我用LazyLLM做了一个打工人述职Agent，朋友直呼打工人的福利，太完美了
1.背景
“把时间花在创造价值上，而不是重复造报告。”
作为一个打工人，每周、每个季度都少不了被 OKR、OR、KR 这些看起来“无用但又不得不做”的活儿折腾，季度末，翻遍了数周的笔记和记录，只为拼凑出一份符合要求的述职报告，耗时耗力。偏偏我是理科生，文字功底一般，写报告还得来回编辑润色，只会老老实实把事说清楚。好在这几年一直在用 AI，我干脆做个“打工人述职 Agent”：我只需要输入 OKR + 一周的工作 → 周报；输入 OKR + 若干周的周报 → 季度/年度述职报告。这样不就把麻烦事交给机器了？那就开干，初步计划用LazyLLM这个低代码框架构建一个打工人述职 Agent大模型应用。
2.效果展示——让 AI 替你“写材料”
这个 Agent 的效果如何？直接看图。
2.1 打工人述职Agent的使用
Agent生成周报效果图：
Agent生成季报效果图：
2.2 朋友的体验效果
在制作完成后，我对效果挺满意的，但是一个人说了不行，我邀请朋友试用。作为同样需要频繁写材料的“牛马”，他反馈生成结果完全可以，准备下个 OKR 周期直接用这套流程。如果你也想制作这样的一个打工人述职Agent，可以跟着我下面来，接下来，我将手把手教你如何搭建打工人述职Agent。
3.LazyLLM: 低代码构建多Agent大模型应用
为什么选择LazyLLM？
LazyLLM的中文仓库：https://github.com/LazyAGI/LazyLLM/blob/main/README.CN.md
在实现这个 Agent 的过程中，我考察了多个框架，最终选择了 LazyLLM。它由商汤科技研发，旨在为大模型应用提供一条快速、高效、低门槛的构建路径。
选择它的理由有三点：
（1）像搭积木一样组装应用（小白容易上手）
不用懂大模型底层，也能把应用拼起来：LazyLLM 预置了“数据流 + 功能模块”，把“生成大纲、逐段写作、结果拼接、对外服务”拆成模块，像搭积木那样串起来即可。需要多个 Agent？把模块再复制/串联一下就行，成本低、容错友好。
（2）复杂应用也能一键部署（轻松分析给好友）
在验证阶段（POC），只需一套轻量网关就能把多 Agent 各子模块（LLM、Embedding 等）串起来，免去“逐个起服务 + 到处配 URL”的烦恼。上线时，一键打镜像，借助 k8s 网关、负载均衡、容错机制，就能把服务稳定跑起来，不用再手动搬砖。
（3）模型微调更省心（打造适合自己的Agent）
如果想让效果持续变好，可以对应用里的模型做微调。LazyLLM 会按场景自动选合适的微调框架和参数切分方式，减少工程细节负担，让算法同学把时间用在“数据打磨与策略优化”上，而不是在环境与脚手架上反复折腾。
LazyLLM更像一款百宝箱工具，兼容开源社区的生态，可以轻松地将之前基于langchain、llamaindex等框架搭建的应用集成到LazyLLM中，然后享受到LazyLLM带来的便利。
值得注意的是：LazyLLM由商汤科技研发，致力于为AI大模型应用构建提供一条快速、高效、低门槛的路径。
4.手把手打造一个打工人述职Agent
4.1 环境配置
首先打开LazyLLM的中文仓库：https://github.com/LazyAGI/LazyLLM/blob/main/README.CN.md
在仓库中提供了2种安装：源码安装和pip安装（推荐新手）
安装方式对比表
方式 | 优点 | 适用人群 |
源码安装 | 可读源码、便于自定义与调试 | 需要二次开发或深度定制的团队 |
pip安装 | 上手快、环境简单、一键补齐组件 | 只想尽快跑通业务的个人/团队 |
在仓库中还提供了4个例子，包括：对话机器人，检索增强生成，故事创作，AI绘画助手【感兴趣的也可以来试试】。
4.2 流程图及分析流程
程序流程图
执行流程详解
- 用户在 Web 端输入 OKR 与工作事实；
outline_writer先判断“周报”或“季度/年度述职”，并给出 JSON 大纲；story_generator逐段生成正文，保证语言风格一致且量化表达；synthesizer将标题与段落拼装成完整 Markdown；- Web 服务返回文本，用户快速得到可直接复制或少量润色后提交的文案。
4.3 获取API_KEY
在本地写的代码，我们要让他有AI功能，无外乎就2种方法，第1种本地部署大模型，第2种API_KEY调用。
