原文内容

AI Agent 辅助日常工作流自动化

基于 OpenClaw 搭建面向日常事务的 AI Agent。这个 Agent 接入聊天入口和日常工具接口，可以根据自然语言指令处理邮件、日历、文件整理、信息汇总和定时推送等流程性任务。

与普通问答式 AI 不同，这里的重点是“把任务推进到可检查的结果”：用户提出目标后，Agent 读取上下文、拆解步骤、调用工具、生成日历事件、材料包或摘要，并在涉及外部发送、公开提交等关键动作前等待人工确认。实际使用中，会把常用提示词、记忆偏好、技能入口和验证步骤写清楚，避免每次从零开始解释。

相关 AI 工具

• OpenClaw — 自托管个人智能体框架
• 日常工具接口 — 邮件、日历、文件整理、脚本、定时任务等
• 记忆与技能配置 — 记录偏好、常用流程和注意事项，让 Agent 能跨会话延续工作

项目一：12306 邮件自动写入日历

背景：差旅过程中，12306 购票、改签、退票邮件包含了车次、日期、站点和时间等信息。人工录入日历需要反复打开邮件、核对时刻、复制字段，容易遗漏或填错。

成果：实现从 12306 邮件到日历事件的半自动流程。Agent 识别车票邮件，提取行程字段，核对到达时间，并生成日历事件。

使用方式：

1. 将 12306 相关邮件转发或交给 Agent；
2. Agent 判断邮件类型，解析车次、乘车日期、出发站、到达站、出发时间等字段；
3. 查询列车时刻，补全更可靠的到达时间；
4. 按用户偏好写入日历，并设置合适的提醒。

典型场景：收到一封 12306 购票邮件后，只需要告诉 Agent“把这张车票加入日历”，它会自动完成信息抽取、时刻核对和日历写入。

详细介绍：railway-calendar

项目二：报销材料自动整理

背景：报销材料经常分散在多封邮件和多个附件中，包括电子发票、火车票行程单、打车发票、酒店水单、支付截图等。手工整理时需要筛选、去重、重命名、按时间归类并打包，过程重复且容易漏文件。

成果：实现按时间范围自动收集和打包报销材料的流程。Agent 可以从邮件和附件中筛选候选材料，识别文件类型，去除重复文件，按业务发生日期整理，并生成可提交的压缩包。

使用方式：

1. 用自然语言指定时间范围，例如“整理这周的报销材料”；
2. Agent 从邮件和附件中收集候选文件；
3. 识别发票、行程单、水单、支付截图等材料类型；
4. 去除重复附件，优先保留更适合提交的文件版本；
5. 生成文件清单和压缩包；
6. 如果需要发送邮件，先等待人工确认。

典型场景：每周报销前，只需要给出时间范围，Agent 会生成一个结构清晰、命名统一、可直接提交的材料包。

详细介绍：reimbursement

项目三：定时新闻与通知推送

背景：校园通知、新闻和公共信息来源分散，人工逐个网站查看效率低，也容易漏掉重要更新。希望有一个固定时间自动汇总、无更新则不打扰的轻量信息流。

成果：Agent 定时抓取配置好的 RSS 和网页来源，合并去重后生成简短摘要，并推送到指定聊天入口。没有新内容时不推送，避免制造额外噪音。

使用方式：

1. 配置需要关注的信息源，例如校园通知、新闻 RSS 等；
2. 设置每天固定推送时间；
3. Agent 自动抓取、去重、摘要和推送；
4. 用户也可以随时用自然语言询问“有什么新闻”，触发一次手动汇总。

典型场景：每天早晚自动收到一条简短新闻/通知摘要，只看有变化的内容，不需要反复刷新多个网站。

详细介绍：news-digest

心得

1. AI Agent 的优势在于串联工具 — 单次问答只能给建议，接入邮件、日历、文件整理和定时任务后，才能形成真正的执行闭环。
2. 记忆和技能配置很关键 — 把日历提醒偏好、报销材料规则、新闻源和推送时间写入配置后，Agent 才能稳定复用同一套流程。
3. 流程性任务适合自动化 — 差旅日历、报销材料和新闻摘要不难，但高频、分散、容易漏细节，非常适合交给 Agent 处理。
4. 人工确认不能省 — 涉及对外发送、公开提交、删除文件等动作时，Agent 只负责准备结果，最终确认仍由人完成。