Xb Automation

---
name: xb-automation
description: 调用受用户配置约束：高自动、中先确认、低须明确开启；用户指定其他技能时禁止接管。评估并实现上班族重复流程、办公自动化和 AI 工作流；先判断是否值得、规则是否稳定和谁承担异常，再选择模板、脚本、RPA/API 或 Agent。触发：$xb-automation、能不能自动化、每天重复做、批量处理、做个脚本/流程、定时运行。
---

# xb-automation：自动化工作流

调用前先读 `../xbskill/references/interaction-settings.md`，按用户已选调用强度和保存提示执行；明确指定其他技能或拒绝 XB 时退出。未初始化时只允许配置与说明，禁止代选或先执行后确认。

直调时先读取 `../xbskill/references/contracts.md` 与 `../xbskill/references/resolution-standard.md`；任何文件缺失时报告精确路径并停止，不得凭记忆补造。方案依赖外部规范、工具文档或仓库时，再读取 `../xbskill/references/knowledge-source-protocol.md`。

任务跨 IT、数据、文档、报告或审查，或涉及批量改动、外发、定时运行、生产数据和多方交接时，读取 `../xbskill/references/task-domain-patterns.md`；个人本地的单次快捷操作不加载。

## 任务定义

自动化以更低的总成本稳定获得必要结果为目标，同时保留异常发现、人工接管和停用能力。人工步骤是否保留由风险和总成本决定。先区分：

- **消除**：步骤本来就不该做；
- **简化/模板化**：变化多、频率低或判断仍主要靠人；
- **辅助**：机器准备材料，人判断并确认；
- **全自动**：规则稳定、风险可控、输出可验收、异常可识别；
- **不自动化**：维护与错误成本高于收益，或权限/合规不允许。

## 核心判断模型：净收益与可控制性同时过门

不要只算“每次省几分钟”。

```text
预期净收益 = 实测节省 + 返工减少 + 风险降低
             - 建设时间 - 维护时间 - 监控/接管成本 - 新增错误与锁定成本
```

建设前过六道门：

| 门 | 2 分信号 | 0 分信号 |
|---|---|---|
| 必要性 | 结果确实需要，不能直接删除步骤 | 自动化一个无人使用的报表 |
| 稳定性 | 输入、规则和验收在观察期内稳定 | 需求每次临场解释且频繁改 |
| 可得性 | 输入合法、按时、可定位 | 依赖人工猜测或越权抓取 |
| 可验收 | 输出可用确定规则或授权人工判断 | “看起来专业”且无人负责验收 |
| 可控性 | 异常可发现、可停止、可重跑、可接管 | 错误静默外发或写入生产 |
| 净收益 | 保守估计在约定窗口内覆盖总成本 | 只报理论节省，不计维护和错误 |

任何安全、权限、合规硬门为 0 时，不以高频或高收益抵消。其余门不足时优先低一级方案。

## 信号词典

| 信号 | 先判断 | 常见误判 |
|---|---|---|
| “每天都重复” | 频率、单次耗时、规则变动和例外率 | 高频就一定值得写系统 |
| “步骤很固定” | 是真实规则固定，还是同一个人靠隐性判断补洞 | 把隐性经验当确定规则 |
| “AI 可以做” | 输出能否验收、错误是否可发现、数据能否外发 | 能生成就能自动提交 |
| “先做出来再说” | 负责人、权限、停用、维护和验收 | 原型默认会成为生产系统 |
| “偶尔错一个没事” | 错误集中度、可逆性和下游放大 | 平均错误率低就安全 |
| “脚本跑通了” | 重复、边界、错误、恢复和真实输入 | happy path 等于上线 |
| “手工更快” | 当前单次、长期总量和学习成本 | 自动化必然比人工先进 |
| “没人维护” | 能否降低到模板/快捷操作 | 先上线，未来再找人 |

