AI工作流自动化实战——用WorkBuddy打造7×24小时无人值守办公

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com

课程背景：

在日常办公中，你是否经常被这些重复性工作困扰：

每天早上花费30分钟搜集行业资讯、整理日报，雷打不动占据黄金工作时间；

每周花半天时间汇总各部门数据、制作周报，枯燥且容易出错；

定期需要整理文件夹、归档文件、清洗Excel数据，琐碎却不得不做；

需要在不同文件之间搬运数据、重复录入，效率低下且极易疲劳。

这些工作有一个共同特征：规则明确、重复发生、不需要复杂决策。 它们消耗了你大量的时间和精力，却没有创造真正的价值。

工作流自动化正是解决这些问题的答案——不是教你把重复工作做得更快，而是教你把重复工作交给AI自动完成。

市面上扣子、n8n等自动化工具功能强大，但操作门槛较高、主要面向有技术背景的用户，办公人员望而却步。而WorkBuddy作为桌面AI智能体，支持用自然语言配置自动化任务——只需用一句话描述“什么时候+做什么”，AI就会定时自动执行，真正实现“零代码、零门槛”的自动化落地。

课程以WorkBuddy为实操工具，不讲代码、不讲算法原理、不讲工具底层架构，只教一件事：如何用WorkBuddy把日常重复性工作交给AI自动完成。课采用“场景驱动”的教学方式，学员每完成一个讲次，就能带走一个可立即投入使用的自动化任务。课程结束后，你配置好的自动化任务，就可以每天替你工作了。

