> 这篇是纯踩坑教程，不是科普文章。我把从 0 跑通用 WorkBuddy 搭周报自动化流水线踩过的坑、怎么填的、最终跑成什么样都写下来。代码片段可以直接抄。配图全部来自真实周报产物。
# 用 WorkBuddy 搭了一条"政府统计周报"流水线，从 3 天压缩到 4 小时（含完整踩坑记录）

> 这篇是纯踩坑教程，不是科普文章。我把从 0 跑通用 WorkBuddy 搭周报自动化流水线踩过的坑、怎么填的、最终跑成什么样都写下来。代码片段可以直接抄。配图全部来自真实周报产物。

## 一、先说我为什么折腾这个

我在团队里负责"政府统计大数据业务动态周报"。每周一开周会前，要把过去两周财政部、国资委、统计局、数据局官网、20+ 个公众号、8 家竞品官网、ccgp 中标公告全扫一遍，做成一份结构化 HTML 报告。**人工做一周期要 2-3 个工作日**，而且质量完全看当天精力。

更头疼的是质量门槛：gov.cn 来源占比要 ≥50%、P0 级条目要 ≥40%、总条目 ≥45 条、公众号链接 ≥10 条，每条都得是可追溯的文章详情页。手工根本盯不住。

今年 7 月开始，我用 WorkBuddy 搭了一条自动化流水线，单期从启动到交付压缩到 **4-6 小时**（含人工检查环节）。下面把我做的事原样写出来。

## 二、我做出来的东西长啥样

先放个最终成果。下图是一期真实的周报顶部（已脱敏关键信息），栏目从左到右是政策动态 / 行业动态 / AI 技术动态 / 友商动态 / 我司动态 / 本周总结，数字是当周条目数。

![01-周报整页顶部.png](https://developer.qcloudimg.com/http-save/yehe-12707151/fb424de76e53aca7c653edf17e18b603.png)

![03-行业动态栏目.png](https://developer.qcloudimg.com/http-save/yehe-12707151/c2dbdee69bd255438a0ad2c645b673c9.png)

![03-AI技术动态栏目.png](https://developer.qcloudimg.com/http-save/yehe-12707151/1ff3e86fcad8ca1cce8076a8d15d222e.png)

![03-政策动态栏目.png](https://developer.qcloudimg.com/http-save/yehe-12707151/8b62fd6da398eeab718aed9baecd6e47.png)

![企业微信截图_5ab2baff-5949-49eb-b9d6-f61d62b9d142.png](https://developer.qcloudimg.com/http-save/yehe-12707151/edd395a1c5ee25060dc6f23f0f041869.png)


## 三、流水线整体长这样

整条流水线封装成一个 WorkBuddy **Skill**（技能），在 WorkBuddy 对话里说一句"生成这周周报"就启动：

```
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
```

五个阶段有明确的输入、输出和打回机制。每个阶段最多重试 2 次。

Skill 的定义核心就一份 `SKILL.md`：

```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）。
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, 跑一下周报流程, 出周报]
---
```

触发词我设了三个，WorkBuddy 输入任意一个都会自动加载这个 skill 跑流程。

## 四、阶段1：情报采集——最容易翻车的环节

我把信息源分五层，从高权威到低权威逐层穷尽：

| 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 |

### 4.1 公众号采集——第一次翻车就在这

公众号是政策解读和友商动态的主要来源。我部署了一个本地 WeChat API 服务（端口 5001），正常情况下直接 `curl` 就能拿：

```bash
curl -s "http://localhost:5001/api/public/searchbiz?query=财政部"
curl -s "http://localhost:5001/api/public/articles?fakeid={FAKEID}&begin=0&count=20"
```

**🚧 翻车点 1：WeChat API 频率限制**

跑了几期发现，微信 API 高峰期会返回 `ret=200013` 频率限制错误，公众号链接就拉不到。公众号是硬约束（≥10 条），链接拉不到 = 整期打回。

我做的降级链路：

- **方案 A**：WeChat API 直出 mp.weixin URL（最可靠，但频控时不稳）
- **方案 B**：browser-cli 走搜狗微信（`weixin.sogou.com`），用 Playwright headless Chrome 绕过反爬
- **方案 C**：预置脚本 `sogou_fetch_urls.js`，反检测伪装 headless Chrome 提取真实 URL

方案 C 的反检测三要素（缺一不可）：

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

**🚧 翻车点 2：搜狗 IP 限流**

第一次跑方案 C 通了，跑了几次后连续 5 次请求被搜狗限流，全部跳 antispider 页。调试后总结：**单次会话内连续请求 ≤5 次，文章之间间隔 3 秒+**。超过 5 次的，要么等 10-15 分钟，要么重启会话。

