（5930期）Automate – 用确定性脚本终结重复性Token浪费

用确定性脚本终结重复性Token浪费 通过识别重复性任务并用确定性脚本替代LLM调用，大幅降低token消耗、提升执行速度与可靠性，实现效率的复利增长。 使用说明 Automate：从重复劳动中回收Token与时间的工程化技能 核心用法 Automate是一套任务自动化决策与执行框架，核心目标是用确定性脚本替代LLM的重复调用。其使用流程分为四个阶段： 1. 自动化检测（Automation Test）面对任何任务前，通过三问判断自动化可行性： 是否确定性（相同输入=相同输出）？ 是否重复发生？ 是否规则驱动（可精确描述步骤）？ 三问皆"是"则必须脚本化，而非反复调用LLM。 2. 脚本vs LLM决策矩阵文档提供了明确的工具选择指南：格式转换、正则文本处理、文件操作、数据验证、固定逻辑API调用、Git工作流等任务优先脚本化；而判断决策、创意内容、模糊输入处理、一次性独特任务保留给LLM。 3. 触发识别与提案识别自动化机会的五种典型信号：重复执行相同任务、编写相似提示词、统一格式化输出、重复数据验证规则、可预测逻辑的API调用。发现机会后，需按标准格式提交自动化提案，包含任务描述、频率、当前成本、脚本规格（语言/输入/输出/位置）及预估节省收益。 4. 脚本标准化与资产追踪脚本需遵循六大标准：单一职责、幂等性、头部文档注释、执行日志、显式错误处理、密钥外置。同时建立Active Scripts与Candidates清单，量化记录token与时间节省。 显著优点 成本削减直接可量化：每次脚本替代LLM调用，都是永久性token节省，形成复利效应 速度数量级提升：毫秒级脚本执行 vs 秒级甚至分钟级LLM响应 可靠性根本改善：脚本确定性失败（可预测、可调试）vs LLM概率性幻觉与随机失败 工程规范完备：提供从识别到提案、从编写到追踪的全流程方法论，而非零散技巧 决策框架清晰："3x规则"（第3次重复必须脚本化）和"决策矩阵"大幅降低判断成本 局限性与风险 upfront 投入门槛：首次编写脚本需要投入时间与技能，对于低频任务可能ROI不足 维护成本隐性：API变更、依赖升级、环境迁移可能导致脚本失效，需持续维护 判断依赖经验边界："规则驱动"与"判断决策"的边界有时模糊，错误归类可能导致过度工程化或错失自动化机会 非技术用户适用性有限：需要具备bash/python/node等脚本编写能力，纯业务用户难以直接应用 适合人群 高频使用LLM的开发者/工程师：每天进行大量重复性数据处理、格式转换、代码生成任务的开发者 DevOps/SRE团队：需要标准化部署、环境同步、日志处理等流程的运维人员 AI应用架构师：负责设计人机协作流程、控制token预算的系统设计者 技术团队Lead：需要建立团队效率规范、量化自动化收益的工程管理者 常规风险 过度自动化：对不够稳定的流程或变更频繁的业务逻辑过早脚本化，导致维护负担超过收益 密钥泄露：脚本中硬编码API密钥、数据库密码等敏感信息，造成安全漏洞 环境依赖脆弱：脚本依赖特定本地环境配置，跨机器迁移时失效 幂等性缺陷：非幂等脚本被重复执行导致数据重复、状态错乱 文档衰减：脚本头部注释未及时更新，后续使用者难以理解用途与用法 本技能来源可信度较高（T2级），基于工程实践最佳实践与成本效益分析原则，具备逻辑自洽性与可执行性，但非学术认证方法论，实际效果取决于执行者的技术判断力。 原始说明 Identify tasks that waste tokens. Scripts don't hallucinate, don't cost per-run, and don't fail randomly. Spot automation opportunities and build them.