来，你说场景，我帮你设计如何用 Agent 工作

TL;DR：这篇文章分享我自己摸索出来的一套方法论——用它来找出你每天在哪儿当管道、从哪里下刀，以及 Agent 如何把你从这些事里解放出来。看完你可以自己拆自己的工作；如果不想自己分析，评论区告诉我你做什么的，我来帮你描绘有了 Agent 之后的一天。

正文是方法论，想自己学的往下看。懒得分析的，直接评论区告诉我你的工作场景就行。

任何工作都是同一个闭环：调研 → 决策 → 规划 → 执行 → 反馈 → 复盘。

不管你是做运营、做自媒体、做项目管理还是做财务，把工作拆开往这六步里放，一定放得进去。

每一步有它的核心问题：

• 调研：事实从哪来？数据、信息、现状——你得先知道发生了什么，才能做下一步。

• 决策：判断依据是什么？这件事值不值得做、怎么分类、优先级怎么排——这是人真正在发挥作用的地方。

• 规划：下一步怎么走？把决策结果转成可执行的任务和格式。

• 执行：怎么改变现实？发消息、写数据、调接口、推结果——让事情真正发生。

• 反馈：做成了吗？验证执行结果，确认到位。

• 复盘：经验固化成什么？这次做完学到了什么，能不能变成下次自动跑的规则。

少任何一环就不完整——只有调研没有执行是研究报告，只有执行没有反馈是瞎干，没有复盘就永远原地踏步。

这个框架有什么用？它让你一眼看清，你每天的时间到底花在了哪一步。更重要的是，那一步，你到底在做判断，还是在做搬运。

这很关键，因为六步里每一步，都已经有了对应的工具。

工具意味着可编程——CLI 命令、API 调用、浏览器自动化，本质上都是可以被程序调用的接口。这是员工：接收指令、执行、不需要思考。

但光有员工不够。还需要两件事：

经理——理解你的意图，制定计划，决定下一步调哪个工具、怎么调。LLM 就是这个角色。它能读懂你说的话，把工具一步步驱动下去。

章程——把经理的判断固化成文字，让员工照着重复跑。这是代码和脚本的作用：写一次，执行无数次，零边际成本。没有章程，每次都要经理临时指挥，跑一次就停。

三层接通，临界点就出现了：当六步里的每一步都有了工具，LLM 就能把整条链路串起来，从头到尾自主跑完整个闭环。 不再是「帮你完成某个步骤」，而是整个任务自主执行。这就是 Agent——你的电脑，24 小时开机的数字同事。

三层没接通，LLM 再聪明，也是被关在小黑屋里的经理——看不见外面，也改变不了任何事。

所以设计一个 Agent，本质上就是做一件事：把六步里每一步的工具填具体。

这张表填完，就是你这个场景的 Agent 配置文件——Claude Code 读它，知道自己有什么工具、该怎么跑。表没填完，Agent 就跑不完整。

你可以拿这张表，去拆自己的工作——看看六步里，有几步是你在当搬运工，有几步已经有工具可以接管。填满的那一天，就是你的 Agent 上线的那一天。

填表的时候，从哪里下手？

目标很简单：先让自己真实体验到用 Agent 的爽感。 有了这个感受，才会有动力把剩下的步骤也接进来。

方法是识别意愿瓶颈——那个每天让你心里发堵、让你拖延的步骤。不一定耗时最长，但它卡在最前面，让你迟迟不想启动。

比如做运营的，每天第一件事是登后台导数据。登后台、找菜单、点导出——也许只要 3 分钟，但它每天都在前面堵着。

先把这一步接进 Agent。第一个早上打开电脑，数据已经在那里了——这一刻，你会真实感受到用 Agent 是什么感觉。不是「效率提升了」，是「这件事消失了」。

有了这个感受，你自然会想：还有哪步也可以消失掉？然后一步步往下改。调研自动跑、执行自动发、反馈自动收——最后留下来的，只有真正需要你判断的那几个时刻。你是阀门，不是管道。

下面两个案例，一个从意愿瓶颈下手，一个从耗时最长的步骤下手。同样的框架，不同的切入点。

如果你想直接上手，我做了一个开源工具 Rewire——你描述工作场景，它帮你把这张表格自动填具体：追问细节、搜工具、给出能直接跑的方案。下面两个案例就是用它跑出来的。

案例一 · 运营 · 用户反馈分类

之前：每天从后台导出反馈 Excel，逐条阅读、打标签、整理成分组表格发飞书群。50-80 条，2-3 小时。六步里，真正需要判断的只有「这条反馈是 Bug 还是需求」这一步决策，其余全是纯人肉搬运。最烦的是一开始那步——登后台、找菜单、等下载，还没开始做正事就已经没了心气。

怎么改造的：Claude Code 用 bb-browser 操控你本地浏览器——复用已有的登录态，不需要额外配密码——直接打开后台，找到导出按钮，点击，30 秒下载完成。然后用 Python 读 Excel，按你预先写好的规则分类：「崩溃」「报错」「闪退」归 Bug，「希望」「建议」「能不能」归需求，「怎么用」「在哪里」归咨询。90% 直接分好。剩下拿不准的，弹出来问你，你回一句，它继续。最后用 curl 调飞书 Webhook 把结果推进群。

改造后：早上到工位，打开飞书，反馈已经分好类发在群里了。你的待办只有 5-8 条标了"不确定"的，点开扫一眼，3 分钟搞定。剩下的时间去看最近反馈里有没有反复出现的模式——比如上周 12 条都提到"支付超时"。这才是运营该做的事。

2-3 小时 → 5 分钟。

案例二 · 自媒体 · 选题调研

之前：每天刷小红书、抖音、微博、知乎，来回切四个 App，3-4 小时。95% 是噪音，刷着刷着就走神了。真正产生价值的判断可能只有 15 分钟，剩下的时间在做人脑搜索引擎。

怎么改造的：Claude Code 调 RSSHub 拉取你关注的对标账号最近 24 小时更新，同时跑 MediaCrawler（44.9k stars，支持小红书/抖音/微博/知乎多平台）用关键词搜一轮最新热门内容。两分钟抓到约 200 条，再按领域相关性、互动数据、时效性过滤，剩 15 条候选。每条附上来源、核心数据、建议角度。你选完方向，它展开评论区分析，给你一份大纲草稿，同时把今天的候选和最终选择写入 Notion 选题库。

改造后：泡咖啡的时间里四个平台已经过了一遍。你端着咖啡回来，15 条候选摆在屏幕上，每条带数据和角度建议。5 分钟选方向，开始写。下午不用刷平台了。

每天省下的不只是 3 小时，是 3 小时的注意力损耗。

完整方案在 GitHub 的 examples/ 目录。

评论区告诉我你是做什么的——你的岗位、你每天最费劲的那块。我来帮你描绘那个画面：有了 Agent 之后，你的早上会怎么开始，哪些事情机器在跑，你在做什么。