Structure Docs

Appearance

AI Agent 自动化工作总结 ​

概述 ​

本文档总结各类 AI Agent 的自动化能力、适用场景与协作方式，帮助团队建立完整的 AI 自动化工作流。

目录 ​

Agent 分类 ​

AI Agent 按用途可分为三大类：

分类定位典型工具
编程 Agent辅助/自主写代码Claude Code、Cursor、Codex、Qoder、Trae、CodeBuddy
通用 Agent执行系统级任务、跨应用操作OpenClaw、Hermes、OpenHands
工作流平台可视化编排多步骤自动化Dify、Coze、n8n

编程 Agent 对比 ​

工具形态核心优势适用场景
Claude CodeCLIAgent 能力最强，权限/Hooks/MCP/Skills 完善深度重构、复杂任务
CursorIDE可视化，Tab 补全 + Composer日常开发、快速迭代
Codex CLICLIOpenAI 生态，沙盒模式终端快速任务、Git 集成
QoderCLI/IDEQwen 生态，自定义/本地模型国内网络、阿里云生态
TraeIDE免费，Builder/SOLO 模式快速原型、中文场景
CodeBuddyCLI/IDE腾讯云生态，三位一体腾讯云、企业私有化

通用 Agent 对比 ​

工具核心特点运行方式适用场景
OpenClaw（小龙虾）执行外壳 + 网关 + 技能，50+ 渠道本地/服务器数字员工、跨平台消息
Hermes（爱马仕）持久记忆 + 自我进化技能本地/服务器长期陪伴、经验沉淀
OpenHands自主软件工程智能体Docker/云自动修 bug、生成 PR

工作流平台对比 ​

平台特点适用场景
Dify开源 LLM 应用平台，RAG + Workflow自托管 AI 应用、知识库问答
Coze字节跳动，可视化 + 插件 + 知识库快速搭建聊天机器人
n8n通用工作流自动化，400+ 集成系统集成、数据管道

自动化场景矩阵 ​

场景推荐工具说明
日常编码Cursor / Claude Code补全、重构、代码生成
复杂重构Claude Code / OpenHands多文件协调、自主执行
快速原型Trae / CursorBuilder/Composer 一句话生成
自动修 bugOpenHands / Codex读代码、跑测试、提 PR
系统级任务OpenClaw / Hermes文件整理、浏览器自动化
定时任务Hermes / OpenClawcron 调度、7×24 运行
知识库问答Dify / CozeRAG、聊天机器人
系统集成n8n跨系统数据管道
消息推送OpenClaw / Hermes多平台 IM 接入

构建自动化工作流 ​

分层协作架构 ​

┌─────────────────────────────────────────┐
│           工作流平台（编排层）              │
│    Dify / Coze / n8n — 触发、编排、调度      │
├─────────────────────────────────────────┤
│           通用 Agent（执行层）              │
│    OpenClaw / Hermes — 系统任务、跨应用操作   │
├─────────────────────────────────────────┤
│           编程 Agent（代码层）              │
│    Claude Code / Cursor / Codex — 写代码    │
└─────────────────────────────────────────┘

典型工作流示例 ​

1. 需求 → 代码 → 部署 ​

用户需求（IM 消息）
  → Hermes/OpenClaw 接收并解析
  → Claude Code/Cursor 生成代码
  → OpenHands 自动测试 + 提 PR
  → n8n 触发 CI/CD 部署
  → 结果通过 IM 推送回用户

2. 知识库问答机器人 ​

文档 → Dify/Coze 知识库（RAG）
  → 用户提问
  → 检索 + LLM 生成回答
  → 无法回答时转接人工/其他 Agent

实践建议 ​

  1. 分层解耦：工作流平台管编排，Agent 管执行，各司其职
  2. 统一规范：所有 Agent 共享同一套规则（CLAUDE.md / AGENTS.md / .cursorrules）
  3. 权限最小化：每个 Agent 只授予完成任务所需的最小权限
  4. 日志与审计：记录 Agent 操作，便于回溯和复盘
  5. 渐进式自动化：先人工审批，稳定后再放开权限

方法论总结 ​

贯穿所有 Agent 自动化的核心方法论（详见 cli-methodology.md）：

  1. 权限 (Permissions)：allow/ask/deny 三态模型，敏感操作永远 deny
  2. 技能 (Skills)：封装可复用能力，一次定义多次复用
  3. 规则 (Rules)：CLAUDE.md / AGENTS.md / .cursorrules 约束行为
  4. 文档 (Documentation)：维护记忆文件，让 Agent 持续理解项目

关键原则 ​

  • 先计划后执行：复杂任务先让 Agent 输出计划，审查后再执行
  • 先提交后修改：Agent 修改前先 git commit，方便恢复
  • 单任务单会话：避免上下文污染
  • 审查 diff：接受修改前务必审查变更
  • 成本控制：设置 API 限额，防止失控循环

相关文档 ​