第 16 章：可复查的自动化工作流

前面几章讲的是「让 Codex 帮你做事」。

这一章更进一步——学习怎样让 Codex 协助设计、审查和排查自动化工作流。定时器、CI、部署和消息通知由外部系统配置与执行，不是 Codex 默认自动完成的能力。

别再半夜起来跑脚本、别每天手动跑报表、别总盯着 CI/CD 管道了。学会这几招，你的电脑在你睡觉的时候，还在打工。

---

16.1 数据处理流水线

什么是数据处理流水线？

简单说就是：数据从 A 到 B 的过程中，自动做一些处理。

原始数据 → 清洗 → 转换 → 分析 → 输出报告
           ↑ 每一步都自动完成 ↑

场景 1：批量处理 CSV 文件

假设你每个月都要处理销售数据——几万行的 CSV 文件，需要清洗、汇总、生成图表。

传统做法： 打开 Excel → 手动筛选 → 做透视表 → 手动画图（30 分钟）

Codex 做法：

你：帮我写一个脚本，自动处理这个 CSV：
    1. 删除空行和重复行
    2. 把日期格式统一成 YYYY-MM-DD
    3. 按月份汇总销售额
    4. 生成一个柱状图
    5. 输出清洗后的数据和图表

Codex 生成一个 Python 脚本 process_sales.py：

# script/process_sales.py
import pandas as pd
import matplotlib.pyplot as plt
from pathlib import Path

def process_sales(input_file: str):
    # 1. 读取数据
    df = pd.read_csv(input_file)
    
    # 2. 清洗：删除空行和重复行
    df = df.dropna()
    df = df.drop_duplicates()
    
    # 3. 统一日期格式
    df['date'] = pd.to_datetime(df['date'], format='mixed')
    df['month'] = df['date'].dt.to_period('M')
    
    # 4. 按月汇总
    monthly_summary = df.groupby('month')['amount'].sum()
    
    # 5. 生成柱状图
    plt.figure(figsize=(10, 6))
    monthly_summary.plot(kind='bar')
    plt.title('月度销售额汇总')
    plt.xlabel('月份')
    plt.ylabel('销售额 (元)')
    plt.tight_layout()
    plt.savefig('output/monthly_sales.png')
    
    # 6. 输出清洗后数据
    df.to_csv('output/cleaned_sales.csv', index=False)
    
    return monthly_summary

# 执行
result = process_sales('data/sales_2024.csv')
print("处理完成！")
print(result)

你只需要：

python script/process_sales.py

所有工作自动完成。

场景 2：多数据源合并

你：我有三个数据源：
    - users.csv (用户信息)
    - orders.json (订单数据)
    - logs/ (每天的日志文件)
    
    帮我写一个流水线脚本：
    1. 合并三个数据源
    2. 关联用户和他们的订单
    3. 统计每个用户的消费总额
    4. 输出 top 50 用户名单

场景 3：爬虫+清洗+入库

你：帮我写一个数据流水线：
    每天自动抓取某个网站的文章列表，
    清洗后存到本地的 SQLite 数据库里。
    
    具体要求：
    - 网站：https://example.com/articles
    - 只抓标题、发布时间、摘要
    - 去重（不要重复抓取已有文章）
    - 存入 articles.db

---

16.2 定时报告生成

你有过这种经历吗？每天早上到公司第一件事就是：

1. 打开各种后台看数据
2. 手动抄写到 Excel 里
3. 算几个指标
4. 复制粘贴到 Slack 或邮件里

这是最应该被自动化的事情。

第一步：让 Codex 帮你写日报脚本

你：帮我写一个日报生成器脚本。
    我需要的数据：
    - GitHub 上的合并 PR 数量（从 API 取）
    - 项目的最近提交
    - 服务器状态（CPU、内存使用率）
    
