内部运营自动化
VROF 将与提供给客户同等水平的自动化应用于内部业务,每天运营并验证。从网站检查、判断到晨报全部自动处理,人只需阅读早上 8 点收到的报告并确定优先级。
每天自动运行 10 次 · 六个环节中 AI 负责 2 个 · 人工参与 1 个
从夜间检查到 AI 会议、晨报和结算核对,均由自动化处理。
每天三次检查八个网站、阅读结果并挑出变化、撰写八项经营报告, 这些工作已全部自动化。 其中也包括接收二十六家客户的结算单并编制开票台账, 原本一个人要做一整天的工作,缩短到 1 小时。
由人负责的工作只有 阅读早上 8 点收到的报告、确定优先级 这一项。六个环节中的其余部分均在夜间自动完成。
我们将与提供给客户结构相同的自动化系统 引入内部业务,每天运营。 之所以先在内部验证, 是因为自动化即使失败,画面看起来也一切正常。 记录和列表照常显示,只是新数据不再增加,这种状态仅凭画面无法发现。
VROF 确认的不是“是否已安装”,而是 “今天是否已送达”。每次运行都会记录一行成败结果,一旦中断,会在第二天的晨报中优先标出。为客户构建的系统也采用同样的结构。
这套自动化为内部业务设计和运营,因此与客户案例分开介绍。
从检查到决策,每天按一个周期运行。
各系统不是独立的任务,而是连成一个周期。 检查 → 判断 → 汇总 → 报告为一个周期,每天在同一时间重新开始。
每个环节都标注了 “风险点”,即该环节如果不这样设计会出现的问题。实际案例和数据见循环下方的三个部分。
标记说明:空心方形标记代表规则,实心标记代表判断主体
- 规则 按预先设定的规则处理,相同输入始终得到相同结果
- AI 负责规则难以处理的定性判断,即凌晨会议的判定和晨报开头的一句话
- 人 阅读收到的报告,确定工作优先级
-
检查
07:50 · 12:50 · 18:50
对八个网站各重新检查最多十二项,只挑出与前一天结果不同的项目
规则
-
判断
05:00
七个不同角色的 AI 阅读检查结果并各自判定。三十个角色定义中,有七个参加此会议
AI
风险点 如果不重新审视前一天的建议,就无法区分清单变长与工作得到处理
参加此会议的七个角色,全部是 AI,没有人出席
- 搜索曝光 从网站结构和关键词中找出可提升搜索曝光的地方
- 指标分析 分析前一天建议的效果和用户流失环节
- 内容 策划符合搜索需求的内容
- 技术判定 判断技术可行性与所需工作量
- 初稿 仅将已确定的策划写成初稿
- 审核 核对五个角色的产出是否与实际相符、数值之间是否一致
- 汇总 将五个角色的判定汇总为一份,作为晨报发送
-
监控
05–07
每 10 分钟确认一次进度
规则
风险点 如果日程和判定都由 AI 负责,进度也只能依赖 AI 的报告
-
汇总
07:30
汇总会议结果。是否完成以当天核实的数值为准,而不是会议内容;须在晨报前完成,才能纳入当天的报告
规则
风险点 如果直接采信会议的“已处理”标记,记录会不断累积,实际却没有处理
-
报告
08:00
变化内容和优先事项汇总在一份报告中。数值、分类和优先标记由规则确定,AI 只撰写开头的一句话
规则 AI 一句话
风险点 如果连数值解读也交给 AI,句子和格式看似正常,数字却可能出错,而且不会出现任何错误提示
-
决策
收到报告后
阅读收到的报告,确定工作优先级。需要人参与的环节只有这一个
人
之后回到检查环节,开始下一个周期
六个环节中,由 AI 负责的有两个。 检查、进度确认、汇总和报告整理全部由规则处理, 因为这些是相同输入必须得到相同结果的环节。AI 只用于规则难以处理的定性判断,即凌晨会议的判定和晨报开头的一句话。 报告不由 AI 撰写。 八项内容的数值、完成项与定期项的区分、优先标记,全部由规则确定。
在一个周期中, 需要人参与的只有最后一个环节。检查、判断、汇总和发送都不需要等人。 修正工作没有自动化。检查只做查询,不改动对象。因为核实的一方一旦改动对象,之后的数值就不再可信。因此,早上收到的不是已修正的结果,而是 整理好待修正事项的报告。
