OpenHuman 自动化工作流实战：用 tinyflows 把重复工作固化成流程

从「每次都问」到「一次说清，长期自动」

前面几篇的用法（邮件简报、会前准备、仓库巡检）有个共同点：都是你主动发起、AI 执行。跑顺之后你会自然产生下一个需求——这些事为什么要我每天说一遍？

OpenHuman 的工作流引擎（基于开源的 tinyflows）回答这个问题：在聊天里用自然语言描述流程 → AI 生成工作流图 → 画布上审阅修改 → 保存生效。之后按你设定的触发条件自动运行，不再需要你发起。

这篇不讲概念，直接给三个从易到难的实战配置。

最典型的第一个工作流。聊天里输入：

「做一个每天早上 8 点运行的流程：扫描我所有连接服务里过去 24 小时的新内容——邮件、Slack 提及、GitHub 动态、日历变更——按『需要行动 / 需要知道 / 仅存档』分类，生成一页简报推送给我。没有大事的日子只发一行。」

AI 生成工作流图后重点检查三处：触发时间（8 点对不对）、数据源（是否覆盖你要的连接）、输出格式（推送渠道和样式）。保存后第二天早上验收。

这个工作流的价值基线：替代你每天早晨 20 分钟的「信息巡检」。配置成本五分钟，回报从第二天开始持续兑现。

计划任务之外，tinyflows 支持实时事件触发。高价值场景：

「监控我 GitHub 上负责仓库的 CI 状态，主分支构建失败 5 分钟内提醒我，附失败摘要和上次成功 commit 的链接。」

「有新邮件来自我标记的关键联系人时，立刻单独提醒，附往来背景摘要。」

注意第二条里「附往来背景摘要」——事件触发时它能引用记忆树里的历史脉络，提醒的不再是「收到一封新邮件」而是「客户 X 回信了，上次聊到报价，这封说预算批了」。通知的信息密度取决于上下文，这正是记忆树的护城河。

真正体现工作流引擎成熟度的是带人工节点的长流程。以「周报自动化」为例：

「每周五 16:00：汇总本周我的 commit、PR、issue 关闭记录、会议纪要里的关键决策，按团队周报模板生成初稿——生成后暂停等我审批——我确认或修改后，自动发到团队频道并归档到我的笔记库。」

关键设计是那个「审批关卡」：流程走到敏感节点自动暂停，等你确认才继续。这解决了自动化的信任问题——数据汇总交给 AI，对外发送由人把关。和本站写 Grok Bot Auto-review 的分级授权思想一致：信任是分级的，不是开关。

长流程必然有失败的时候（某个服务超时、某步数据为空）。tinyflows 的容错设计决定了它能不能在生产环境用：

实操习惯：配好工作流的前三天，每天看一眼运行历史（有没有静默失败、成本是否符合预期）；稳定后每周扫一次即可。这套运维习惯和本站写 n8n 工作流排查时的思路完全相通——自动化系统的成熟度不在功能多少，在失败之后的行为。

判断标准三条：

该做的：触发条件明确（时间/事件）、步骤固定、产出格式稳定、频率≥每周一次。简报、汇总、监控、归档都是典型。

不该做的：需要临场判断的（每次都不同的方案设计）、低频复杂的（一年一次的年度总结，手动做反而省心）、强依赖新鲜度的探索性任务（探索意味着高失败率，自动跑纯烧钱——额度管理的教训通用）。

灰色地带：半自动最稳——AI 做到 80% 的部分自动化，最后 20% 的判断和润色留给人（审批关卡就是为这个设计的）。

四类机制一张表记住：

排障三连——工作流没按预期跑时按顺序查：

每一个固化下来的工作流，本质都是把「你的隐性流程知识」翻译成了「可执行、可复用、可分享的显性资产」。攒到十个八个之后回头看：你的日常运营里，最消耗意志力的那些重复劳动——早间巡检、信息监控、定期汇总——已经全部变成后台的静默运转。

这就是个人 AI 基础设施的终点形态：不是更强大的对话，而是更少的对话。 最后一篇做横向定位：OpenHuman 在 2026 年的个人 Agent 格局里，到底站在哪。