    帮我生成一个 Markdown 格式的日报，
    保存在 daily-reports/ 目录下。

Codex 写的脚本 daily_report.py：

#!/usr/bin/env python3
"""每日报告生成器"""

import subprocess
import requests
import json
from datetime import datetime
from pathlib import Path

def get_git_stats():
    """获取今天的 Git 提交统计"""
    today = datetime.now().strftime("%Y-%m-%d")
    result = subprocess.run(
        ["git", "log", "--after=" + today, "--oneline"],
        capture_output=True, text=True
    )
    commits = result.stdout.strip().split("\n")
    return [c for c in commits if c]

def get_server_status():
    """获取服务器状态"""
    cpu = subprocess.run(
        ["top", "-l", "1", "-n", "0"], capture_output=True, text=True
    )
    memory = subprocess.run(
        ["vm_stat"], capture_output=True, text=True
    )
    return {"cpu": cpu.stdout[:200], "memory": memory.stdout[:200]}

def generate_report():
    commits = get_git_stats()
    server = get_server_status()
    
    report = f"""# 📊 日报 - {datetime.now().strftime('%Y-%m-%d')}

## 📝 今日提交
共 {len(commits)} 次提交
{chr(10).join(f"- {c}" for c in commits[:10]) if commits else '- 暂无提交'}

## 🖥 服务器状态
- CPU 负载：请查看详细日志
- 内存状态：请查看详细日志

## ✨ 自动生成
生成时间：{datetime.now().strftime('%H:%M:%S')}
    """
    
    output_dir = Path("daily-reports")
    output_dir.mkdir(exist_ok=True)
    
    filename = f"daily-reports/{datetime.now().strftime('%Y-%m-%d')}.md"
    with open(filename, "w") as f:
        f.write(report)
    
    print(f"✅ 日报已生成: {filename}")

if __name__ == "__main__":
    generate_report()

第二步：设置定时任务

要让日报自动运行，你需要配置一个定时触发器。

用系统自带的 cron（macOS / Linux）

# 每天上午 9:00 自动生成日报
crontab -e

# 添加这一行：
0 9 * * 1-5 cd /path/to/your-project && python scripts/daily_report.py

💡 看不懂 cron 语法？

• 0 9 * * 1-5 = 周一至周五每天 9:00
• 0 8 * * 1 = 每周一早上 8:00
• */30 * * * * = 每 30 分钟
• 0 0 1 * * = 每月 1 号半夜 0 点

外部定时器与任务说明

不要假定 Codex 提供固定定时器命令。可以让它协助把任务写清楚、审查脚本和解释外部工具的文档；实际定时任务应在你的操作系统、代码托管平台或经管理员批准的自动化服务中配置。

用 GitHub Actions（最推荐）

把脚本放到 GitHub 仓库，用 GitHub Actions 定时跑：

# .github/workflows/daily-report.yml
name: Daily Report

on:
  schedule:
    - cron: '0 2 * * 1-5'  # UTC 2:00 = 北京时间 10:00

jobs:
  report:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      - uses: actions/setup-python@v5
        with:
          python-version: '3.12'
      - run: pip install requests
      - run: python scripts/daily_report.py
      - name: Upload Report
        uses: actions/upload-artifact@v4
        with:
          name: daily-report
          path: daily-reports/

实际场景：老板想要的经营日报

你：帮我设计一个经营日报的草稿流程，并列出需要由外部系统配置的定时、数据权限和消息发送步骤。
    数据来源：
    - 数据库（MySQL）的昨天订单
    - 用户增长数据
    - 服务器异常日志
    
    要求：
    - 统计昨日 GMV、订单数、客单价
    - 和上周同期对比，标红/标绿变化
    - 如果有服务器异常，自动标红
    - 通过 Webhook 发到企业微信群

---

16.3 DevOps 自动化

DevOps 涉及服务器、密钥、部署和监控，必须由具备权限的人负责。Codex 可以协助解释流程、生成配置草稿、审查脚本和分析报错，不能替代外部平台执行这些工作。

场景 1：审查部署流水线（进阶）

你：帮我创建一个部署流水线：
    代码推送到 main 分支后自动：
    1. 跑测试
    2. 构建 Docker 镜像
    3. 推送到 Docker Hub
    4. SSH 到服务器拉最新镜像
    5. 重启服务
    6. 发通知到 Slack

Codex 可以协助生成和审查 GitHub Actions 配置草稿；GitHub Actions、SSH、镜像仓库和 Slack 均为外部系统，必须由具备权限的人设置密钥、测试并批准部署：

name: Deploy

on:
  push:
    branches: [main]

jobs:
  deploy:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      
      - name: 运行测试
        run: |
          pip install -r requirements.txt
          pytest tests/
      
      - name: 构建 Docker 镜像
        run: docker build -t myapp:${{ github.sha }} .
      
