词元星图TokenAtlas
返回案例库

精选案例 · Agent / 实践案例

AI 自动化脚本

这个案例围绕「AI 自动化脚本」记录了一条真实 AI 实践线索，正文重点集中在「背景」「AI 工具」，适合先按任务意图阅读再判断复用。

案例速读

README 标题「AI 自动化脚本」下已经出现运行/配置路径、脚本或接口线索、结果证据，正文重点集中在「背景」「AI 工具」，比纯概念介绍更适合进入精选阅读流。 这篇案例的阅读价值在于，它把真实任务、模型辅助过程和可迁移做法放在同一个上下文里，读者可以从 「AI 自动化脚本」、「背景」、「AI 工具」、「使用方式」 进入正文。

  • 建议重点看 可参考其中的运行与配置路径、包含可迁移的命令、脚本或接口线索、已有结果或观测证据可用于判断复用价值。结合 Agent / 实践案例 和「任务驱动用户、AI 实践者」这一受众定位，它更适合作为任务检索后的精读材料，而不是只看一句短摘要后快速跳过。
  • 正文目录和原始材料仍然是判断依据；导读只帮助你更快定位阅读重点。
看点
AI 自动化脚本
读者
任务驱动用户、AI 实践者
复用
可参考其中的运行与配置路径
结构
8 个目录入口

原文内容

AI 自动化脚本

日常重复性工作，用 AI 一键生成脚本解决

背景

日常工作中总有各种重复劳动：批量重命名文件、整理下载目录、转换数据格式、提取日志中的特定信息。这些事手动做很烦，但专门去写脚本又觉得"杀鸡用牛刀"。

有一次需要把 200 多个文件从 会议纪要_20260401_张三.docx 格式改成 2026-04-01_会议纪要_张三.docx，手动改到第 20 个就受不了了。把需求描述给 AI，10 秒生成了一个 bash 脚本，20 秒跑完，全程不到一分钟。

AI 工具

  • Claude / Claude Code — 代码生成与自然语言交互
  • Bash / Python — 生成的脚本运行语言
  • 词元计划 API（deepseek-v4 等）— 程序化调用

使用方式

万能提示词模板

我要做一个自动化任务：[描述你的需求]

具体信息：
- 操作系统：[Linux / macOS / Windows]
- 脚本语言偏好：[Bash / Python]
- 输入：[文件在哪里、格式是什么]
- 期望输出：[处理后要变成什么样子]
- 安全要求：[需要预览/需要备份/直接修改]

请生成脚本并解释每一步做了什么。

实际案例

案例 1：批量重命名文件

需求：把目录下所有 .jpg 文件按拍摄日期重命名为 YYYY-MM-DD_HHMMSS.jpg

AI 生成的脚本：batch_rename.py

案例 2：日志关键词提取

需求：从 500MB 的 Nginx 日志中提取所有 5xx 错误行，按 URL 聚合统计

提示词：

  1. 读取 access.log
  2. 筛选状态码 500-599 的行
  3. 按 URL 统计出现次数
  4. 按次数降序输出 Top 20

AI 直接生成了一个 awk 一行命令搞定，比写 Python 快得多。

案例 3：CSV 数据格式转换

需求：把一个 5000 行的宽表 CSV 转成长表格式（melt 操作）

AI 用 pandas 生成了 15 行代码，pd.melt() 一行搞定。

效果

  • 200 个文件重命名：手改 >30 分钟，AI 脚本 <1 分钟
  • 防错：脚本操作比手动操作更一致，不会出现手抖改错的情况
  • 学到工具：AI 生成的脚本里经常出现自己不知道的 CLI 工具（如 rename、sed、awk 的妙用）

心得与建议

  1. bash 优先 — 文件操作类任务用 bash 脚本比 Python 更简洁，AI 也擅长生成
  2. 先 dry-run — 让 AI 先生成 “预览模式”（只打印会做什么但不实际执行），确认无误再去掉 dry-run
  3. 加注释 — 让 AI 在脚本中加详细注释，方便以后修改和理解
  4. 保留脚本库 — 重命名、格式转换这类通用脚本，存到一个 scripts/ 目录，下次直接用
  5. 安全意识 — 让 AI 生成的脚本先检查一遍逻辑，特别是 rm、mv 等危险操作
  6. 自然语言就是最好的编程语言 — 描述清楚要什么，比纠结用 bash 还是 Python 更重要
返回顶部