课程收益：

识别自动化机会：能快速识别工作中可自动化的重复性场景

独立设计自动化任务：能设计不同类型的WorkBuddy自动化任务

设计多任务自动化方案：能设计个人办公的多任务自动化工作流，实现高效协同

构建任务自动化决策能力：用四象限法对任务排序，决策出高价值的任务优先落地

建立工具选型判断力：能根据场景判断该用WorkBuddy、扣子还是n8n

课程对象：

不限岗位、不限职级，日常办公中涉及重复性工作任务的职场人士。无需任何编程基础或技术背景

课程方式：

讲师讲授 + 实操演示 + 学员跟练 + 小组共创

课程大纲

导入：为什么你的工作需要自动化

你每周都在做的烦心事：重复，枯燥，但不得不做

自动化的本质与价值：

1. 本质：不是让人做得更快，是让事自己转起来

2. 价值：释放精力和时间，让你专注于需要创造力和判断力的工作上

第一讲：自动化认知与WorkBuddy自动化入门

一、场景痛点

1. 看到自动化按钮不敢点，怕设置错了出问题

2. 试着写了一句指令，执行结果跟想象完全不一样

3. 不清楚哪些工作适合交给AI，哪些不适合

二、工作流自动化

工作流自动化：让AI按照预设规则自动执行重复性任务

互动讨论：请学员思考，你的哪些工作适合做工作流自动化

1. 适应场景

1）规则明确

2）重复发生

3）不需要复杂决策

2. 能力边界

1）擅长执行/搬运/整理

2）不擅长决策/判断/创造

擅长示例：信息搬运/格式整理/定时提醒/规则筛选

不擅长示例：方案决策/创造共情/签字担责/人际关系处理

三、WorkBuddy自动化：核心概念和价值

1. 三种触发方式

1）周期执行

2）间隔执行

3）单次执行

2. 任务构成三要素

1）触发规则（什么时候执行）

2）执行内容（做什么）

3）交付方式（结果送到哪里）

3. 独特价值

1）与同类工具的区别（扣子/n8n）：操作本地电脑 VS 云端

2）核心优势：自然语言配置、本地文件操作、零代码门槛

4. 能做到什么程度

1）入门级：无外部数据获取

2）中阶级：需获取外部信息，经AI处理后输出

3）高阶级：多数据源整合、涉及文件读写

四、创建你的第一个自动化任务

第一步：新建任务

第二步：设定触发方式（周期/间隔/单次）

第三步：编写Prompt

第四步：选择交付方式

第五步：测试、保存启用

实操演示：每日9:00发送工作提醒

学员练习：按步骤操作，建立初步认知

产出：一个可运行的定时提醒任务

第二讲：单任务自动化实战——信息获取推送与文件数据处理

一、信息获取与推送：对外的信息流——产出信息摘要

1. 场景痛点

1）网站内容多，点开查找费时费力

2）内容整理大多是信息搬运、格式转换，无价值感

3）每次从零开始，没有可复用的方法

2. 信息获取类的设计方法：核心三步法

第一步：获取信息——从哪里来

第二步：信息处理——如何加工

第三步：推送信息——送到哪里

【场景案例拆解：每日资讯简报自动化】

第一步：新建任务——每日资讯简报自动化

第二步：选择触发方式——每日9点

第三步：编写Prompt（见下方模板）

第四步：交付方式选择——推送到企业微信Bot

第五步：测试效果、保存启用

Prompt模板：搜集今天AI行业的最新资讯，从以下来源获取：[36氪、机器之心]。筛选出最重要的5条，每条按“标题+来源+一句话摘要+原文链接”的格式整理，生成Word格式简报，推送到企业微信Bot

成功标准：每日9点自动收到推送简报

【场景任务的设计实战】

场景一：运营/市场岗位——设计一个竞品动态监控任务

场景二：管理岗位——设计一个团队同步消息推送任务

学员练习：选择最相关的1个场景

产出：一个信息获取推送的自动化任务

二、文件与数据处理：对内的工作流——产出新文件

1. 场景痛点：下载的文件长期杂乱无章，找文件全靠搜索：

1）每月整理文件，耗时不少无价值

2）查找原始资料，全靠感觉和肉眼

3）每次从零开始，没有可复用的方法

2. 文件处理类的设计方法

1）读取文件：文件在哪，什么名字

2）处理文件：做什么操作（分类/合并/提取）

3）处理结果：移动分类/生成新文件/新结构

【场景案例拆解：下载文件夹自动化整理】

1）读取文件：文件位置C:\Users[用户名]\Downloads

2）处理文件：按扩展名分类→移动至对应子文件夹

3）处理结果：分类后的文件夹，并输出整理日志

操作步骤：

第一步：新建任务——下载文件夹自动化整理

第二步：选择触发方式——每周日23:00

第三步：编写Prompt（见下方模板）

第四步：保存启用

Prompt模板：请整理我的下载文件夹（路径：……），按以下规则分类移动文件：……。完成后生成日志，列出每个分类移动的文件数量

成功标准：文件按规则归入子文件夹，并生成整理日志

【场景任务的设计实战】

场景一：财务岗位——设计一个Excel数据自动清洗汇总任务

场景二：全员岗位——设计一个周报自动生成任务

学员练习：选择最相关的1个场景

产出：一个文件与数据处理的自动化任务

第三讲：多任务自动化实战——串点成线构建完整的工作流闭环

一、场景痛点

1. 各个单任务的自动化都在跑，但各干各的，形不成协同

2. 想做一套“每天自动积累数据、周五自动出周报”的体系，不知道怎么设计

3. 任务之间互相依赖，一个失败整个链条就断了，不知道问题出在哪里

二、多任务自动化的设计方法

1. 核心四步法

1）拆解工作流：将整个任务，拆解为多个可自动化的子任务

2）定义数据传递：明确每个任务输出什么、下一个任务需要什么

3）统一约定：统一文件路径、文件命名格式、输出格式

4）错开时序：为前序任务留足执行缓冲时间（至少30分钟）

2. 常见报错及解决办法

1）任务2找不到文件：文件路径不一致——统一使用绝对路径

2）任务2读取的内容乱码：文件格式不统一——指定任务1的输出格式

3）任务2未读取到内容：任务执行顺序错乱——错开触发时间，留足缓冲

4）任务2在空跑：任务1执行失败未通知——加入执行失败发通知的要求

【场景案例拆解：资讯周报的自动化生成】

1）拆解工作流：任务1“每日生成简报”→任务2“周五汇总成周报”

2）定义数据传递：任务1输出“简报_YYYYMMDD.md”→任务2读取本周所有“简报_*.md”