      - name: 推送到 Docker Hub
        run: |
          docker tag myapp:${{ github.sha }} ${{ secrets.DOCKER_USER }}/myapp:latest
          docker push ${{ secrets.DOCKER_USER }}/myapp:latest
      
      - name: 部署到服务器
        uses: appleboy/ssh-action@v1.0.0
        with:
          host: ${{ secrets.SERVER_HOST }}
          username: ${{ secrets.SERVER_USER }}
          key: ${{ secrets.SSH_KEY }}
          script: |
            docker pull ${{ secrets.DOCKER_USER }}/myapp:latest
            docker-compose up -d
      
      - name: 通知 Slack
        uses: slackapi/slack-github-action@v1.24.0
        with:
          payload: '{"text":"✅ 部署成功！版本：${{ github.sha }}"}'
        env:
          SLACK_WEBHOOK_URL: ${{ secrets.SLACK_WEBHOOK }}

场景 2：日志分析自动化

你：帮我写一个日志监控脚本：
    1. 每小时检查 Nginx 错误日志
    2. 统计 5xx 错误的数量
    3. 如果有超过 10 个 5xx 错误，发告警
    4. 每天生成一份错误分析报告
    5. 按 IP 统计恶意请求

场景 3：数据库备份 + 健康检查

你：帮我设置每天晚上 2 点自动备份 PostgreSQL 数据库，
    保留最近 7 天的备份文件，
    并在备份完成后发送通知。

Codex 生成的备份脚本：

#!/bin/bash
# backup-db.sh

BACKUP_DIR="/backups/postgres"
DB_NAME="myapp"
DATE=$(date +%Y%m%d_%H%M%S)
BACKUP_FILE="$BACKUP_DIR/${DB_NAME}_${DATE}.sql.gz"

# 创建备份目录
mkdir -p $BACKUP_DIR

# 备份数据库
pg_dump $DB_NAME | gzip > $BACKUP_FILE

# 删除 7 天前的旧备份
find $BACKUP_DIR -name "*.sql.gz" -mtime +7 -delete

# 检查备份文件大小
SIZE=$(du -h $BACKUP_FILE | cut -f1)

# 发送通知
curl -X POST -H "Content-Type: application/json" \
  -d "{\"text\": \"✅ 数据库备份完成\\n数据库：$DB_NAME\\n文件：$BACKUP_FILE\\n大小：$SIZE\"}" \
  $SLACK_WEBHOOK_URL

echo "✅ 备份完成: $BACKUP_FILE ($SIZE)"

配置每天 2:00 执行：

0 2 * * * /path/to/backup-db.sh

场景 4：容器环境一键启停

你：帮我把项目打包成 Docker Compose，
    包含：
    - Web 服务（FastAPI）
    - 数据库（PostgreSQL）
    - Redis
    - Nginx 反向代理
    提供一键启动和停止的脚本

---

综合实战：可人工复核的运营流程

把这一章的知识点串起来，你可以设计一套可人工复核的自动化方案：

🌅 定期运行   → 外部任务生成日报草稿 → 人工核对后发送
📊 数据更新   → 外部系统刷新看板 → 人工检查异常
🔄 代码变更   → CI 平台运行测试 → 人工批准部署
🔔 异常报警   → 监控平台通知值班人员 → 人工确认影响
📅 定期汇总   → 生成周报/月报草稿 → 负责人审阅

这些都需要外部平台、权限、密钥管理、监控和持续维护；任何一次配置都应先在测试环境验证，并保留人工暂停与审核机制。

---

本章小结

自动化场景	你能得到什么
数据处理管道	脏数据自动变干净、多数据源自动合并
定时报告	外部任务生成草稿，供人工审核
CI/CD 流水线	外部平台运行测试，部署需审批
备份监控	外部系统执行，负责人定期检查恢复能力
运营流程	数据、报告和通知均保留人工审核点

到了这里，你已经读完了指南的全部 16 章。

你从「什么是 Codex」到「让 Codex 协助设计和审查自动化方案」，走完了从入门到实战的完整路径。现在你可以：

• 🚀 用 Codex 写代码（第 15 章）
• 📋 用 Skills 固化重复工作流（第 11 章）
• 🔌 用插件打通所有工具（第 12 章）
• 🧠 用项目指引让协作规则更稳定（第 13 章）
• 🏠 在授权范围内整理资料与起草文本（第 14 章）
• 🤖 用 Codex 协助设计、审查自动化流程（第 16 章）

AI 不是为了取代你，而是为了让你有时间做更重要的事。

保持好奇，保持实践。AI 时代，最大的浪费就是还在用传统方式做重复劳动。

加油 💪

---