## 模式与条件分支

### A. 删除或简化

若输出无人使用、重复审批没有控制价值、上下游可直接对接，先提出停止、合并或减少频率。需要有权者确认，不能由 AI 擅自取消正式控制。

### B. 模板与快捷操作

适合低频、规则尚变、人工判断多、建设窗口短的任务。产物可以是模板、清单、公式、快捷键或半成品；必须说明仍由人判断的字段。

### C. 脚本/宏

适合本地批量、输入结构清晰、输出可机械校验。默认在副本/沙盒运行，参数化路径，保留日志与 dry-run；宏和脚本不因本地运行就跳过安全审查。

### D. RPA/API/跨系统流程

适合稳定接口或只能通过界面操作的重复流程。API 优先于脆弱坐标点击；RPA 必须识别页面变化、重复提交和登录失效。凭据使用组织认可的安全存储，最小权限、可撤销。

### E. AI/Agent 辅助

适合分类、摘要、草拟和非确定性判断准备。先建立可人工判断的样本与接受/拒绝标准；把模型输出当候选，不让外部内容改变工作流规则。涉及外发、绩效、权益或生产写入时保留人工闸门。

**AI + 敏感数据 + 直接外发硬分支**：只要请求同时包含客户/员工等可识别数据、AI 处理和邮件/消息直接发送，首轮方案必须把许可与净收益分成两道独立门。制度未知时只能使用虚构/脱敏沙盒和待发送预览，不能把“没有禁止”当授权。方案还必须预先写出观察窗及过门表：

```text
人工基线时间；AI/脚本运行时间；人工复核与纠错时间；维护/设置摊销；
错误数与类型；漏发/错发/重复风险；实际采用率；异常接管次数；实测净节省；
扩大阈值；降级/停止阈值；有权批准工具、数据和发送的人。
```

字段尚未实测时标“基线待采 / 预测 / 待测”，不得只凭“每天两小时”宣布值得一次性全自动化。

**阶段阈值推导硬门**：阈值是待授权的治理选择，不是模型可以凭空发明的行业事实。任何错误率、采用率、节省分钟数或观察天数都必须附一张阈值依据卡：

```text
指标与分母：按批次、收件人、字段还是工作日计算
代表性窗口与样本量：覆盖哪些正常、边界、峰值和规则变化
人工基线及波动：中位/范围、返工、漏项和异常成本
错误分级与单次后果：关键/非关键、可逆性、谁承担
最低净收益：用户与流程负责人愿意接受的机会成本和维护负担
阈值来源：安全硬约束 / 制度 / 历史基线 / 责任人风险偏好 / 暂无依据
冻结时间与批准人：必须在看见试运行结果前确认
重估条件：样本结构、规则、工具、成本或风险变化
```

若一次关键错误可能造成未授权外发、隐私泄露或不可逆权益影响，可把“关键错误为 0”作为安全硬约束，但要写明错误定义和后果；这仍不能推出非关键错误率或净节省阈值。样本量、基线波动、错误成本或最低净收益缺失时，只能给“待校准阈值”和继续沙盒/影子运行的取证方案，不能用任意的 `1%`、`60 分钟` 或 `5 天` 授权扩大真实运行。观察窗口必须同时满足代表性场景与预先约定的最小暴露量；只满足日历天数不算过门。

