ByteFisher AI 编程实战（十六）：AI自动化工作流

自动化工作流是 AI 被低估的能力之一。写 Shell 脚本、编排 CI/CD、处理批量文件——这些重复性的”基建”工作，AI 能帮你快速完成，节省大量机械操作的时间。

一、Shell 脚本生成

Shell 脚本是最常见的自动化工具。用自然语言描述需求，AI 能直接生成可用的脚本。

1.1 文件清理脚本

写一个 PowerShell 脚本，自动清理超过 100MB 的日志文件：

写一个 PowerShell 脚本：
- 扫描当前目录及子目录下所有 .log 文件
- 文件超过 100MB 的自动压缩后删除原文件
- 压缩后的文件以原始名+.zip 命名
- 输出操作日志到 cleanup.log
- 显示总共释放了多少空间

$logFile = "cleanup.log"
$cutoffSize = 100MB
$totalFreed = 0

Get-ChildItem -Recurse -Filter *.log | Where-Object { 
    $_.Length -gt $cutoffSize 
} | ForEach-Object {
    $zipPath = "$($_.DirectoryName)\$($_.BaseName).zip"
    Compress-Archive -Path $_.FullName -DestinationPath $zipPath
    $freed = $_.Length
    $totalFreed += $freed
    Remove-Item -Path $_.FullName
    "$(Get-Date): Compressed $($_.Name) ($('{0:N2}' -f ($freed/1MB)) MB → zip)" | 
        Out-File $logFile -Append
}
"总计释放: $('{0:N2}' -f ($totalFreed/1MB)) MB" | Out-File $logFile -Append

1.2 批量重命名脚本

写一个 Bash 脚本：
- 将 src/ 下所有 .js 文件重命名为 .ts
- 如果同名 .ts 已存在，添加 _migrated 后缀
- 输出重命名映射表到 rename.log
- 只处理文件，跳过目录和符号链接

#!/bin/bash
log="rename.log"
> "$log"
count=0

for file in src/*.js; do
    [ -f "$file" ] || continue
    base="${file%.js}"
    target="${base}.ts"
    if [ -f "$target" ]; then
        target="${base}_migrated.ts"
    fi
    mv "$file" "$target"
    echo "$file → $target" >> "$log"
    ((count++))
done

echo "完成：$count 个文件已重命名"

二、文件批量处理

除了 Shell 脚本，Python 脚本在处理复杂逻辑时更灵活。

2.1 批量替换文件内容

用 Python 脚本批量替换文件中的内容：

写一个 Python 脚本：
- 遍历 source/ 目录下所有 .md 文件
- 将图片链接从旧路径替换为新路径
- 保存到 output/ 目录，保持目录结构
- 输出处理报告

import os
import re

source_dir = "source"
output_dir = "output"
old_base = "/images/old/"
new_base = "/images/new/"
report = []

for root, dirs, files in os.walk(source_dir):
    for file in files:
        if not file.endswith('.md'): continue
        src_path = os.path.join(root, file)
        rel_path = os.path.relpath(src_path, source_dir)
        dst_path = os.path.join(output_dir, rel_path)
        os.makedirs(os.path.dirname(dst_path), exist_ok=True)
        
        with open(src_path, 'r', encoding='utf-8') as f:
            content = f.read()
        
        new_content = content.replace(old_base, new_base)
        changes = content.count(old_base)
        
        with open(dst_path, 'w', encoding='utf-8') as f:
            f.write(new_content)
        
        if changes > 0:
            report.append(f"{rel_path}: 替换了 {changes} 处链接")
        
print(f"处理完成。共处理 {len(report)} 个文件：")
for line in report:
    print(f"  - {line}")

2.2 批量图片压缩

写一个 Python 脚本，批量压缩 source/img 下的图片：
- 支持 jpg/png/webp
- 压缩到指定质量（默认 80%）
- 覆盖原文件前备份到 backup/ 目录
- 输出压缩前后的文件大小对比

AI 会生成完整的图片处理脚本，使用 Pillow 库进行压缩，包含备份机制和进度显示。

三、GitHub Actions + AI 编排

3.1 自动生成 CI 配置文件

为我的 Next.js 项目生成 GitHub Actions CI 配置：
- 分支：main
- 触发条件：push 和 pull_request
- 步骤：Checkout → npm ci → lint → test → build → deploy
- 使用缓存加速

AI 会生成完整的 YAML 文件：

name: CI
on:
  push:
    branches: [main]
  pull_request:
    branches: [main]

jobs:
  ci:
    runs-on: ubuntu-latest
    steps:
      - uses: actions/checkout@v4
      
      - uses: actions/setup-node@v4
        with:
          node-version: 20
          cache: 'npm'
      
      - run: npm ci
      
      - run: npm run lint
      
      - name: Run tests
        run: npm test
      
      - name: Build
        run: npm run build
      
      - name: Deploy
        if: github.ref == 'refs/heads/main' && github.event_name == 'push'
        run: npm run deploy
        env:
          DEPLOY_KEY: ${{ secrets.DEPLOY_KEY }}

