AI助手一天干了啥

AI助手一天干了啥：从查代码到自动发公众号的全链路

早上让AI帮我查个bug，下午它自己写了篇公众号文章，晚上还渲染了个视频——这不是科幻片，是我今天的真实工作记录。

01. 痛点：为什么你的AI助手总是"慢半拍"？

如果你用过 AI Agent（比如 ChatGPT Code Interpreter、Cursor、或本地部署的助手），你可能遇到过这种场景：

"帮我找一下项目里 merge_nodes 函数调用了哪些下游方法？"

传统方案的执行链路是这样的：

grep -r "def merge_nodes" /path/to/project/     ← API调用 #1 read_file(找到文件路径, offset=xxx, limit=50)   ← API调用 #2-3（翻页） grep -r "merge_nodes.*call|merge_nodes(" ...    ← API调用 #4（查调用关系） read_file(...)                                  ← API调用 #5-6（继续翻阅） ...（来回17次API调用，消耗 ~12,000 token，耗时3分钟+） 

问题根源： grep 是纯文本搜索，不理解代码的语法结构。AI 必须反复读取文件片段来"拼图"式还原调用关系——**Token浪费率超过80%**都花在了找文件和翻页上。

💡 核心观点：AI的真正瓶颈不是推理能力，而是信息检索效率。

02. 解决方案：给AI装上"代码搜索引擎"

今天给助手装上了 CodeGraph —— 一个基于 AST（抽象语法树）解析的代码图数据库工具。它的核心思路很清晰：

源代码 → AST 解析器 → 节点(Nodes) + 边(Edges) → SQLite 图数据库          │              │                    │          │              ├─ 函数、类、模块      ├─ 调用关系、继承关系          │              └─ 变量、常量          └─ 导入依赖 

实测数据对比：

| 指标 | grep+read_file（旧） | CodeGraph（新） | 提升幅度 | |------|---------------------|-----------------|----------| | API调用次数 | 17次 | 1次 | ↓94% | | Token消耗 | ~12,000 | ~800 | ↓93% | | 耗时 | 3分42秒 | 2.3秒 | ⚡17倍 | | 准确率 | 约60% | 95%+ | ↑35% |

安装配置只需要三步：

# Step 1: 安装 npm install -g @colbymchenry/codegraph  # Step 2: 初始化项目索引 cd /path/to/your/project codegraph init . codegraph index .  # Step 3: 配置为 MCP Server（以Hermes Agent为例） # 编辑 config.yaml，添加： mcp_servers:   codegraph:     command: ~/.hermes/node/bin/codegraph serve --mcp 

实测： 在8个Python/JS混合项目中全量索引，总耗时不到15秒，SQLite数据库仅8.5MB。

03. 进阶：让AI自动写公众号文章

查代码只是第一步。今天我还配置了微信公众号的API集成——AI可以直接把写好的文章推送到草稿箱。

完整工作流：

session DB记录 → AI提取素材 → SCQA框架写稿 → Markdown→HTML转换 → 写入公众号草稿箱      ↓              ↓               ↓                ↓                  ↓    工作日志      自动选题        排版规范          wechat_formatter    API调用 

关键配置（凭证保存在 .env）：

# ~/.hermes/public_account/.env WECHAT_APPID=wx9b7e2e7e5e9a5052 WECHAT_APPSECRET=your_secret_here 

测试了一下，API连通性正常：

• ✅ access_token 获取成功（有效期2小时）
• ✅ 草稿箱写入成功
• ✅ 素材库管理正常
• ⚠️ 订阅号没有自动发布权限，需要手动审核

💡 我的做法： AI每天自动生成文章写入草稿箱 → 我手机端预览确认 → 一键发布。既保证了效率，又保留了人工把关。

04. 彩蛋：AI还能渲染视频？

今天还试了 HyperFrames + GSAP —— 一个用 HTML/CSS/JS 渲染视频的开源工具链。

效果： 5秒的动画视频（标题淡入 + 数字计数器从0%跳动到1700%），文件大小仅249KB。

# 创建项目 npx hyperframes init my-video --ignore-scripts  # 编辑 composition.html，写GSAP动画 # ...  # 渲染MP4 hyperframes render src -o output.mp4 

应用场景： 公众号文章配视频、短视频平台内容、技术演示动画。

05. 三个新认识

用AI Agent一天下来，有三个新体会：

🎯 AI的真正价值是"找信息"而非"写代码"

以前总觉得AI能帮我写代码就是牛，今天发现查代码效率提升17倍带来的体验飞跃远大于写代码。AI最擅长的是在海量信息中快速定位——这才是它不可替代的地方。

🧠 云端记忆可以提取

session DB（会话数据库）记录了所有工作历史。通过 session_search 查询，AI能回溯几天前的工作内容并自动整理成文章素材。你的每一次对话都在为未来的自动化积累数据。

⏱️ 15分钟的事不值得花一整天

CodeGraph索引8个项目花了不到15秒，但如果没有它，每次查代码都要3-4分钟。一天查20次就是60分钟的差距。工具的价值不在于单次节省多少时间，而在于把重复劳动变成零成本。

总结

今天的AI助手工作流：

| 环节 | 工具 | 耗时 | |------|------|------| | 代码搜索 | CodeGraph + MCP | ~2秒/次 | | 文章写作 | AI + SCQA框架 | ~5分钟/篇 | | HTML转换 | wechat_formatter.py | <1秒 | | 草稿推送 | 微信公众号API | <3秒 | | 视频渲染 | HyperFrames + GSAP | ~30秒 |

核心数据： 查代码速度提升 17倍、Token消耗降低 93%、文章从素材到草稿箱全流程不到 10分钟。

👍 如果觉得有用，点个赞支持一下！ 💬 你在用AI助手时遇到过什么痛点？评论区聊聊～