第 27 章 案例三:自动化工作流 Agent
本章要解决的问题
每周要花 3 小时的报表生成,交给 Agent 自动跑——规划、多智能体、成本优化怎么配合?
章节大纲
- 27.1 多步骤任务拆解(规划 + 多智能体)
- 27.2 MCP 集成办公套件(豆包)
- 27.3 成本优化与异常恢复
- 27.4 全流程编排与监控
- 🛠 解决方案:自动化任务失败自愈机制 + 成本预算控制
27.1 场景与任务拆解
27.1.1 场景:周报自动生成
业务:某运营团队每周要生成一份经营周报,人工耗时 3 小时:
1拉数据(订单/流量/转化)→ 清洗 → 分析趋势 → 撰写报告 → 发邮件/同步群 2
交给 Agent 的目标:全自动跑,出错自愈,成本可控。
27.1.2 任务拆解(第 15 章规划)
1[Planner] 生成周报任务计划 2 ├─ 步骤1:拉取本周订单数据(工具:数据查询) 3 ├─ 步骤2:拉取本周流量数据(工具:数据查询) 4 ├─ 步骤3:分析销售趋势(步骤1/2 后) 5 ├─ 步骤4:分析渠道表现(步骤1/2 后) 6 ├─ 步骤5:撰写周报(步骤3/4 后) 7 └─ 步骤6:发送周报(步骤5 后) 8 9依赖关系:1,2 → 3,4 → 5 → 6 10
图 1:周报任务依赖图
两个独立分支(步骤 3 和 4 都依赖 1、2 但不互相依赖)→ 可并行(第 12 章)。
27.1.3 为什么用规划 + 多智能体,而不是一条提示链
| 需求 | 方案 | 理由 |
|---|---|---|
| 任务结构固定 | 提示链即可(第 10 章) | 步骤写死 |
| 但数据源可能变 | 需要规划的动态性(第 15 章) | 本周数据源缺一个要重排 |
| 分析任务较独立 | 可并行 + 角色分工 | 多智能体(第 16 章) |
本案例用"规划 + 并行 + 主管编排":Planner 出计划 → 主管派活 → 分析类任务并行 → 汇总质检 → 发送。
27.2 MCP 集成办公套件
27.2.1 需要的工具集
| 工具 | 用途 | 来源 |
|---|---|---|
| 查订单数据 | 拉取销售数据 | 内部数据 API |
| 查流量数据 | 拉取流量数据 | 内部数据 API |
| 写文档 | 生成周报文档 | 办公套件 MCP |
| 发消息 | 同步到群 | 办公套件 MCP |
| 发邮件 | 邮件通知 | 办公套件 MCP |
27.2.2 MCP Server:办公套件接入(第 7 章)
示例代码:以下代码演示核心结构,省略了异常处理、日志和完整 import。
1from fastmcp import FastMCP 2 3mcp = FastMCP("office-suite") 4 5@mcp.tool() 6def create_report_doc(title: str, content: str) -> str: 7 """创建文档并返回链接。生成报告/文档时使用。""" 8 doc_id = office_api.create_doc(title, content) 9 return f"文档已创建:https://docs.internal/{doc_id}" 10 11@mcp.tool() 12def send_wecom_message(channel: str, content: str) -> dict: 13 """发送企业微信消息。任务完成/异常通知时使用。""" 14 return wecom_api.send(channel, content) 15 16@mcp.tool() 17def send_email(to: str, subject: str, body: str) -> dict: 18 """发送邮件。需要正式通知时使用。注意:敏感操作,需确认。""" 19 return email_api.send(to, subject, body) 20
注意:send_email 是敏感操作(第 5/22 章)——MCP Server 内部要做确认机制。
27.3 成本优化与异常恢复
27.3.1 成本优化(第 23 章五个金矿)
| 优化 | 做法 | 收益 |
|---|---|---|
| 结果缓存 | 相同数据查询命中缓存 | 数据拉取零成本 |
| 小模型路由 | 数据清洗/格式整理走小模型 | 简单步骤降本 60% |
| 并行分析 | 趋势/渠道分析并行 | 时间减半 |
| 上下文精简 | 分析只传必要指标 | 省输入 token |
| 预算封顶 | 单任务费用上限 | 防失控 |
27.3.2 异常恢复:失败自愈(第 21/23 章)
自动化任务最怕"半夜挂了没人管"。设计三级自愈:
图 2:三级自愈机制
1def run_with_recovery(plan, budget): 2 for step in plan["steps"]: 3 try: 4 result = execute_step(step) 5 except DataSourceError: 6 # 一级:重试(指数退避) 7 result = retry(step, times=2, backoff=[5, 15]) 8 except DataMissingError as e: 9 # 二级:跳过并记录(该数据源本周缺失) 10 result = {"skipped": True, "reason": str(e)} 11 notify("周报数据缺失", f"{step} 数据源不可用,已跳过") 12 except Exception as e: 13 # 三级:降级(用缓存数据/标记待人工) 14 result = fallback(step, e) 15 escalate_to_human(step, e) # 转人工 16 results.append(result) 17 return results 18
