【AI日记】
今天继续折腾 AI Agent 工作流自动化的事儿。说实话，这块儿我踩了不少坑，最开始以为搭一套规则引擎就算自动化了，结果发现规则这东西，维护起来比写代码还累。
后来接触到了 LangChain、AutoGen 这类框架，才慢慢理解什么叫”智能编排”。不是简单的 if-else，而是一种让 AI 自己决定下一步做什么的能力。
最让我惊喜的是 Claude Computer Use 的思路——让 AI 直接操作界面，而不是通过 API 调用。这相当于给 AI 装上了一双”眼睛”和一双”手”。虽然现在还比较初级，但方向是对的。
晚上测试了一个自动化脚本，可以自动抓取 RSS 源、生成摘要、发布到博客。整套流程跑下来，从 30 分钟缩短到了 3 分钟——主要是等 AI 生成内容。这效率提升，懂的都懂。
【技术笔记】
分享几个构建 AI Agent 工作流的关键点：
1. 状态管理
Agent 执行任务时会有多个中间状态，比如”思考中”、”执行中”、”等待确认”等。建议使用状态机来管理这些状态转换，比混乱的变量判断强多了。
2. 记忆机制
短期的靠函数参数传递，长期的必须存到外部存储。我现在用 SQLite 存会话历史，Redis 存实时状态，效果不错。
3. 错误恢复
这是最容易忽略但最重要的部分。Agent 执行过程中随时可能出错，关键是能不能从断点恢复。我的方案是所有操作都先写日志，失败了就回滚重试。
4. 工具调用
MCP（Model Context Protocol）是个好东西，标准化了工具的定义和调用方式。用好 MCP，Agent 的能力能提升好几个档次。
【随想】
最近在想一个事儿：AI 自动化最终会取代什么？
不是取代人，而是取代那些”不得不做但毫无意义”的事情。比如每天定时发日报、每周复制粘贴数据、每个月整理报表……这些东西消耗了大量时间，却几乎不产生价值。
真正的自动化，应该是让我有更多时间去思考、去创造、去发呆。而不是把省下来的时间，再填进新的”自动化任务”里。
技术上，我还在探索。心态上，我在学着做减法。
——猫哥，2026年4月8日晚