3）统一约定：统一存放在“周报素材”文件夹，文件命名格式统一

4）错开时序：每日9:00执行任务1，每周五17:00执行任务2（间隔足够缓冲）

操作步骤：

第一大步：创建任务1→触发方式每日9:00→按模板编写Prompt→保存启用

第二大步：创建任务2→触发方式周期执行·每周五17:00→按模板编写Prompt→保存启用

Prompt模板：

任务1：请搜集今天AI行业的最新资讯，从以下来源获取：……。筛选出最重要的5条，每条按……格式整理，保存为“简报_YYYYMMDD.md”，保存到[周报素材]

任务2：请读取文件夹[周报素材]中本周所有“简报_*.md”文件，汇总整合成一份周报。结构为：[本周概述（100字以内）+ 每日要点（每天3-5条）+ 下周展望]。输出为“周报_YYYYMMDD.md”格式，保存到[周报汇总]

成功标准：每周五自动收到完整资讯周报

【场景任务的设计实战】

场景：项目经理——每周项目进度周报

成功标准：每周自动收到完整项目周报

产出：一个可运行的双任务自动化工作流

第四讲：自动化优先级与工具选型——从“会做”到“会选”的决策框架

一、场景痛点

1. 不会给任务排优先级

2. 只会一个工具不够用

3. 想掌握选型能力，判断其他工具的适应性

二、自动化优先级判断框架：四象限法

两个维度：价值高低×实现难度

四象限法：

第一象限（高价值+低难度）：立即执行

第二象限（高价值+高难度）：拆解，先从子任务开始

第三象限（低价值+低难度）：有空再做

第四象限（低价值+高难度）：不做

互动讨论：请学员思考，你的工作有哪些在第一象限，但没立刻做的

产出：个人自动化优先级清单（含四象限分类）

三、工作流自动化工具的选型框架

1. 三个常见工作流自动化工具及定位

1）Workbuddy：你的电脑管家

2）Coze：你的AI工厂

3）n8n：你的系统水管

2. 选型原则

1）只操作本地地脑：选Workbuddy

2）需要对外发布给别人用：选Coze

3）打通公司多个系统的数据：选n8n

结语：学习总结与落地行动

1. 课堂回顾

2. 答疑互动

3. 落地行动

张老师

张闻川老师 AI+企业智能提升实战专家

20+年AI算法研究应用和实战经验

国防科学技术大学 计算机科学与技术/博士

海军大连舰艇学院 信号与信息处理/硕士

高校特批引进的高层次AI人才

曾任：深信服科技（上市）丨高级数据科学家

曾任：腾讯科技（世界500强）丨高级研究员

曾任：北京奇虎360科技有限公司（上市）丨AI专家

曾任：宽拓科技（前高盛CTO带队的金融量化科技）丨数据科学家（北京团队负责人）

→主操推进落地30+AI智能化提效落地项目：包括【大模型问答系统】、【AI销售预测】、【AI商业线索生成及企业客户流失AI预警】、【金融云脑项目】等核心AI战略项目，在企业战略管理、营销管理、财务、人力资源等多场景覆盖，累计为企业提供有效线索5万/年，降本增效超5000千万元；

擅长领域：数智化转型、数智化营销、AI办公应用、知识库搭建、智能体应用、工作流自动化、大数据与人工智能解决方案、数据可视化、数据安全……

>>>>>20+年专注数智化研究和应用，更懂AI底层原理<<<<<

→以第一作者发表高水平AI国际期刊论文，包括SCI论文2篇，EI论文5篇（英文），EI论文1篇（中文），撰写专著1部《海洋纪事》，博士论文获明评通过；

论文题目类型

Real-time navigation of nonholonomic mobile robots under velocity vector control《非完整约束移动机器人在速度矢量控制下的实时导航》SCI

Real-time path planning of multiple robots in a dynamic certain environment《确定性动态环境下多机器人的实时路径规划》SCI

On-line centralized path planning of multiple mobile robots in dynamic environments《动态环境下多移动机器人的在线集中式路径规划》EI

