职场打工人，周报困局是否让你头痛不已？AI技术正在悄悄改变这一局面，让繁琐的工作变得更加高效。本文将为你揭示如何利用AI工具轻松完成周报，让工作从‘周而复始’到‘智能飞跃’。

打工人的“周报困局”

每到周五，你是不是都要抓耳挠腮地回想这周到底做了什么？然后坐在电脑前“挤牙膏式”的苦思冥想，尝试用各种花里胡哨的辞藻包装你的工作内容？反复推敲“优化用户体验”的18种差异化表达？“卷周报”已经成了当代打工人必备技能。

然而”表演式周报”背后讽刺的是：也许超85%的中层管理者承认不会细读周报。他们关注到的可能只有”字数密度””配图精美度”等表象。

周报成了“卷也不是，不卷也不是”的鸡肋。即使现在豆包、DeepSeek、Kimi等AI辅助工具，可以帮助美化文字内容，按照模板格式进行整理，但是每次生成都需要你输入工作内容，然后撰写尽可能详细的Prompt，所以你还是免不了要绞尽脑汁的回想你做的事，然后每次都要输入对应的指令，可能到头来AI输出的内容你还是不能直接用。

下表我罗列了目前用AI生成这周报可能存在的问题点：

接下来，我打算尝试用Agent工作流来优化这些问题。不过得说明一下，我的方案没办法实现AI全自动化，毕竟我不是程序员，也不会写代码。所以，我只能在不写代码的前提下，尽量减少人工输入量，解决掉这些事倍功半的“形式主义工作”。以下就是我的设计思考和具体操作。

步骤1：思路梳理

通用的工作周报一般包含两部分内容，一部分是本周完成事项，一个是下周待办事项。那么我最终要想让AI帮我自动生成周报，首要解决的是要让它“知道”你这周做什么，你下周计划做什么。

日常工作中，我们接收工作任务的渠道是非常多的，可能包含邮件、领导口头交办、企微/钉钉/飞书等办公软件、QQ/微信群聊、OA等多种多样的渠道。目前暂时是没有什么工具，能实现这么多渠道信息的自动获取，在一堆信息中，识别提取出工作任务。理论上要实现也不是说完全不可行，但是要解决大量的隐私授权问题还会连带很大的开发量，这里单个人是地狱级难度，所以本文中不做讨论。

这里我想到了——很多人在工作中，会通过电脑桌面便签、印象笔记等工具记录待办事项。像我自己的工作习惯就是，当我接收到什么任务，我就会在桌面便签打上这个任务，会简单地记录下任务，时间节点明确的事会顺带记录时间，完成后会划掉。

基于上述的思考，我梳理出了整体的设计框架，为了提升大家的阅读体验，我绘制了一个示意图：

根据总体框架，我细分拆了以下几条工作流，并附上了对应示例，方便大家更直观了解：

步骤2：创建工作流

1、创建待办事项工作流

先来看下配置完成的整个工作流，我特意修改了各个节点的名称，方便大家理解这个节点具体是在做什么；

下图是我运行这个工作流，测试出的效果；

下面详细来讲一下，这个工作流是怎么设计的：

在扣子平台-工作空间-资源库，右上角点击+资源，选择创建一个工作流，输入工作流的名称（名称只支持英文），编辑工作流描述；

创建完成之后，会看到页面上是两个节点，一个是开始，一个是结束，这两个节点是必备的，不可以删除。点击下方添加节点，选择[大模型]，插入一个大模型的节点。

下图这部分的流程中，包含了一个获取当前时间的插件，和一个大模型节点。 添加大模型的作用，主要是让它处理文本信息：根据用户输入的信息，整理出1个任务标签、1个任务计划完成时间、1个任务的细节描述。

添加获取当前时间的插件，是因为像我日常记录待办事项的时候，我通常不会写的那么详细，可能会存在很笼统的表述，“这周内”、“今天”、“下个月”，我需要它推理出准确的日期（工作日），大模型是不能获取当前时间的，所以配一个插件给它（这里也可以选择在大模型技能部分，把获取当前时间的插件配置为这个大模型的能力）。 “巧妇难为无米之炊”，要让大模型进行数据分析处理，就必须有基础的“米”，输入参数就相当于这个“米”。所以这里配置了2个参数值，一个引用了开始节点输出的文本信息，另一个引用了时间插件输出的时间。

除了输入参数外，还需要配置大模型的[系统提示词]和[用户提示词]，系统提示词包含它的人设，你要它帮你做哪些事，这些事要怎么去做，限制条件和对应的限制规则等等。[用户提示词]就很简单了，就是简单的写明你要它做什么。

大模型处理完数据，你要告诉它要输出什么，怎么输出。根据我的需要，这里我需要它处理完成之后，帮我输出3个值（label任务标签/task任务描述/time计划完成时间/state状态），所以这里输出我选择让它输出一个Array（数组），然后添加这个数组的子级，分别写上这三个字段（注意：字段的名称是可以自己随便取的，但是要跟系统提示词里面的名称一一对应上）

