在两小时内使用 AI 实现自动生成并汇报周报的系统。

核心回答

两小时内应先交付“录入或导入工作记录 → 生成指定周的周报 → 查看修改 → 汇报状态可追踪”这条完整链路。先明确数据源、通知渠道和必需功能，按可替换接口设计，避免一开始接入多个外部平台、复杂权限和多Agent。

周报系统的难点不只是写摘要，还包括周范围、事实归属、重复生成及发送结果。AI可辅助实现项目和润色文本，但事项、日期与完成状态应来自输入数据，不能把“计划做”写成“已完成”。

最小系统怎样组织

• 数据入口：支持手工记录或文件导入，记录事项ID、负责人、日期、状态、描述和来源。先接一个真实可用入口，其他平台保留适配接口。
• 生成任务：按用户、周起始日、时区和数据版本取记录，确定本周进展、阻碍和下周计划。模型只整理已提供事实；无模型凭据时也能用规则模板生成基础周报。
• 报告与汇报：保存正文、版本、生成状态及发送状态；支持预览与修改。若题目要求自动发送，按配置调用目标渠道，生成成功与送达成功分开记录。
• 调度与恢复：定时任务与手动生成走同一服务；用业务键和状态更新避免并发重复任务。外部发送用独立发送记录、渠道回执及可用的幂等能力，超时后先查询结果，不能盲目重复发。

一个可运行的核心切片

下面是规则模板版的周报聚合，示例记录为假设数据。它把日期选择、去重、状态分组和稳定输出放在确定性代码里；模型摘要与发送渠道可以随后接在边界上。

from datetime import date, timedelta


def weekly_report(records, week_start):
    start = date.fromisoformat(week_start)
    if start.weekday() != 0:
        raise ValueError("week_start must be Monday")
    end = start + timedelta(days=7)
    groups = {"done": [], "doing": [], "blocked": [], "planned": []}
    seen = set()
    selected = sorted(records, key=lambda r: (r["date"], r["id"]))
    for row in selected:
        day = date.fromisoformat(row["date"])
        if not start <= day < end or row["id"] in seen:
            continue
        if row["status"] not in groups:
            raise ValueError("unknown status")
        text = row["text"].strip()
        if not text or "\n" in text or "\r" in text:
            raise ValueError("text must be a nonempty single line")
        seen.add(row["id"])
        groups[row["status"]].append(f"- {text}（记录 {row['id']}）")
    labels = {"done": "本周完成", "doing": "进行中",
              "blocked": "问题与阻碍", "planned": "下周计划"}
    lines = [f"# 周报 {start} 至 {end - timedelta(days=1)}"]
    for status, title in labels.items():
        lines.extend(["", f"## {title}", ""])
        lines.extend(groups[status] or ["- 暂无记录"])
    return "\n".join(lines) + "\n"


if __name__ == "__main__":
    sample = [{"id": "T1", "date": "2026-10-13",
               "status": "done", "text": "完成周报导入入口"}]
    print(weekly_report(sample, "2026-10-12"))

这里的日期字段是业务时区下的日期，用户过滤应在可信服务端完成；导入跨时区时间戳时先转换。planned表示这周记录的下周计划，不是将未来所有日期都混入本周。相同ID示例采用排序后首条，真实系统若允许更新，应先按版本确定最新记录；输出到网页时还要使用安全渲染。

AI Coding时如何推进与验证

先让AI读工程结构和需求，复用现有栈，贯通数据到页面，再补生成与发送适配。每次按一个可验证切片修改，运行后用实际报错定位；不在最后才发现依赖或接口无法启动。

重点验证空周、周边界、重复记录、未知状态、模型超时、重复点击与发送失败。模型生成要检查事实覆盖和引用，关键状态或金额直接使用源字段。演示时同时展示正常路径、一个错误恢复以及任务状态；分析慢时分别量数据读取、模型生成和发送等待，而不是泛称AI慢。

两小时的取舍应让核心可运行、关键边界可解释、扩展点清楚。技术亮点是确定性事实处理与生成表达分工，生成和送达分开恢复。

对应教程

参考资料