### 4.2 gov.cn 采集——browser 适配器是核心

gov.cn 链接占最终交付 50%+，但 web_search 不返回完整 URL。所以我搭了 browser 适配器：

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

```bash
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/"

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

**🚧 翻车点 3：把列表页当文章链接**

刚开始几期我图省事，把列表页 URL 直接当 I 列链接写进 Excel。终审时 S3 链接可追溯性直接 0 分，gov.cn 占比也跌破 50%。

修正后的 6 步流程（写进 Skill 强制执行）：

```
1. browser-cli navigate 到列表页
2. snapshot 拿 items[].href
3. 筛选目标文章，拼接完整 URL
4. navigate 到文章详情页
5. get-url 确认是详情页（不是 /index /liebiao /zuixin）
6. web_fetch 验证 200 OK + 内容 >500 字符
```

**🚧 翻车点 4：ccgp.gov.cn 漏友商中标**

2026-08-09 那期漏了某友宁夏财政数据治理、，某南 630 万两个友商中标。根因是我当时只关注"招标+我司中标"，忽略了"友商中标"。

对策：**每期必扫 ccgp zbgg 友商名**，且加了一个 7 领域聚焦（财政/国资/统计/财税大数据/AI 大模型/行政事业大数据/统计报表），不是这 7 个领域中标也忽略。

```bash
web_search "site:ccgp.gov.cn zbgg 某友 2026年8月"
web_search "site:ccgp.gov.cn zbgg 某南"
```

### 4.3 链接写入前 8 步验证 Pipeline

每条链接进 Excel 之前必须走完：

```
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
```

## 五、阶段2：审核——全自动化 7 步

采集完进入审核，全程脚本跑。

最关键的一步是**链接审计**，`verify_links.py` 并发校验所有 I 列链接：

```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 NETERR，需 WebFetch 复核，不直接判坏
        return (rn, 'NETERR', str(e)[:60], '')
```

**🚧 翻车点 5：沙箱网络误杀 gov.cn 链接**

跑第一期时脚本报了一堆 `qingdao.gov.cn`、`ggzyfw.beijing.gov.cn` 是 BROKEN。人工浏览器打开明明正常。最后发现是沙箱 HTTPS 握手失败，**不是真坏链**。

修正：脚本里把所有 SSL/超时/连接类异常都归类为 `NETERR`（需 WebFetch 复核），不直接判坏。同时给 `verify_links.py` 加了已知误报模式表（`zc.gov.cn`、`whsj.wuhan.gov.cn`、我司官网 500 都列进去了），避免重复踩坑。

审核通过后输出结构化 JSON 给下游：

```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},
  "link_audit": {"ok": 52, "broken": 2, "empty": 1, "neterr": 1}
}
```

## 六、人工检查点——人机分工的关键

审核通过后**强制暂停**，把 Excel + 审核摘要甩给人工确认。这是整个流程最重要的设计：AI 干脏活，人干判断活。

我自己跑了几期后总结的检查清单：

- 推荐保留：所有 P0、触发警报的友商、含对比维度的核心友商
- 建议删除：P2 关联度低、重复事件、泛化 AI
- 可选补充：内部动态（这一块 AI 拿不到，需要人工录入）

**用户没回"继续"之前，WorkBuddy 不推进下一步。**

## 七、阶段3：编译——Excel 到 HTML

人工确认后，编译脚本 `compile_html.py` 把 Excel 渲染成结构化 HTML 报告。

**🚧 翻车点 6：Excel 改了但 HTML 还是上期内容**

这个坑我踩了三次才长记性。`compile_html.py` 只读 `weekly_data.json`，不直接读 Excel。每次在 Excel 里改完链接或条目，**必须先跑同步脚本**重建 JSON：

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

跑完会直接打印关键指标：

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

现在这一步是 Skill 阶段3的第一条命令，强制同步后再编译。

**🚧 翻车点 7：周期参数没改**

`compile_html.py` 顶部有硬编码的 `week_start / week_end / week_num / output_path`。第一期我图省事没改，结果页眉日期是上期的，文件名也是上期的。**每期必须改这四个参数再运行**。这个检查项也写进 Skill 了。

## 八、阶段4：终审——18 项全量检查

终审阶段我跑了 18 项检查，从 S1 文件完整性到 S18 栏目条数下限。最关键的几项用 grep 就能跑：