至此，我们完成了工作流的第1步和第2步。接下来，我们需要完成第3步，按照规定格式，写入飞书智能表格；

需要先创建一个飞书智能表格，同时要设置好对应的列表的类型，这里可以直接参考我的设置；

创建好表格，然后就要开始思考怎么把总结的内容批量写入了，常规的想法就是需要在工作流中插入一个飞书的插件。添加好吼，会发现插件要求你必须填入两个参数：app_token是智能表的地址；records是传输进表格的具体内容；

app_token很简单，直接复制刚才创建好的智能表的链接就可以了，但是records不能直接引用上一节点大模型输出的内容，因为飞书插件对于传输的格式有要求，这个要求格式可以看飞书智能表格这个插件描述里的示例；

这里如果程序员写个代码很简单，插入代码节点就可以处理了。但因为我不会写代码，所以我只能寄希望于大模型帮我整理好对应的格式，这里因为要批量传入/导入表格，所以我插入了[批处理]的节点，插入批处理之后，会有两部分，一个是批处理（这个是配置输入输出参数的），另一个空白的批处理体（是配置具体的批量处理流程的）；（注意：这里一定要选中批处理体，然后再点击添加大模型，才能把这个大模型添加进这个批处理体中）；

批处理体中的大模型，输入参数直接引用上一节点大模型输出的内容，系统提示词可以直接参考我的；

这个大模型输出的参数，要选择Array<Object>格式；然后参考下图，把几个节点连接起来；

配置完成，并且点击[试运行]，确认可以写入之后，可以点击右上角[发布]这个工作流；

2、创建工作事项查询工作流

还是先来看下，完整的工作流。照例，可以先看下我每个节点的命名，方便大家理解；

下图是这个工作流的试运行结果；

新建一个工作流，然后添加[插件]节点，在插件库中找到飞书智能表格插件下，下图中的这个插件。这个插件只需要输入一个必填参数，就是飞书智能表格的链接，这里直接复制上我们上面《待办事项》飞书智能表格的链接；

然后要插入一个大模型节点，来筛选处理内容，大模型的技能/输入参数配置内容可以参考下图；

这里的系统提示词，需要详细地写上整个筛选匹配的逻辑，这里你要“让AI模拟你的检索逻辑”，需要很详细地把你的思考逻辑写出来，怎么得出对应的检索结果。下图附上了我编写的系统提示词，还有用户提示词，还有输出格式，以供参考；

为了让回复的内容可以更清晰，这里可以再配置一个大模型，让大模型去优化表述内容；

然后链接各节点，进行试运行。如果运行成功，没有问题，就可以点击右上角[发布]；

3、撰写周报工作流

完成上述步骤，已经实现了AI帮你记录工作任务，查询待办事项的工作了。平时工作过程中，也可以直接通过表格查看所有工作记录。完成了某项工作之后，可以直接在表格将状态修改为已完成，不容易再遗漏事项了。

接下来我们还需要编写最后一条工作流，让大模型实现自动周报编写了。

照例，先来看下总体的工作流，还有试运行产出效果：

这个工作流相对来说并不复杂，和上面第2条工作流很相近，主要是运用到了[大模型]和[飞书智能文档]中的查询记录插件能力，这里就不过多展开，直接放上大模型的系统提示词，供大家参考（这里是我结合我想要AI输出的框架、格式来编写的，同时在这我也反复的进行了多次调试，输入测试词，然后根据结果，再来优化大模型提示词）；

连接上各节点后，成功试运行，点击右上角[发布]

4、智能体创建

至此，所有的工作流都已经配置完成，下面就是最后一步，把工作流组装到一个bot里面，方便后续使用了。

在扣子工作台-项目开发中，选择创建[智能体]；

左边人设与回复逻辑，最关键的就是写明什么情况下，调用哪一个工作流就可以了，可以参考截图中的描述；中间技能板块，这里不一定非要选择添加时间还有飞书表格插件，这里只是我蛮添加的。下面工作流一定要把三条都配上。

运行测试成功后，可以点击右上角[发布]，把这个小助手配置到飞书中；

（注意：首次使用还需要完成文档的写入授权）

总结笔记

从一开始的想法，到实施方案的设计，到实际的工作流操作配置，真的花了非常多的时间和心思，因为反复尝试，中间遇到了很多配置的问题，没有可参考的材料，只能摸索。很多时候受限于插件能力，没办法实现全面自动化，工作记录还是没有办法实现自动抓取，还得人工手动输入。整体的方案是一个尝试，还是比较粗糙的，实现的东西也比较基础。当我写完这篇文章再看的时候，脑子里又想到了更多的场景，想到了更多可以调优改善的地方，包括后续可以升级的地方，比如是否可以满足团队的使用。

现在使用时候，因为工作流要调用很多的节点，所以AI处理起来响应还是比较慢的。目前工作流的插件主要是通过API实现软件及工具的调用，后续如果想要更广泛的应用，应该还是要实现端与端的互联互通，也许随着MCP的发展，会解决这一困扰。

最后想说的话

虽然越来越多的大厂在高呼要反内卷，但大多的打工人都是心照不宣，职场中“形式主义”是无法避免的，毕竟很多人必须依赖这些“管理手段”凸显自己存在的价值，即使他/她压根不看周报，但你还是不得不写，并且还得写的密密麻麻，天花乱坠。这些毫无意义又浪费精力的事，就应该丢给AI去处理，才能真正地提升效率，解放属于“人”的生产力。