 硬阻断：so.html5.qq.com 中转页→立即丢弃
4. 标题一致性校验：相似度 ≥70%
5. JS 渲染页面：browser-cli snapshot 替代
6. 摘要溯源：F 列末尾附〔原文关键句：xxx〕
7. 写入 xlsx
8. 业务相关性过滤
```

## 四、阶段2：自动化质量审核

采集完成后，进入质量审核阶段。这是一个**全自动的 7 步检查流程**，每步都有可观测产物：

| 步骤 | 检查项           | 工具/产物                                       |
| -- | ------------- | ------------------------------------------- |
| 1  | 链接审计：并发校验所有链接 | `verify_links.py`，输出 OK/BROKEN/EMPTY/NETERR |
| 2  | 格式完整性（12 列结构） | 计数 + 清单                                     |
| 3  | 日期准确性         | H 列日期 vs 报告窗口，>3 行越界→整批打回                   |
| 4  | 链接有效性         | 标题相似度 ≥70%                                  |
| 5  | 来源分布          | 部委/省级/友商/公众号/社媒各计数                          |
| 6  | 数量阈值          | gov.cn ≥50%、P0 ≥40%、总 ≥45                   |
| 7  | 内容质量          | 友商三层分析、警报标记、对比维度                            |

### 链接审计脚本

核心脚本 `verify_links.py` 并发校验所有链接，并智能区分**真坏链**和**沙箱网络误报**：

```python
def check(job):
    rn, url = job
    if not url or not str(url).startswith('http'):
        return (rn, 'EMPTY', '', '')
    try:
        r = requests.get(str(url), headers={"User-Agent": UA},
                         timeout=15, allow_redirects=True)
        status = 'OK' if r.status_code < 400 else 'BROKEN'
        return (rn, status, r.status_code, r.url[:90])
    except Exception as e:
        # 沙箱网络限制 → 标记为 NETERR，需 WebFetch 复核，不直接判坏
        return (rn, 'NETERR', str(e)[:60], '')
```

> **关键经验**：部分 gov.cn 站点（如 `qingdao.gov.cn`、`ggzyfw.beijing.gov.cn`）在沙箱环境中 HTTPS 握手失败，但通过浏览器通道可正常访问。脚本将这类异常标记为 `NETERR`（需复核），避免误判为坏链。

### 审核结果输出

审核完成后输出结构化 JSON 摘要，供下游阶段消费：

```json
{
  "ok": true,
  "summary": "通过：56条，gov.cn占比52%，P0占比43%",
  "metrics": {
    "total": 56, "gov_cn_pct": 0.52, "p0_pct": 0.43,
    "by_section": {"policy": 10, "industry": 8, "ai": 22, "competitor": 9, "jiuqi": 3}
  },
  "link_audit": {"ok": 52, "broken": 2, "empty": 1, "neterr": 1},
  "next_action": "pass_to_checkpoint"
}
```

## 五、人工检查点：人机协作的关键设计

审核通过后，流水线**强制暂停**，等待人工确认。这是整个架构中最重要的设计决策：

1. 展示 Excel 文件供人工浏览
2. 附审核摘要（gov.cn 占比、P0 占比、总条数等）
3. 附筛选指导（推荐保留/建议删除/可选补充）
4. 等待用户回复"继续""OK"等确认词

**用户确认前绝不自动推进。** 这确保了人在环中（Human-in-the-Loop），AI 负责高效采集和初筛，人负责最终判断和调优。

## 六、阶段3：主编编译

人工确认后，进入编译阶段，将 Excel 数据编译为结构化 HTML 报告。

### Excel → JSON 同步（高频踩坑点）

编译脚本 `compile_html.py` 只读取 `weekly_data.json`，不直接读 Excel。**每次在 Excel 中修改后，必须先运行同步脚本**，否则编译出的 HTML 会是上一期的陈旧数据：

```bash
PY=/Users/liuning/.workbuddy/binaries/python/envs/default/bin/python3
$PY /Users/liuning/.workbuddy/skills/政府统计周报/scripts/excel_to_json.py \
    政府统计大数据周报_20260803_20260816.xlsx \
    weekly_data.json
```

同步脚本会自动计算并输出关键指标，方便快速确认：

```
✅ 已写入 weekly_data.json: 56 条
   gov.cn: 29/56 = 51.8%  P0: 24/56 = 42.9%
```

### HTML 模板引擎

编译流程：

1. 读取 HTML 模板（预置 CSS 样式 + 6 个栏目容器 + 导航栏）
2. 遍历 JSON items 数组，循环生成卡片插入对应栏目
3. 友商卡片内嵌 What → So What → Now What 结构化展示
4. 核心友商（厂商1/厂商2/厂商3）附加"与我司对比"区块

友商内容摘要采用三层分析格式：

```
{事实描述} | 影响：{对业务的影响} | 建议：{应对建议}
（与我司对比：xxx）
```

## 七、阶段4：终审（18 项全量检查）

终审阶段执行 S1-S18 共 18 项全量检查，确保最终交付物质量达标：

| 检查项          | 内容                |
| ------------ | ----------------- |
| S1 文件完整性     | HTML 完整、可打开       |
| S2 栏目完整性     | 6 栏目顺序正确、无空白      |
| S3 链接可追溯性    | 每条卡片有来源链接         |
| S4 禁止来源      | 无 sohu.com/a/、中转页 |
| S7 gov.cn 占比 | ≥50%              |
| S8 P0 占比     | ≥40%              |
| S9 总卡片数      | ≥45               |
| S10 公众号链接    | ≥10 条             |
| S11 友商覆盖     | 8 家全覆盖            |
| S12 警报检测     | 11 种警报标记 grep 验证  |
| S18 栏目条数下限   | 政策≥8、行业≥6、AI≥20   |

S12 警报检测用简单的 grep 命令实现自动化：