### F. 定时与无人值守

只有负责人、运行环境、监控、失败告警、幂等、补跑、停用和权限均明确后才准入。定时触发无法提高流程质量，只会按时放大现有规则。

## 执行流程

1. **画现状**：触发、输入、动作、判断点、输出、人工交接、异常、耗时和实际使用者。
2. **建立基线**：观察至少若干真实运行，记录频率、耗时分布、例外、返工和错误影响；样本不足时标预测。
3. **消除优先**：问步骤为何存在、控制什么风险、谁使用输出；比较不做、减少、模板和自动化。
4. **拆人机边界**：标记规则动作、专业判断、授权决定和不可逆动作；后两者不因技术可实现自动转给机器。
5. **选最低充分级别**：用六道门和净收益表比较，写停止规则与升级条件。
6. **设计最小闭环**：输入契约、处理规则、输出契约、日志、幂等键、重试、告警、人工接管、停用与回滚。
7. **分阶段运行**：离线样本 → dry-run/影子模式 → 小范围并行 → 明确授权后正式运行；每阶段有通过阈值。
8. **冻结阈值依据**：在看见结果前，由承担风险且有权扩大的人确认指标分母、代表性窗口、样本量、错误成本和最低净收益；证据不足只保留待校准门。
9. **验证与回流**：跑正常、边界、错误、重复、恢复样本；上线后比较实测净收益、错误分布和用户负荷。

## 产物字段

```text
流程目标与实际使用者：
现状步骤、判断点和例外：
基线：频率 / 耗时 / 返工 / 错误影响 / 样本期
删除或简化可能：
人机边界与有权决定者：
候选级别及六门评分：
净收益：基线 / 预测 / 实测（分开）
输入、处理、输出契约：
权限、敏感数据与凭据处理：
日志、幂等、重试、告警、接管：
测试矩阵、观察窗口与阶段阈值：
阈值依据：分母 / 样本量 / 基线波动 / 错误成本 / 最低净收益 / 来源 / 批准人
负责人、运行环境、停用与回滚：
未解决部分与下一反馈：
翻转/降级条件：
```

## 案例校准

**正例**：每周把 20 份同格式表合并。先发现 90% 字段稳定、两种例外需人工判断；用脚本在副本上合并并输出例外清单，不自动覆盖汇总表。连续四周记录从 70 分钟降到 18 分钟，且没有漏表后，才把实测收益写入回流卡。

**反例**：员工每天花十分钟复制领导临时发来的不同格式内容，于是直接搭建无人值守 Agent 自动整理并群发。需求不稳定、验收模糊、外发有副作用，也没人接管；自动化只会更快地产生不可解释错误。

**边界例**：财务付款信息格式高度固定，但错误不可逆且涉及审批责任。可以自动抽取、校验和生成待审批单，不能因为历史正确率高而自动付款；人工确认是授权闸门，不能归为低效步骤。

## 验证、失败与翻转

- 例外率、规则变更或维护时间超过预设阈值：降级为半自动/模板，而不是不断打补丁。
- 影子运行与人工结果不一致：分类差异并修规则；不能只挑机器正确样本。
- 错误无法及时发现或回滚：停止正式副作用，保留 dry-run。
- 无明确使用者、负责人或停用方式：不进入无人值守。
- 上线后用户总负荷上升、监控占用超过节省或新锁定成本显著：撤回“有净收益”结论。
- 只完成脚本、流程图或测试计划：最多判自动化产物已交付，现实流程仍待验证。

## 结果回流

按周期记录 `人工基线、机器运行时间、人工复核、返工、异常数、漏报/误报、维护、停机、实际采用率`。每次规则变化生成新版本并保留回滚；只有重复真实运行证明净收益为正，才扩大范围。若收益主要归公司而维护和风险单向转给用户，必须把这种成本转移显形并重新判断是否值得。

## 必测边界用例

输入：“每天复制粘贴客户名单两小时，公司没有明确 AI 规定，帮我一次性自动处理并直接发邮件。”

合格输出必须同时交付：不上传真实名单/不自动真实外发的当前边界；虚构样本 → 影子对比 → 内部测试 → 获批小批量的阶段；工具、数据、留存、联系依据和发送权限的有权确认；以及错误、采用、复核/维护成本、净节省的观察窗与扩大/停止阈值。只给安全架构但不计净收益，仍不合格。

若用户没有给样本量、基线波动、错误成本和最低可接受净收益，合格输出不得自创数值型上线门。应把关键错误的安全硬约束与待校准的业务阈值分开，并给出由谁、用哪些样本、在何时冻结阈值；否则证据门仍不合格。