自愈分级原则:可重试的重试 → 可跳过的跳过(带通知)→ 兜不住的转人工。自动化不等于无人值守,而是"能自愈的自愈,自愈不了的通知人"。
27.3.3 预算控制(第 23 章三层熔断)
1BUDGET = { 2 "per_task": {"max_cost": 0.5, "max_steps": 20}, 3 "per_month": {"max_cost": 30, "alarm": 0.8}, 4} 5# 单任务费用超限 → 终止并通知;月预算 80% → 告警 6
27.4 全流程编排与监控
27.4.1 编排器:定时触发 + 状态管理
1from apscheduler.schedulers.blocking import BlockingScheduler 2 3def weekly_report_job(): 4 # 1. 生成计划(第15章 Planner) 5 plan = planner.plan("生成本周经营周报") 6 # 2. 并行执行独立分支(第12章),生产环境需加信号量限流 7 results = run_branches(plan, parallel_groups=[["分析趋势","分析渠道"]]) 8 # 3. 汇总质检(第17章) 9 report = synthesize(results) 10 ok, issues = quality_check(report) 11 report = report if ok else revise(report, issues) 12 # 4. 交付(MCP 工具) 13 doc_url = create_report_doc("第X周经营周报", report) 14 send_wecom_message("周报群", f"周报已生成:{doc_url}") 15 # 5. 留痕(第21章) 16 save_trace("weekly_report", results, doc_url) 17 18scheduler = BlockingScheduler() 19scheduler.add_job(weekly_report_job, "cron", day_of_week="mon", hour="9") 20scheduler.start() 21
图 3:自动化编排监控
27.4.2 监控面板(第 20/21 章)
| 指标 | 告警阈值 | 说明 |
|---|---|---|
| 任务成功率 | < 90% | 周报是否稳定跑通 |
| 平均成本 | > 0.3 元/次 | 成本是否异常 |
| 失败原因 | 同一原因 > 2 次 | 需要修复而非重试 |
| 生成报告质量 | 抽评 < 4 分 | LLM-as-Judge |
27.4.3 数据质量校验(防"自动生成垃圾")
自动化最大的隐藏风险:流程跑通了,但数据错了,还自动发出去了。必须在发送前加数据校验:
图 4:发送前数据校验
1def data_sanity_check(report): 2 checks = [ 3 report["revenue"] >= 0, # 金额非负 4 abs(report["revenue"] - sum(report["items"])) < 0.01, # 汇总一致 5 report["orders"] > 0, # 订单数合理 6 len(report["channels"]) >= 3, # 渠道完整 7 ] 8 return all(checks) 9# 校验不过 → 不发送,转人工审核 10
铁律:自动化任务发送给"人看"的内容,发送前必须过数据校验 + 质检(第 17 章)——宁可拦下误报,不可发出错误。
🛠 解决方案:自动化任务失败自愈机制 + 成本预算控制
常见问题
- "半夜任务挂了没人管":无自愈。对策:三级自愈(重试→跳过带通知→转人工,27.3.2)。
- "自动发出了错误报表":无数据校验。对策:发送前 data_sanity_check + 质检(27.4.3)。
- "成本一个月比一个月高":无预算熔断。对策:三层熔断 + 成本监控(27.3.3)。
- "任务偶尔超时":数据量大。对策:并行化 + 大任务拆分 + 超时分层。
- "改了一版,流程直接跑不通":无回归。对策:每周跑一次"干跑"验证(不真发),用评测集回归(第 20 章)。
解决方案速查表
| 现象 | 根因 | 解决方案 |
|---|---|---|
| 挂了没人管 | 无自愈 | 三级自愈 |
| 发出错误数据 | 无校验 | 发送前校验 + 质检 |
| 成本失控 | 无预算 | 三层熔断 |
| 任务超时 | 串行/超量 | 并行 + 拆分 |
| 改动跑不通 | 无回归 | 干跑验证 |
实战提示
- 自动化 ≠ 无人值守:能自愈的自愈,自愈不了的通知人。
- 发送前必须校验:给"人看"的内容,数据校验 + 质检缺一不可。
- 三级自愈是标配:重试 → 跳过(通知)→ 转人工。
- 预算熔断必须有:自动化任务没有预算上限就是定时炸弹。
- 干跑回归:改流程后先"干跑"(不真发)验证,再让它自动跑。
参考文档
- Primers 编程伙伴/Python/内建函数/str
- Primers 编程伙伴/Python/内建函数/dict
- Primers 编程伙伴/Python/内建函数/abs
- Primers 编程伙伴/Python/内建函数/sum
- Primers 编程伙伴/Python/内建函数/len
- Primers 编程伙伴/Python/内建函数/all
《第 27 章 案例三 自动化工作流 Agent》 是转载文章,点击查看原文。