老板以为我加班到凌晨，其实周报是AI在下午3点自动发的

你有没有算过，你这辈子要写多少份周报？

25年职业生涯，每年50周，保守估计就是1250份周报。每份平均90分钟，加起来是1875小时——相当于你连续不睡觉工作78天，全部用来写那些"本周完成了XXX，下周计划XXX"。

更讽刺的是，这1875小时里，真正需要你动脑的部分可能不到10%。剩下的90%，是在翻聊天记录、找数据、把碎片信息拼凑成看起来"有条理"的段落。

这不是工作，这是表演。

---

第一章：那个周五下午的崩溃时刻

去年某个周五下午3点，我坐在工位上，面对着10个微信群、3个Excel表格、无数条钉钉消息，脑子里只有一个念头：为什么写周报比干活本身还累？

那周我其实做了不少事：跟进了两个供应商谈判、输出了一份竞品分析报告、解决了一个困扰团队两周的数据对接问题。但当我打开周报模板，脑子一片空白——那些事情散落在各个聊天窗口里，要把它们"提炼"出来，本身就是一项工程。

等我终于写完发出去，已经快6点了。老板回复："辛苦了，下周继续保持。"

我盯着这条消息，突然意识到一个荒诞的逻辑：

老板要的周报，是为了知道你"看起来很忙"。但整理周报素材这件事本身，正在真实地把你搞得很忙。

这是一个完美的死循环。而我决定打破它。

---

第二章：为什么是 Gemini 2.5 Flash，而不是 GPT 或 Claude？

在动手之前，我做了一轮认真的选型对比。结论是：对于这个场景，Gemini 2.5 Flash 是目前性价比最高的选择。

核心参数对比

成本到底有多低？

我跑了一个月的数据：

• 每周周报调用一次，输入约8000 token（一周聊天记录摘要），输出约1500 token
• 每月4次调用，总计输入32000 token + 输出6000 token
• 实际花费：约 ¥0.6元

没错，一个月不到一块钱。就算加上数据处理的其他调用，一个月总成本控制在5-10元以内——比一杯奶茶便宜。

这个数字让我建立了一个信念：这套系统不是玩具，是可以真实落地的生产力工具。

---

第三章：手把手搭建——从零到自动运行

整套系统分三层，我把它画成一个简单的流程：

原始数据（聊天记录/日志）
↓
数据收集层（Python脚本）
↓
Prompt处理层（Gemini API）
↓
自动触发层（定时任务）
↓
周报自动发送（邮件/钉钉）

💡 文中所有 API 调用均通过 [api.884819.xyz](https://api.884819.xyz) 完成

原因很简单：国内直连稳定、支持支付宝充值、Gemini/Claude/GPT 一个接口全搞定，不需要折腾代理。新手建议先充20块钱试水，跑完这套系统绰绰有余。

第一层：数据收集

这是整套系统最"笨"的部分，也是最关键的部分。我的方案是：每天花5分钟，把当天的工作记录手动粘贴到一个txt文件里。

我知道你要说：还要手动？这不就还是人工吗？

等一下——这5分钟的"手动"，和之前90分钟的"整理"有本质区别。你只需要把原始信息倒进去，不需要思考如何组织，不需要润色，不需要判断什么重要。就像把垃圾扔进垃圾桶，而不是自己去垃圾场分类。

我的日志文件格式极其简单：

# 2025-01-20 工作记录
和王总开了供应商谈判会，对方报价比预期高15%，需要再谈一轮
完成竞品分析初稿，发给了市场部小李
数据对接问题找到根因：字段编码不一致，已修复上线
下午参加了产品评审会，提了3个问题，会后整理了会议纪要

就这样，不需要任何格式，想到什么写什么。

第二层：Prompt 设计

这是整套系统的灵魂。一个好的Prompt，能让AI写出"有你味道"的周报；一个烂Prompt，输出的内容会让你的同事一眼看出"这是AI写的"。

我花了三周时间打磨出这个模板：

你是{姓名}的工作助理，负责根据原始工作记录生成周报。

【角色定位】
你了解{姓名}的工作风格：{简洁务实，不喜欢废话}
你熟悉他/她所在的行业：{互联网/制造业/金融等}

【输出要求】
风格：专业但不官僚，有数据有结论
结构：本周完成 → 关键进展 → 遇到的问题 → 下周计划
字数：500-800字
严禁出现：AI腔（如"值得注意的是"、"此外"、"总的来说"）
严禁出现：空话套话（如"积极推进"、"稳步落实"）

【重点突出原则】
1. 有具体数字的事项优先展示
2. 跨部门协作的事项重点提及（老板喜欢看这个）
3. 解决了实际问题的事项要有"前因后果"
4. 还在进行中的事项，注明预计完成时间

【原始记录】
{raw_data}

请直接输出周报正文，不需要任何前缀说明。

第三层：自动触发

这部分是让整套系统"活起来"的关键。我用Python的schedule库实现定时任务，每周五下午2点50分自动运行。

import requests

def generate_weekly_report(raw_data: str, name: str) -> str:
"""调用 Gemini 2.5 Flash 生成周报"""

prompt = f"""你是{name}的工作助理，请根据以下原始记录生成周报：

{raw_data}

要求：专业简洁，有数据有结论，避免AI腔。"""

response = requests.post(
"https://api.884819.xyz/v1/chat/completions",
headers={"Authorization": "Bearer YOUR_API_KEY"},
json={
"model": "gemini-2.5-flash",
"messages": [{"role": "user", "content": prompt}],
"temperature": 0.7  # 适当创意性，避免过于机械
}
)

return response.json()["choices"][0]["message"]["content"]

import os
from datetime import datetime, timedelta

def collect_weekly_logs(log_dir: str) -> str:
"""收集本周所有工作日志"""

weekly_content = []
today = datetime.now()

