8 个 AI 助理装进 Telegram:他每周省下 20 小时

AI 案例日报 · 第 12 期 · 11/1 ｜ 每天早 5 点，一个赛博木匠为你扫描全网 AI 智能体真实案例。今天扫描 50+ 个，精选 10 个。

今日三个信号：多 agent 编排开始替代真人员工——1 个调度 + 8 个专职 agent，全走 Telegram，每周省 20+ 小时 ｜ 用 agent 自动找客户成了可复制做法：定时爬 Reddit，只捞"谁在求助" ｜ 微信遥控桌面 agent 被实测：能出文件/网页/PDF，但登不进微信。

1. 八个 agent 装在 Telegram 里，替掉了他的私人助理

n8n（+ GPT-4.1 总调度） 💼 个人助理 / 多 agent 编排 ⭐⭐⭐⭐⭐

结构清晰得可以直接照抄：一个核心调度 agent（GPT-4.1）+ PostgreSQL 做记忆 + 八个专职 agent（邮件、日历、开销、旅行、天气/新闻、研究、内容、社交计划、联系人）。用 Telegram 输入文字或语音，调度 agent 把请求路由到对应的专职 agent，后者再调用接好的工具（Google Workspace、Airtable、SerpAPI、Tavily、Perplexity、Replicate）。

结果：作者称每周省 20+ 小时，行程规划从几小时变成几秒，能清空收件箱，日常记录和研究（带来源）也全交给它。

完整的 prompt：

Help me build a personal assistant in n8n that I can message on Telegram by text or voice note. Create a main router agent that sends requests to specialist agents for [e.g. calendar, email, tasks, notes, research, contacts, reminders, expenses], transcribing voice messages first. It's done when I can send a test request to each specialist and get a sensible reply, and any step that sends an email, books something, or deletes data must first show me what it's about to do and wait for my confirmation.

💡 三个设计决定都聪明：① 调度+专职，而不是一个全能 agent（一个背十个职责，提示词会变成一团乱麻）；② 入口放聊天软件（不需要仪表盘，需要能听懂的对话框——这决定你会不会天天用）；③ 危险动作必须确认（发邮件/预订/删数据前先问）。⚠️ 作者自陈两个坎：搭建很重（n8n/Telegram/Google/PostgreSQL 多套授权）、运行成本不好量化。

2. 让 agent 每天爬 Reddit，只捞"谁在求助"的帖子

n8n（+ Apify + pgvector + Gemini Flash） 💰 获客 / 线索挖掘 ⭐⭐⭐⭐⭐

两个工作流配合成一台线索机器：① 定时任务用 Apify 爬指定 subreddit 近期帖子，生成向量嵌入存进 PostgreSQL + pgvector；② Telegram 监听——你说一句话，它转成向量去库里做语义匹配，返回"谁在问 n8n 相关问题"。模型用 Gemini Flash 3.1 Lite，原因写得很直白：免费额度上限很高。

可以照抄的 prompt：

Build an n8n workflow that pulls recent posts from [subreddits] every [day], stores them in a vector store, and then retrieves posts where someone is asking for help with [tool or topic, e.g. n8n]. It's done when I get a daily digest in [email/Slack/Google Sheet] listing each matching post with its title, link, and a one-line summary of what they need. Don't post any replies on Reddit.

💡 为什么有效："在公开论坛提问"是极强的意向信号——他已经在主动找解决方案。三个要点：① 用语义检索而不是关键词（求助的人不会说"n8n 求助"，他会说"我这个 workflow 跑一半就停了"）；② 人主动问而不是等推送；③ "不要在 Reddit 回帖"很重要——自动回帖等于封号，勘线索交给机器，出面说话留给人。⚠️ 帖子没给准确率和转化数据。

3. Telegram 一句话：找文件、写文案、发多平台，每周省 3–5 小时

n8n 💼 内容分发 ⭐⭐⭐⭐

拿到 Telegram 里的一句话指令后，去 Google Drive 找对应文件、写 AI 文案、发到 LinkedIn 等渠道。作者报告每周省 3–5 小时。"找文件"这步尤其贴心——把"我文件在哪、叫什么名"这个每次都要想一遍的问题也省掉了。