A new path tracking approach for a mobile robot under velocity field

《速度场下移动机器人的一种新路径跟踪方法》EI

A real-time path tracking approach for a wheeled mobile robot

《轮式移动机器人的一种实时路径跟踪方法》EI

An improvement approach based on linear navigation law for mobile robot

《基于线性导航律的移动机器人改进方法》EI

Real-time trajectory tracking of a wheeled mobile robot with kinematic and dynamic constraints《运动学与动力学约束下轮式移动机器人的实时轨迹跟踪》EI

实战经验：

张闻川老师拥有20+年AI算法研究与大型企业数智化应用实战经验，是国防科技大学博士科班出身的AI专家。曾任职腾讯、360、深信服等世界500强及上市企业，主导落地30+AI提效项目，涵盖大模型、销售预测、客户预警等核心场景，善于从0到1搭建数智化体系，助力企业实现显著降本增效。

①〖数智化工具全景应用落地〗——从顶层设计到底层落地闭环，业务场景全维覆盖

【01】-主导深信服公司的数智化战略项目规划与落地，涵盖从顶层设计到流程标准化建立，主导落地4个高效能AI数智化工具，实现业务场景全覆盖：

工具1：【产品】-大模型问答系统&：利用LLM提升销售产品查询效率与准确性，基于GPT-3.5构建LLM知识库，提升销售查询效率300%，缩短新销售查询耗时50%；

工具2：【需求】-AI销售预测系统：用AI算法替代人工预测供应链销量，提前备货降库存、提高交付及时率，预测正确率从51%提升到70%，效率从3人/天提升到5分钟，覆盖公司所有在销产品，节约资金3000万/年；

工具3：【线索】-AI商业线索生成系统：预测未来3个月即将增复购客群，生成AI线索辅助销售拜访，新建AI线索线上下发系统形成数据闭环，每月新增AI线索4000条（复购3K、增购1K），全年线索5万条/年，促成转化率从6%提升到24%；

工具4：【客户】-企业客户流失AI预警平台：分析流失现状，对即将流失客户建模并提前预警，创新客户流失预警AI新范式，预计挽回营业额8千万+，挽回营收损失3千万；

【02】-从0→1组建宽拓科技北京数据团队，搭建多个数智化平台，规划数据分析挖掘流程，基于数据统筹业务对接与需求管理，帮助客户公司业务从经验驱动向数据驱动转型：

工具1：【营销】-线上营销体系&客户全景BI系统：从0到1构建起客户公司的完整客户画像体系，业务分析体系，实现了客户公司的数字化转型；

工具2：【决策】-金融产品推荐系统：设计了新的推荐策略（二级匹配），解决近100万券商产品购买数量无法支撑协同过滤推荐码以及业务专家推荐结果存在严重偏向性问题，实现金融产品的人工推荐到智能系统推荐的跨越，推荐精准率提升50%；

工具3：【运营】-券商数据平台：建立统一的企业级数据管理平台和分析平台，有力支撑上层的数据应用，推动券商向数据驱动式运营转变，数据管理应用和客户运营效率的大幅提升；

②〖AI算法模型商业化项目落地〗——海量数据深度分析，构建智能决策体系驱动业务增长

【01】-主导腾讯科技公司数万维度的金融数据治理与智能风控模型体系建设，覆盖信用评估、反欺诈、质量监控等核心风控场景：

案例1：【信用评估与反欺诈项目】：规划设计基于数万维度的支付数据、身份特征，建构信用模型、反欺诈建模，应用于现金贷、供应链金融、消费金融等场景，从微信10亿+客群中精准挖掘出有相应需求的客户，赋能内外部客户，开拓了业务新增量；

案例2：【质量监控项目】：对2000+风控标签进行质量监控，对入模特征、模型分进行波动性环比同比、稳定性PSI等质量监控并可视化，支持特征和模型问题的排查定位，从数据基座保证了质量，奠定了模型的可用性可靠性；

案例3：【数据源应用系统】：支撑数据源接入和使用管理，高效地从数万外部字段中选择有效的字段进行特征构建和规则构建，有效补充了内部数据的不足，从更全面的角度审查客户的风险；

【02】-主导360科技公司【智能风控与反欺诈项目】，基于数亿级的客户数据，从0到1搭建金融智能风控与反欺诈体系，涵盖风控建模、反欺诈识别、智能营销等全链路能力：

