用AI做每日任务三十天:我把重复劳动交给Agent之后
【摘要】 三十天让AI Agent接管开发者成长中心每日任务后的真实观察:自动化真正省掉的是上下文切换而非单次操作时间,而环境脆弱性、判定不透明、内容质量不可外包是更贵的部分,并总结了判断/执行/状态分层设计经验。
用 AI 做「每日任务」的三十天:我把重复劳动交给 Agent 之后
过去三十天,我让 AI Agent 接管了一次「开发者成长中心」的每日/每周任务。本文不讨论刷分技巧,而是记录这套自动化跑了三十天后的真实观察:什么被真正省掉了,什么反而更贵了。
一、自动化了什么
每天固定几类动作:签到、浏览指定平台的案例页、给案例仓库点 Star、在社区发一篇技术文章、报一个活动、跑一个云实验、给开源仓库提一个有价值的 Issue。
这些动作的共同点是:规则明确、无创造性、但耗时间。单个耗时 1-5 分钟,但每天要做七八次,还要记住哪些完成、哪些过期。
Agent 接管后的流程是:登录(短信验证码,仍需我配合)→ 逐项执行 → 结果回执 → 积分校验。
二、真正省掉的是什么
不是时间,是"上下文切换"。
单次操作 2 分钟,人做和机器做差别不大。真正的成本在「想起来要去做」——工作间隙被提醒打断、排队等结果、担心漏掉某个每日任务。
Agent 做完后给我一份清单:「今日 5 项完成,3 项到账,1 项延迟同步」。我的注意力从"维护任务清单"变成"看一份结果"。这是省下来的部分。
三、反而更贵的地方
- 登录态维护:短信验证码必须真人配合。环境每次重置(云端工作区)都要重新登录,一次 2 分钟;
- 环境脆弱性:浏览器组件、依赖库、脚本会被环境重置抹掉,需要幂等脚本自愈(详见我上一篇排障记录);
- 平台判定不透明:同样"点 Star",有时立刻到账,有时要等几小时;"浏览页面 30 秒"有时不计数,原因未知;
- 内容质量不能外包:博客和 Issue 必须是真实的技术内容——这部分 Agent 只能帮我打草稿、校验事实,判断"这件事值不值得写"还得人来。
四、一条经验:把"判断"留给模型,把"执行"交给脚本
跑了三十天,最有效的设计是分层:
- 判断层(LLM):选哪个案例、Issue 写什么主题、文章切入点是什么——需要理解力和品味;
- 执行层(脚本):打开哪个 URL、点哪个元素、提交表单、校验回执——需要确定性;
- 状态层(文件):登录态、任务清单、完成记录——需要可恢复性。
让 LLM 去做"点第 3 个按钮"是最脆弱的用法;让它做"这一步的目的和风险是什么",然后把操作固化成脚本,才是稳定的组合。
五、小结
- 自动化的收益主要在减少上下文切换,而非缩短单次操作时间;
- 环境与判定规则的不确定性,是长期自动化最大的隐性成本;
- 分层(判断/执行/状态)比"全流程 Agent"更可靠;
- 需要人味的内容(文章、Issue、方案),Agent 只能辅助,不能替代。
三十天后我的结论:该自动化的是流程,不是判断。
【声明】本内容来自华为云开发者社区博主,不代表华为云及华为云开发者社区的观点和立场。转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息,否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱:
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论(0)