```bash
grep -c '⚠️ 重大中标' weekly_report.html
grep -c '⚠️ 新品竞争' weekly_report.html
grep -c '🤝 战略合作' weekly_report.html
# ... 共 11 种警报标记
```

## 八、自愈规则：从历史踩坑中学习

流水线运行过程中遇到的典型问题，都被固化为**自愈规则**，避免同类问题二次出现：

| 问题          | 根因                     | 自愈规则                                    |
| ----------- | ---------------------- | --------------------------------------- |
| 日期越界        | 采集时未校验日期窗口             | 写入前强制检查：起始日 ≤ H 列日期 ≤ 结束日               |
| 链接非原文       | 使用了列表页 URL             | URL 须路径深度 ≥4 段，不含 `/index`、`/liebiao` 等 |
| 重复内容        | 同一信息多源采集               | 写入前标题相似度 ≥80% 视为重复，保留权威最高的一条            |
| gov.cn 占比下滑 | 只增不减累积偏差               | 每新增 10 条后重算占比，<50% 则暂停非 gov.cn 采集       |
| 替换死链导致占比下降  | 把死 gov.cn 链接换成 sohu 转载 | 死链优先找同主题 gov.cn 源，禁止用 sohu 替代           |

## 九、定时自动化：指令队列执行器

为了进一步降低人力投入，我们通过 WorkBuddy 的自动化（Automation）功能设置了定时任务，在服务器上每小时检查指令队列并执行待处理任务。这使得周报流程可以在非工作时间自动推进采集和审核阶段，人工检查点环节积累到工作时间集中处理。

## 十、效果与收益

| 指标           | 手工流程       | WorkBuddy 自动化      |
| ------------ | ---------- | ------------------ |
| 单期周报耗时       | 2-3 个工作日   | 4-6 小时（含人工检查）      |
| 信息源覆盖        | 10-15 个站点  | 120+ 个站点 + 20+ 公众号 |
| 链接有效率        | ~85%（人工抽检） | ~98%（全量自动校验）       |
| gov.cn 占比达标率 | ~70%       | ~95%               |
| 友商覆盖         | 偶有遗漏       | 8 家全覆盖             |
| 格式一致性        | 每期有差异      | 模板化输出，完全一致         |

## 十一、关键经验总结

### 1. Skill 是核心抽象

把整个流水线封装为一个 WorkBuddy Skill，通过 trigger_keywords 触发，是最自然的使用方式。Skill 定义中用 `标记区块组织配置，用` 标记阶段提示词，结构清晰、易于维护。

### 2. 多工具协同是关键

单靠 LLM 对话无法完成这种复杂任务。实际运行中需要协同：Python 脚本（链接审计、Excel 处理）、Node.js 脚本（浏览器自动化）、本地 HTTP 服务（微信 API、browser daemon）、WorkBuddy 内置工具（web_search、web_fetch、文件读写）。

### 3. 人机协作优于全自动

人工检查点是最重要的设计决策。AI 负责海量信息的采集、初筛、格式化，人负责判断"这条信息值不值得放进周报"。这种分工比纯人工或纯自动都更高效。

### 4. 自愈规则让系统越用越稳

每次出问题后，把根因分析和修复规则写回 Skill 定义，形成自愈规则。随着运行时间增长，问题越来越少，流水线越来越稳定。

### 5. 降级方案要提前设计

微信 API 限频、搜狗反爬、沙箱网络限制……这些外部依赖的不确定性是自动化的最大敌人。为每个关键环节设计 A/B/C 三级降级方案，是流水线稳定运行的保障。

## 写在最后

这套流水线从第一版到稳定运行，经历了数十次迭代。每次迭代都是发现问题→分析根因→固化规则的过程。WorkBuddy 的 Skill 系统让这一切成为可能——它不是一个简单的对话工具，而是一个可以承载复杂业务逻辑、编排多工具协同、支持人机协作的自动化平台。

如果你也在做类似的周期性信息采集和报告生成工作，希望这篇文章能给你一些启发。核心思路是通用的：**五阶段流水线 + 多源采集 + 质量门禁 + 人工检查点 + 自愈规则**，换一个行业领域同样适用。

---

*本文基于 WorkBuddy v2.9.0 Skill 系统实践整理。*



本文记录了笔者使用 WorkBuddy（腾讯 AI 办公工作台）从零搭建一套"政府统计大数据业务动态周报"自动化生成流水线的完整实践。该流水线覆盖情报采集、质量审核、人工检查点、主编编译、终审交付五个阶段，每周自动产出结构化 HTML 周报，已稳定运行数月。

用 WorkBuddy 搭建自动化业务动态周报流水线：以政府统计动态周报为例

人工智能

开发工具

文章详细记录了利用WorkBuddy从零搭建政府统计大数据周报自动化流水线的实践，涵盖五阶段流程、多源采集、质量门禁与人工检查点等核心设计。通过AI协同实现效率跃升，单期周报耗时从2-3个工作日压缩至4-6小时，信息源覆盖提升至120+站点，链接有效率提升至98%，并沉淀了可复用的自愈规则与降级方案。

代码解释

数据治理

人机协作

服务器

WorkBuddy 

大数据

容器

Python

Agent

JSON

2026上云采购 | AI焕新·智启新局

soc-private

apigw

热销域名限时优惠，新客首年免费！


domain

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

用 WorkBuddy 搭建自动化业务动态周报流水线：以政府统计动态周报为例-腾讯云开发者社区-腾讯云

用 WorkBuddy 搭建自动化业务动态周报流水线：以政府统计动态周报为例

用 WorkBuddy 搭建自动化业务动态周报流水线：以政府统计动态周报为例

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