> 功能说明: 本技能涵盖 时使用 等核心能力。

> 功能说明: 本技能涵盖 化新手 等核心能力。

自动化配方

10个实用自动化场景配方，覆盖文件处理、数据转换、批量操作等高频任务。

能力描述

本技能提供10个实用自动化场景配方,覆盖文件处理、数据转换、批量操作等高频任务:

文件处理配方

• 批量文件重命名: 按规则(日期/序号/正则)批量重命名目录下文件,支持预览与回滚
• 文件格式转换: 支持CSV/JSON/Excel/TXT等格式互转,保留数据结构完整性
• 重复文件清理: 基于文件哈希(MD5/SHA256)识别并清理重复文件,释放存储空间
• 目录结构同步: 增量同步源目录到目标目录,支持过滤规则与删除策略

数据转换配方

• 数据清洗与结构化: 去除空行/空格/特殊字符,统一日期与数字格式,输出标准化结构数据
• 多源数据合并: 按主键合并多个CSV/Excel数据源,处理冲突字段与缺失值
• 模板数据填充: 基于模板文件批量生成个性化文档(邮件/合同/报告),支持变量替换

工作流编排配方

• 定时任务编排: 基于cron表达式定时触发数据处理流水线,支持失败重试与通知
• 条件分支流程: 根据数据内容自动选择处理分支(IF-ELSE/SWITCH模式),实现智能路由
• 多步骤管道编排: 将多个处理步骤串联为管道,前一步输出作为后一步输入,支持中间结果缓存

每个配方均可独立调用,也可组合编排为复杂工作流。付费版支持可视化编排界面、执行日志审计与异常重试机制。

使用方法

1. 定义自动化任务: 解析用户需求,构建任务执行计划与触发条件
2. 编排执行流程: 按依赖顺序执行各步骤,处理条件分支与异常重试
3. 监控与报告: 记录执行日志,输出任务状态与结果摘要
4. 异常处理: 如遇错误,参考错误处理章节中对应场景的处理方式

示例代码

1. 批量文件重命名配方（PowerShell）

按日期前缀批量重命名指定目录下的图片文件:

# 批量重命名配方：按 YYYYMMDD_序号 格式重命名图片
$targetDir = "C:\Photos\2024"
$files = Get-ChildItem -Path $targetDir -Include *.jpg,*.png -File | Sort-Object Name
$datePrefix = Get-Date -Format "yyyyMMdd"
$counter = 1

foreach ($file in $files) {
    $newName = "${datePrefix}_{0:D3}{1}" -f $counter, $file.Extension
    $newPath = Join-Path $targetDir $newName
    Rename-Item -Path $file.FullName -NewName $newPath
    Write-Host "已重命名: $($file.Name) -> $newName"
    $counter++
}
Write-Host "完成! 共重命名 $($counter - 1) 个文件"

2. CSV数据清洗与格式转换配方（Python）

清洗CSV数据并转换为JSON格式:

import csv
import json
from datetime import datetime

def clean_and_convert(input_csv, output_json):
    """数据清洗配方：去空行、统一日期格式、转JSON"""
    cleaned = []
    with open(input_csv, 'r', encoding='utf-8') as f:
        reader = csv.DictReader(f)
        for row in reader:
            # 去除首尾空格
            row = {k.strip(): v.strip() for k, v in row.items() if k}
            # 跳过空行
            if not any(row.values()):
                continue
            # 统一日期格式为 YYYY-MM-DD
            for key, val in row.items():
                if 'date' in key.lower() and val:
                    try:
                        row[key] = datetime.strptime(val, '%m/%d/%Y').strftime('%Y-%m-%d')
                    except ValueError:
                        ...  # 具体实现请参考上下文文档
            cleaned.append(row)

    with open(output_json, 'w', encoding='utf-8') as f:
        json.dump(cleaned, f, ensure_ascii=False, indent=2)

    print(f"清洗完成: 输入 {len(cleaned)} 条记录 -> {output_json}")

# 示例：清洗销售数据CSV并输出JSON
clean_and_convert('sales_raw.csv', 'sales_clean.json')

输入定义

前置条件

运行环境

• Agent平台: Code / Cursor / Codex / CLI等
• 操作系统: Windows / macOS / Linux

热门问题

Q1: 如何开始使用自动化配方？

A: 在AI Agent对话中直接调用本技能,提供需要自动化处理的任务描述即可。

创新特色

效率提升量化分析

差异化对比

核心痛点解决

常见问题FAQ

Q1: [具体问题]

A: [详细回答]

Q2: [具体问题]

A: [详细回答]

Q3: [具体问题]

A: [详细回答]

Q4: [具体问题]

A: [详细回答]

Q5: [具体问题]

A: [详细回答]

安全指导原则

1. 限制技能访问权限，确保只有授权用户可以调用自动化配方。
2. 对敏感数据进行加密处理，防止数据泄露。
3. 定期备份自动化配方配置和工作流数据，防止数据丢失。
4. 监控自动化配方执行日志，及时发现并处理异常情况。
5. 定期更新技能版本，修复已知的安全漏洞。

安全风险防范

错误恢复指南

针对自动化配方使用中可能遇到的常见问题,提供以下排查方案:

自动化配方通用排查步骤

1. 检查输入参数: 确认所有必填参数已提供且格式正确
2. 查看日志输出: 定位具体错误行和异常类型
3. 验证环境配置: 确认依赖库版本和运行环境满足要求
4. 逐步调试: 缩小问题范围,隔离故障模块

使用场景

• 自动化处理: 结合定时任务或CI/CD管道,实现批量自动化处理
• 数据同步: 通过API实现跨平台数据同步和状态更新
• 智能分析: 结合大模型实现内容理解和智能决策
• 数据提取: 从非结构化文件中提取关键信息并结构化输出
• 运维自动化: 自动执行系统命令并收集结果
• 数据管道: 构建ETL流程,实现数据自动化流转

使用限制说明

• 极端边界输入可能影响输出质量,建议对异常输入做预校验
• 外部API服务可用性影响功能稳定性,建议实现重试和降级机制
• 模型推理耗时与输入长度正相关,超长输入需考虑分段处理
• 大文件处理可能消耗较多内存,建议对超大文件进行分块处理
• 长时间运行的命令需设置超时,避免阻塞执行流程