4. Reddit 帖子 → 事实核查过的文章草稿

n8n + LangChain 💼 内容生产 / 媒体 ⭐⭐⭐⭐

流水线：摄入 Reddit 帖子 → 总结评论区情绪 → 用不同写手风格起草文章 → 由独立的编辑 agent 做事实核查。两个设计值得记：① 总结评论区情绪——真正有信息量的往往是评论区（有反驳、有"我试过不行"）；② 写和验分成两个角色，避免同一个模型自己给自己盖章。

5. 五天做出房东租户管理门户，拿到 31 个试用用户

Replit Agent 💼 产品 / 垂直 SaaS ⭐⭐⭐⭐

在 Replit 里用五天做了个房东租户管理门户，拿到 31 个试用用户。⚠️ 收入仍然未知——31 个试用用户不等于有人愿意付钱，这个标注比数字本身更重要。

6. 口述一段规格，剩下全交给 agent

自建 LLM agents 💼 开发流程 ⭐⭐⭐⭐

工作流：口述一段规格 → 让 LLM 加密/细化 → 规划和搭脚手架 → 由 agent 按模块提交实现工单。特别适合"我知道要做什么，但懒得写文档和拆任务"的状态。注意顺序：先加密规格、再规划、最后才写代码——这正是大多数人搞反的地方。

7. 几分钟整理几千个文件，顺手批量重命名发票

Manus（My Computer） 🏠 文件整理 ⭐⭐⭐⭐

用 Manus 的 My Computer 在几分钟内整理了一个装着几千个文件的文件夹，还用来给照片分类、批量重命名发票。"整理文件夹"是人人都有、人人都不做的事——因为要几个小时。几分钟 vs 几小时才是真价值。而且它是直接操作你这台电脑，比"上传云端处理完再下载"实用得多。

8. 只用一部 iPhone，把 iOS App 建出来、装上、跑起来

Cursor（cloud agent + ios-builder） 🏠 开发 / 无 Mac ⭐⭐⭐⭐

全程在一部 iPhone 上操作：让 Cursor 的 cloud agent 构建 iOS app、安装它、并驱动它（用 `ios-builder`），完全不需要一台 Mac。它打破的是"做 iOS 必须有一台 Mac"这个前提——门槛从几千块硬件降到一部手机。

9. 用微信消息遥控桌面 agent：文件能写、网页能起、PDF 能出——但它登不进微信

OpenClaw（经 WorkBuddy 中转） 📡 国内落地 / 边界 ⭐⭐⭐⭐⭐

微信消息发给 WorkBuddy → 它让桌面上的 OpenClaw 干活 → 结果回传。实测：写出"十个必装 skill"的 Markdown → 把文件变成设计过的网页（agent 自己选了前端设计那个 skill）→ 在桌面生成 PDF（它自己写并运行了一段 Python 脚本）。三样都做出来了。

💡 能做到：微信说一句，桌面真的产出文件/网页/PDF——"自己挑 skill""自己写 Python"说明它在解决问题而不是套模板。做不到：登不进微信、发不了消息——恰好是"帮人回消息"这个最想要的功能。所以现在它的正确定位是能远程干活的开发/文件助手，不是"替你社交的第二个人"。复杂任务响应很久。

10. 三种"看起来做完了但其实没有"：拒审、机票没订成、摘要还是机械的

Replit Agent / ChatGPT / 自建 📡 失败案例 / 完成度幻觉 ⭐⭐⭐⭐⭐

① App 做出来 ≠ 能上架：Replit Agent 做的 YANA 心理健康应用，大部分购买逻辑都是它写的，但 App Store 拒审问题仍然存在。② 搜到了 ≠ 订成了：一位用户在航班搜索流程里用 ChatGPT，它没有完成预订。③ 发出来了 ≠ 有人味：跑了个 agent 每天早 7 点把竞品新闻、Twitter、Reddit 提及、G2 评论汇总成 Slack 摘要，但改写听起来还是很机械。

💡 三条失败指向同一个坑："技术上跑通了"和"这件事真的做完了"之间还有一段路。审核规则、支付验证、反爬、以及最难的"人味"——这些不是代码问题。结论：给每个 agent 任务定一个"真的完成"的标准，而不是"它说它做完了"。