本次我们采用API_KEY。
第一步：打开https://console.sensecore.cn/home，进行注册并登录。
第二步：打开https://console.sensecore.cn/rm/source，开通模型日日新模型。
第三步：打开https://console.sensecore.cn/iam/Security/access-key，点击创建访问密钥，并将其复制保留。
就这样我们就得到了API_KEY。
如果有其他问题，可以查看用户手册：https://docs.lazyllm.ai/en/stable/
⚠️⚠️⚠️【注意】一定要先完成实名认证！！！否则无法调用。
4.4 提示词设计及代码
提示词的作用：就是我们给大模型赋予定位，就是让它作为什么来处理问题。
本次关键在于设计两个精准的提示词（Prompt）：，第一个 toc_prompt 为生成大纲，第二个 completion_prompt 为生成正文。下面是我的提示词：
toc_prompt 提示词（作用：判断周报或季度/年度述职，生成大纲）：
completion_prompt 提示词（作用：强调量化、避免空话套话）：
暂时无法在飞书文档外展示此内容
就这样就完成了打工人述职Agent的开发，到了启动运行的环节。
4.5 启动与交互
直接在pycharm中启动程序：
输出日志：
D:\miniconda\python3.12\python.exe D:\Program\pycharm\python_project\pythonProject3.12\main.py
Running on local URL: http://0.0.0.0:23466
To create a public link, setshare=Trueinlaunch().
19256: 2025-09-02 16:59:05 lazyllm SUCCESS: (lazyllm.tools.webpages.webmodule:455) LazyLLM webmodule launched successfully: Running on: http://0.0.0.0:23466, local URL: http://127.0.0.1:23466
显示：LazyLLM Web 服务已经成功启动！并且监听 23466 端口。
这个时候只需要在浏览器的地址栏中输入：http://127.0.0.1:23466 或 http://localhost:23466，然后按回车就可以访问了。
打开网站http://127.0.0.1:23466后，左侧是模型结构和处理日志，在右侧我们就可以进行AI对话了。
在右侧输入框中，粘贴以下任一示例：
示例一：生成周报
示例二：生成季度/年度述职报告
可以看到LazyLLM成功的返回了一个丰富的周报。如果你也感兴趣不妨实际来试试。
5.总结：让 AI 成为真正的生产力
直白点说，LazyLLM 就是这套“打工人述职 Agent”的大脑和地基。复杂的 AI 流程它都给拆成小积木：用 pipeline 一串，outline_writer 负责出大纲，story_generator 负责写内容，synthesizer 把内容拼成文，最后 WebModule 一键对外。低代码 + 模块化，门槛直接降下来，不是算法出身的人也能很快把想法做成能跑的原型。
LazyLLM 另外还支持按场景做微调，还能根据任务自动选合适的微调框架和切分策略（如果有实力的可以来尝试），让“提示词工程 + 数据迭代 + 小样本微调”跑成闭环。再配上统一的管线与日志，生成时的关键元数据都能回溯，方便从“准确性、条理性、量化表达、风格一致性、可编辑性、时效”等维度打分，哪些地方该加强一目了然。说白了，它不光“能跑”，还能越跑越顺。
回到这个项目本身，LazyLLM 让“写周报/述职”从纯体力活变成了标准流程：按 OKR 自动出大纲 → 按提示逐段成文 → 一键拼成统一风格的 Markdown。组织层面结构统一、阅读友好；个人层面可以随时补充事实和数字。对个人来说，是实打实的省时间，把精力放回到真正有产出的事上；对团队来说，结构统一、量化清晰，横向对比、纵向复盘都更顺，目标和结果也更容易对齐。
总之，把 LazyLLM 用起来，别在工程细节上内耗，把时间和预算花在更有价值的目标上，让 AI 真正变成提效提质的生产力。我们的目标不是让 AI 替我们写报告，而是让 AI 帮我们把时间还给创造。