```bash
# S7 gov.cn 占比
grep -c 'gov\.cn' weekly_report.html

# S12 警报检测（11 种）
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
# ...

# S18 栏目条数下限
grep -c 'class="card"' weekly_report.html
```

**🚧 翻车点 8：警报标记放错列**

我把"⚠️ 新品竞争"放在了 L 列备注里。S12 警报检测结果是 0——**因为备注列压根不渲染到 HTML**。

修正：所有警报标记必须放 **D 列标签**（如 `财政AI;⚠️ 新品竞争`），D 列会渲染为 card-tag。这条也固化进 Skill 阶段1的"友商警报自动触发"表。

## 九、自愈规则——把每次翻车都写进 Skill

到现在跑了几十期，每次出问题我都会做一件事：把根因 + 修复规则写回 Skill 的自愈规则表。到现在累积了 5 类：

| 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：起始日 ≤ H列日期 ≤ 结束日 |
| 链接非原文 | 用列表页 URL | 路径深度 ≥4 段，不含 /index /liebiao |
| 重复内容 | 同一信息多源采集 | 标题相似度 ≥80% 视为重复，留权威最高 |
| gov.cn 占比下滑 | 只增不减累积偏差 | 每增 10 条重算占比，<50% 暂停非 gov.cn |
| 替换死链导致占比下降 | 把死 gov.cn 换成 sohu 转载 | 死链优先找同主题 gov.cn 源，禁 sohu 替代 |

新一期周报跑下来基本不会有同类问题第二次出现。

## 十、效果对比——给你们看真实数据

跑了大半年的对比：

| 指标 | 手工流程 | WorkBuddy 自动化 |
|------|---------|-----------------|
| 单期耗时 | 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+ 站点 + 20+ 公众号 |
| 链接有效率 | ~85%（人工抽检） | ~98%（全量校验） |
| gov.cn 占比达标率 | ~70% | ~95% |
| 友商覆盖 | 偶有遗漏 | 8 家全覆盖 |

## 十一、可复用片段——你抄得走的部分

如果你也想搭类似流水线，这几条可以直接抄：

**1. 浏览器适配器架构**

`daemon (HTTP 9223) + cli (Node.js)` 比直接用 browser 工具稳定很多。daemon 启动后 cli 是无状态调用，死了重启就行，不会把整个 Skill 拖死。

**2. 链接审计必须做"沙箱网络误报"分类**

不然你会把一堆活的 gov.cn 链接误判成坏的。**所有 SSL/超时/连接类异常都归 NETERR，不直接判坏。**

**3. 人工检查点是命脉**

不要相信"AI 能全自动"。AI 干采集、初筛、格式化很行，但"这条信息值不值得放进周报"这种判断，必须人来。我试过全自动，效果差到哭。

**4. 自愈规则表 = 流水线稳定性**

每次出问题就回写一条规则，半年下来基本所有常见翻车都被覆盖了。这是流水线从"能跑"到"稳跑"的关键。

**5. 三级降级方案**

每个外部依赖（微信 API、搜狗、ccgp）都要有 A/B/C 三级降级。任何一个崩了都有兜底。

## 写在最后

搭这条流水线最大的收获不是省时间，而是**把"每周重复的脑力劳动"从脑子里搬出去**。以前每到周一我就焦虑周报，现在周一打开 WorkBuddy 一句话，剩下的就是检查 + 微调。

如果你也在做类似的周期性信息采集+报告生成的活，欢迎留言交流。**这套思路不限于政府统计——换到任何"周期性扫描 N 个信息源、产出结构化报告"的场景都成立**，比如竞品周报、行业舆情周报、内部周会材料等。

---

**配图说明**：本文所有截图均来自真实周报产物（2026-08-03 至 2026-08-16 周期），已脱敏关键客户/友商信息。文末"可复用片段"可直接抄走。

**技能版本**：基于 WorkBuddy Skill v2.9.0 实践整理。

这篇是纯踩坑教程，不是科普文章。我把从 0 跑通用 WorkBuddy 搭周报自动化流水线踩过的坑、怎么填的、最终跑成什么样都写下来。代码片段可以直接抄。配图全部来自真实周报产物。

# 用 WorkBuddy 搭了一条"政府统计周报"流水线，从 3 天压缩到 4 小时（含完整踩坑记录）

分享用 WorkBuddy 搭建"政府统计周报"自动化流水线的实战。方案封装为 5 阶段 Skill（采集→审核→人工检查点→编译→终审），单期耗时从 2-3 天压至 4-6 小时，gov.cn 与 P0 达标率升至 95%。记录 8 个踩坑与解法：微信 API 频控、搜狗限流、列表页误当详情、ccgp 漏友商、沙箱误杀活链、改 Excel 未同步 HTML、周期参数漏改、警报放错列。

开发工具

后端

运维

用WorkBuddy搭"政府统计周报"自动化流水线，从0到跑通全踩坑记录：单期耗时从3天压缩至4小时，含5阶段流程、8个翻车点修复、三级降级方案、自愈规则表，代码可直接抄。

数据治理

代码解释

大数据

WorkBuddy 

Python

Agent

JSON

WorkBuddy企业版限时双倍 Credits 活动

workbuddy

2026上云采购 | AI焕新·智启新局

apigw

腾讯云BI特惠9.9元起！


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 搭了一条"政府统计周报"流水线，从 3 天压缩到 4 小时（含完整踩坑记录）-腾讯云开发者社区-腾讯云

# 用 WorkBuddy 搭了一条"政府统计周报"流水线，从 3 天压缩到 4 小时（含完整踩坑记录）

# 用 WorkBuddy 搭了一条"政府统计周报"流水线，从 3 天压缩到 4 小时（含完整踩坑记录）

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