3.2 AI 驱动的自动化工作流

在项目代码中，AI 也可以帮你实现业务逻辑的自动化：

每次向 main 分支推送博文时：
1. 自动触发部署
2. 生成变更日志（git log）
3. 预热 CDN
4. 部署失败时发送通知

对应的自动化脚本：

#!/bin/bash
# post-deploy.sh - 部署后的自动化流程

echo "=== 部署后自动化 ==="

# 1. 生成变更日志
echo "## 变更日志 ($(date +%Y-%m-%d))" > CHANGELOG-latest.md
git log --oneline --no-merges HEAD~5..HEAD >> CHANGELOG-latest.md

# 2. 预热 CDN
curl -s -o /dev/null -w "CDN 预热: %{http_code}\n" \
  -X POST "https://api.cloudflare.com/client/v4/zones/$ZONE/purge_cache" \
  -H "Authorization: Bearer $CF_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"purge_everything":true}'

# 3. 健康检查
sleep 10
status=$(curl -s -o /dev/null -w "%{http_code}" https://example.com)
if [ "$status" != "200" ]; then
  # 部署失败，回滚
  echo "健康检查失败 (HTTP $status)，执行回滚..."
  git revert HEAD --no-edit
  npm run build
  echo "已自动回滚，请检查部署"
fi

3.3 AI 生成 Workflow 模板库

场景	Prompt 示例	生成内容
NPM 发布	“每次推 tag 时自动发布到 NPM”	.github/workflows/npm-publish.yml
Docker 构建	“main 分支 push 时构建并推送 Docker 镜像”	.github/workflows/docker-build.yml
自动部署	“PR 合并到 main 后自动部署到 Vercel”	.github/workflows/deploy-vercel.yml
代码检查	“每个 PR 自动运行 lint + test + typecheck”	.github/workflows/pr-check.yml

四、定时任务与监控

4.1 系统健康检查

"""
AI 生成：系统健康检查脚本
每 5 分钟检查 CPU、内存、磁盘、关键进程
超过阈值时发送通知
"""
import psutil
import requests
import json

THRESHOLDS = {
    'cpu': 80,      # CPU 使用率 > 80% 告警
    'memory': 85,   # 内存 > 85% 告警
    'disk': 90,     # 磁盘 > 90% 告警
}

def check_system():
    alerts = []
    
    cpu = psutil.cpu_percent(interval=1)
    if cpu > THRESHOLDS['cpu']:
        alerts.append(f"CPU 使用率 {cpu}% (阈值: {THRESHOLDS['cpu']}%)")
    
    memory = psutil.virtual_memory()
    if memory.percent > THRESHOLDS['memory']:
        alerts.append(f"内存使用率 {memory.percent}% (阈值: {THRESHOLDS['memory']}%)")
    
    for part in psutil.disk_partitions():
        usage = psutil.disk_usage(part.mountpoint)
        if usage.percent > THRESHOLDS['disk']:
            alerts.append(f"磁盘 {part.mountpoint} {usage.percent}%")
    
    if alerts:
        webhook_url = "https://hooks.example.com/alert"
        requests.post(webhook_url, json={"text": "\n".join(alerts)})
    
    return len(alerts)

if __name__ == "__main__":
    alert_count = check_system()
    print(f"检查完成，{alert_count} 个告警")

4.2 定时任务配置

AI 除了生成检查脚本，还能生成对应的定时任务配置（Linux crontab / Windows Task Scheduler）：

为健康检查脚本生成 crontab 配置：
- 每 5 分钟执行一次
- 日志输出到 /var/log/healthcheck.log
- 只保留最近 30 天的日志

# crontab 配置
*/5 * * * * /usr/bin/python3 /opt/scripts/healthcheck.py >> /var/log/healthcheck.log 2>&1

# 日志轮转配置 (/etc/logrotate.d/healthcheck)
/var/log/healthcheck.log {
    daily
    rotate 30
    compress
    missingok
    notifempty
}

五、AI 自动化编程的安全实践

自动化脚本涉及文件操作和系统命令，安全是首要考虑：

原则	说明	实践方法
干运行	先看 AI 计划做什么，再执行	提示 AI 先输出计划再写代码
分步确认	每一步操作都让 AI 展示 diff	Git add -p 逐块审查
回滚机制	确保操作可逆	操作前自动备份或 Git commit
权限最小化	限制脚本的文件和网络权限	指定目录白名单
日志审计	记录所有操作	自动生成操作日志文件

本章小结

• Shell 脚本生成是 AI 最直接的高效工具，复杂脚本秒级生成
• 文件批量处理用 Python 脚本配合 AI 描述，逻辑更灵活
• GitHub Actions 配置可通过 AI 快速生成，覆盖 CI/CD 全部场景
• 定时任务和监控脚本让运维自动化，AI 生成后微调即可使用
• 自动化脚本要注重安全机制（干运行、分步确认、回滚、审计）
• AI 在自动化领域的最大价值是：把”想清楚怎么做”的时间从小时级压缩到分钟级

下一篇进入高级进阶篇——构建 RAG 知识库。