# 获取本周一到今天的所有日志
for i in range(7):
date = today - timedelta(days=i)
filename = f"{log_dir}/{date.strftime('%Y-%m-%d')}.txt"

if os.path.exists(filename):
with open(filename, 'r', encoding='utf-8') as f:
content = f.read().strip()
if content:
weekly_content.append(f"【{date.strftime('%m月%d日')}】\n{content}")

return "\n\n".join(reversed(weekly_content))  # 按时间顺序排列

import schedule
import time
import smtplib
from email.mime.text import MIMEText

def send_report_email(report: str, recipient: str):
"""通过邮件发送周报"""

msg = MIMEText(report, 'plain', 'utf-8')
msg['Subject'] = f"【周报】{datetime.now().strftime('%Y年第%W周')} 工作汇报"
msg['From'] = "[email protected]"
msg['To'] = recipient

# 这里替换为你公司的SMTP配置
with smtplib.SMTP('smtp.company.com', 587) as server:
server.login("your_email", "your_password")
server.send_message(msg)

print(f"✅ 周报已发送至 {recipient}")

def weekly_report_job():
"""主任务：收集日志 → 生成周报 → 发送"""

raw_data = collect_weekly_logs("./work_logs")
report = generate_weekly_report(raw_data, name="张三")

# 发送给自己先审核（重要！）
send_report_email(report, "[email protected]")
print("📋 周报草稿已发送，请审核后转发给老板")

每周五下午2点50分触发
schedule.every().friday.at("14:50").do(weekly_report_job)

print("🤖 周报自动化系统已启动，等待触发...")
while True:
schedule.run_pending()
time.sleep(60)

⚠️ 重要提示：系统设计为先发给自己审核，而不是直接发给老板。这8分钟的人工审核，是整套流程里唯一不能省的环节。

---

第四章：踩坑实录——我失败了三次才跑通

说实话，这套系统我搭了三周才真正稳定运行。中间踩的坑，比我预想的要多。

坑一：AI味太重，同事一眼看穿

第一次生成的周报，我发给老板之前自己看了一遍，感觉哪里不对。后来发现问题在于：AI默认的表达方式太"正式"，充满了"值得注意的是"、"综上所述"、"有效推进"这类词汇。

坑二：数据格式混乱，AI理解出错

我有一周把钉钉消息直接复制进去，结果里面夹杂了大量表情符号、时间戳、引用消息，AI生成的周报出现了明显的理解偏差——把一条转发的消息误判为我本人的工作成果。

坑三：老板问"这个数据从哪来的"

这是最让我捏一把汗的时刻。周报里我写了"本周跟进供应商谈判，对方报价较预期高15%"，老板追问这个15%怎么算的。

还好我的原始日志里有记录，当场就能回答。但这件事给了我一个重要教训：

AI可以帮你组织语言，但数据和结论必须是你自己的。 如果周报里出现了任何具体数字，你必须能说清楚来源。

顺带一提，我之前用官方API经常遇到网络超时问题，有时候卡在生成环节白白等了几分钟。换到 api.884819.xyz 之后这个问题基本消失了——对国内用户来说，稳定性有时候比价格更重要。

---

第五章：效果与反思——工具解放的是时间，不是责任

系统稳定运行了三个月，我来做一个诚实的复盘。

这套系统有一个我完全没有预料到的好处——因为要每天给AI喂数据，我对自己每周做了什么，反而比以前更清楚了。

以前写周报是"回忆模式"，坐下来使劲想这周干了啥，经常想不起来。现在是"记录模式"，每天睡前花5分钟把当天的事情记一下，积累到周五已经是一份完整的工作档案。

第二个月，老板在团队会议上说："最近你的周报质量提升了，条理更清晰，数据也更扎实。"

我当时的内心活动是：谢谢，是我的AI助理进步了。

---

上周五下午3点，我在楼下咖啡馆喝咖啡，手机震动了一下。是系统推送：周报草稿已生成，请审核。

我花了8分钟看了一遍，改了两个词，点击发送。

老板3点17分回复："辛苦了，这周做得很扎实。"

我放下手机，续了一杯咖啡。

自动化不是偷懒——偷懒是什么都不做。自动化是把你的认知资源，从"整理信息"这件机器能做的事，转移到"判断和思考"这件只有人能做的事。

老板看到的那份"扎实"的周报，背后是我每天5分钟的认真记录，是我对每一个数据来源的清晰掌握，是我8分钟审核时的主动判断。AI负责的，只是把这些东西组织成人类喜欢阅读的语言。

这个分工，我觉得挺好的。

---

周报只是开始。如果把这套逻辑反过来：不是让AI帮你写给老板看的东西，而是让AI帮你读老板发给你的东西——自动解析会议纪要、提取你的Action Item、在截止日前一天提醒你……

下篇我准备写：《我用AI做了个"老板翻译器"，再也不怕漏掉重要任务》

👉 关注专栏，下周五见。

---

#AI效率工具 #Gemini #职场效率 #周报自动化 #Python自动化 #8848AI #AI实战 #Prompt技巧