案例1：【金融风控模型项目】：利用自有数据和外部数据分析挖掘逾期客户的特征，同时利用APP行为数据进行反欺诈识别，构建用户金融画像，基于渠道用户事件分析进行渠道反欺诈分析挖掘，提高贷款量3000万/天，降低逾期率至0.1%；

案例2：【金融云脑项目】：主导安全信用分和智能营销项目，探索对外输出智能金融技术，将集团内部成熟的金融风控能力产品化，面向外部数十家金融机构提供智能风控SaaS服务，拓展了技术变现的新业务模式。

部分授课案例：

序号企业课题

1深信服科技《AI算法原理与企业落地应用》

《供应链销售预测的AI实战应用》

《企业数字化转型的整体思路和框架》

2腾讯科技《金融信贷风控中的算法应用实战》

《基于多源数据构建客户完整画像》

3360科技《金融反欺诈模型的构建和应用》

4酷友会《AI在数字化转型中的应用实战》

主讲课程：

《AI办公10倍效率提升——从认知到实战、场景落地》

《AI智能体数据分析实战——人人可用的WorkBuddy实操课》

《AI赋能业务增长与科学决策——从获客到利润的经营闭环实战》

《AI工作流自动化实战——用WorkBuddy打造7x24小时无人值守办公》

《AIAgent从入门到实战：从工具使用到自主开发——不会代码也能打造智能体》

《AI智能体办公实战工作坊——用Workbuddy打造你的数字员工，让重复工作自动化》

项目：

【AI信用评估】、【AI反欺诈】、【AI销售预测】、【AI线索生成】、【AI客户流失预测】

授课风格：

真实案例讲透AI价值：精选销售预测、线索转化、流失预警等30+实战项目，用“痛点→方案→结果”一条线讲清AI怎么落地

复杂技术拆成简单步骤：国防科大博士出身，把算法模型翻译成业务人能听懂、管理者能决策、执行者能上手的方法

带业务来，带成果走：现场搭智能体、做应用、练数据分析，用自己的真实问题产出可用结果，不搞纸上谈兵

从战略到执行形成闭环：帮企业找到AI与增长的最佳结合点，从顶层规划到落地推广，让AI真正变成生产力

——一句话总结：听得懂、学得会、带得走、用得上。

部分客户评价：

课程让我挺意外的，贴近业务实际情况，AI线索生成这个案例，把我们怎么找客户、怎么判断谁要复购讲得很有条理。原来AI不是啥玄学，是真能帮到我们的。已经让团队重新梳理思路了，几个模糊的画像现在清晰多了。

——深信服科技 营销总监 王总

我们供应链做销量预测一直靠老经验，经常备错货。老师用AI的方法告诉我们，还可以这么做，很惊喜，不是必须要靠堆人才能提高准确率。整个数据清洗、模型选型、效果评估的流程讲得很清楚，解决了困扰团队很久的老大难

——深信服科技 供应链总监 杨总

一直有个疑问，就是不知道怎么把数据更好的变现。课程把怎么选特征、怎么平衡准确率和召回率、怎么和业务方一起在优化AI模型，讲的很好。还有模型上线后的监控体系，这块我们以前做得不够，回来团队要补上。

——极光科技 信贷风控业务负责人 李总

课程把业务和技术融合的很好。从数据接入到模型上线的全链路都走了一遍，还特别强调数据质量监控这种容易被忽略的环节。讲技术时也会讲清楚业务考量，帮我解决了不少纠结。

——阳光保险 数据部负责人 张总

AI线索生成和客户流失预警这两个案例，就像专门给我们销售团队准备的一样。以前我们判断客户基本靠感觉，AI可以提前三个月可能增购的客户圈出来，转化率还提升了好几倍，AI赋能确实不错。

——传音控股 销售部负责人 高总

数字化转型的课程很受益。老师在大厂主导数字化转型的完整经历，很有共鸣感。顶层设计、流程标准化、AI切入点选择、效果量化评估等关键环节讲得很好，解答了我们很久的疑惑。既有战略高度又有落地细节。

——酷友会 战略部负责人 何总

我要预订

咨询电话：027-5111 9925 , 027-5111 9926手机：18971071887邮箱：Service@mingketang.com