分享我的Agent自动化系统：像皇帝批奏折般解放注意力
在探索更自主的智能体系统设计时，一个核心洞察被反复提及：通常情况下，一个人最多能同时跟进3到5个活跃的会话。对于单一任务，处理上限取决于模型能力；而对于多任务并行，上限则受限于人的注意力——这意味着，在整个智能体系统中，人的注意力是最宝贵的资产，同时也是最大的瓶颈。
这种困境并非AI时代独有。六百多年前，明朝皇帝朱元璋废除中书省和丞相，将权力集中于自身，却很快陷入事务的汪洋大海。洪武十七年九月，仅八天时间，内外各衙门就上奏1660件奏札，涉及3000多件事务，平均每天需处理200多份奏札、400多件事。即便以勤勉著称的朱元璋也坦言：“朕一人处此多务，岂能一一周遍”，坦言无法兼顾所有事务。
六百年后，人类步入AI时代，每个人都成了自己的“皇帝”——只是这一次，递送“奏折”的不再是六部九卿，而是一个个智能体。如何设计智能体调度系统，解放人类注意力、提升生产力，让人们抽身专注于关键决策，成为AI时代每个人都需思考的命题，这本质上是一种领导力的体现。
以下是对一套智能体自动化系统的探索分享，涵盖系统架构、任务执行流程，以及如何通过设计让智能体自动处理事务、减少人工干预，最终聚焦于核心判断。
1. 智能体自动化系统
当前多数人使用智能体的方式仍偏被动的聊天式：打开智能体工具，分配任务后等待结果，检查后再下达新指令。这种模式的问题在于，所有流程都以人工为起点——只要不打开工具界面，任务就不会推进。结合之前的注意力瓶颈，这意味着能同时推进的任务永远不超过人工能监控的3到5个，正如之前技术文章所指出的。
要突破这一点，需采用领导力思维：将任务触发的起点从人工转移到自动化信号，而非等待手动指令。这就像管理一支优秀团队，多数事务由团队自行推进，仅将需决策的问题上报。在这套系统中，人工唯一需要做的就是“批奏折”——在飞书的AI助理小卡发送的卡片上点击确认，智能体收到决策后继续执行，最大化释放人力。
2. 自动化中台
系统的核心是自动化中台，负责所有事件的触发调度。要将人工从触发环节移除，需设计何时、以何种信号唤醒智能体，这就是“事件”的核心意义。所有外部信号都可归类为事件：定时任务（定期轮询触发）、外部系统推送（如消息、邮件、告警等）。
对于定时任务，智能体工具已支持设置周期性任务，比如助手每天下午会从多个平台搜索项目相关讨论，生成报告；每周还会操控浏览器查询行业数据。开源项目的问题和合并请求也会被定时扫描处理。
但定时轮询的缺点是不够及时，突发问题无法等待定时触发，此时需靠webhook实现事件的实时推送。由于事件来源多样、不同智能体模型的能力和成本差异大，需一个专门的中台来统一管理事件触发：标准化事件格式、根据规则路由到对应智能体、收集结果，仅在需人工决策时推送通知。
中台运行在轻量服务器上，有自己的数据库和域名，所有事件先到中台，再由其分发。它统一事件格式，查询规则配置文件，比如反馈事件会被路由到指定智能体，按对应流程处理，同时限制并发任务数避免过载。
为解决本地智能体的触发问题（本地机器无法被公网直接访问），每台本地设备运行一个监听程序，连接中台等待任务，既保持安全又接近实时性能。这套设计的优势包括：新增事件只需加规则、更换智能体只需改一行配置、自动去重重复事件、统一通知渠道避免干扰、完整数据沉淀方便优化。
3. 智能体执行
事件触发后，智能体开始执行任务。核心前提是模型的token资源有限，需优化成本。目前使用的模型包括：克劳德 opus 5.5（处理复杂开发和决策任务）、GPT-6.1 索尔（处理项目维护如错误修复、日报）、GPT-6.1 泰拉（处理浏览器操控类任务，如跨平台数据查询）。
智能体运行在两台本地Mac mini上，避免云端部署的安全和权限问题，也能访问本地资源如代码仓库和浏览器账号，还能处理国内服务。每个自动化任务都有专属的技能（标准操作流程），包含规则和脚本，便于管理和修改，无需改动智能体执行逻辑。
4. CI中台
智能体提交代码后，进入CI（持续集成）中台处理。由于GitHub的CI额度不足，自建了本地CI服务器，流程分为五步：审查、检查、合并、发布、核实。首先由智能体审查代码错误，然后运行自动化检查，通过后自动合并代码，发布后验证部署结果，整个流程无需人工干预，速度快且质量高。
5. 在飞书“批奏折”
所有可自动化的任务都由智能体处理，仅关键决策推送给人工，类似古代的票拟和批红：智能体提供建议，人工点击确认即可。初期通知过多，现在仅需处理数据删除、服务变更、付费操作、产品方向调整等核心事项。系统会记录已做的决策，避免重复询问，有价值的用户反馈会由人工处理后交给智能体跟进。
写在最后
这套智能体自动化系统的探索，让非专业开发者也能实现高效的任务自动化。从不懂开发到搭建系统、打造开源产品，过程充满学习的乐趣，也证明了通过设计自动化系统，能大幅提升生产力，让人类聚焦于最核心的决策工作。