人修正的内容会直接反映在下一轮检查中。 在一个网站上新增面向搜索引擎的网站所有者验证标记后,即使没有另行告知,该项也出现在了下一轮检查的“变化项目”列表中(2026-08-09)。
循环之外的其他任务
- 07:30 客户结算单汇总与核对
- 09:00 · 15:00 · 21:00 扶持项目公告采集
循环的七轮加上以上三项任务,每天共运行 10次。07:30 的会议结果汇总与结算单核对在同一轮中运行。
VROF 每天重新核实 AI 报告的“已处理”。
AI 每天都会给出答案, 但不会告诉您这些答案是否真正得到落实。 没有错误,产出每天照常累积,因此往往过了几个月才开始追问成果。
VROF 设置了对建议实际处理情况 进行自动标记的机制,并每天执行重新审视前一天建议的流程。不仅核实建议, 还会在下一轮再次核实该标记是否正确。
如果只设置自动标记“已处理”的机制,就不会再有人核实这个机制本身是否正确。 被标记为已处理、实际却未落实的条目混入其中, 形成未完成却看似已完成的状态。没有错误也没有警告,从日志看反而最正常。VROF 的系统中也曾有九项中五项不符, 重新审视前一天建议的流程在下一轮发现了这些问题。
-
会前审视前一天的建议
将往期建议及其后续变化放在会议资料最前面,避免会议在不了解前一天讨论内容的情况下开始。
-
会议记录标准格式
仅有成段文字,第二天无法对照,因此每项建议都在固定栏位中写明核实什么、由谁核实、为什么、用什么核实。
-
以日志评估代替评分表
建议、发言和处理时间记入日志,成果从日志中计算。设置评分表会让工作偏向提高分数,AI 的这种倾向更强。
-
仅在有往期建议时判定
前一天没有建议时,判定栏留空。如果要求必须填写,AI 会编造没有依据的内容。
原则是“只依据核实的数值判定完成”, 每项建议是否满足条件都会如实留在日志中。 未满足的建议也一并记录,避免事后夸大结果。
最近的会议记录中有这样的内容。对于某个下降的数值,记录写着 未将其解读为成功或失败,并归类为“无原因记录”。对于上升的数值,也写着 未断定为“搜索成功”,理由是尚未区分流入渠道。 VROF 的设计是让“不知道”如实记录下来。 这样,在真正改善时,报告才值得信赖。
2026年8月23日的会议是第12次, 新建议 4 项,往期建议判定 27 项。审视往期建议的比重是新建议的六倍以上,而该轮自行记录的完成数为 0 项。 不允许 AI 自行标记“完成”,完成栏就会显示 0,这才是准确的数字。 比起显示“完成 12 项”的日志, 显示 0 的日志更值得信赖。
经营报告中的数值由规则确定。
AI 会按指示撰写文字,但在此过程中 数字可能被改动。 例如“缺额 ○○韩元”究竟是某一天所需的金额,还是整个结算周期的合计,仅凭报告无法判断。
实际上,VROF 的报告中曾把合计数误读为某一天的所需金额, 膨胀到将近四倍。 解决办法不是“更好的模型”。 判断环节与照录环节不分开,同样的问题就会反复出现,这才是关键。VROF 先明确这一区分,再开始构建。
-
按原始数据分类
已完成项、每月自动处理的定期项、非实际业务的归并条目,均依据现有数据中的字段区分。报告中显示的项目都能在原始数据中找到。
-
部分查询失败时仍发送报告
未能确认的项目在报告开头标出,不会因一处错误而缺失当天的整份报告。
以下是提供给 AI 的指令原文
- 不要新增或改动任何数字与条目
- 一个字都不要改,原样照录。不要概括、不要合并、也不要删减
- 不要重新计算金额,不要编造筹资方式,也不要断言已经转账
- 不要添加原始数据中没有的新闻、市场展望或业务构想
指令中还有这样一行。 这是这个系统中最重要的一句话。
如果出现“查询失败”,该条目所填充那一节的数值不按“没有”处理,而按“未能查看”处理。
“没有要支出的款项”与“未能确认要支出的款项”,意思完全不同。 如果两种状态用同样的形式表示,就无法判断平静的早晨是否真的可以放心。必须在生成报告的环节先加以区分。
AI 撰写的一句话是“今天应该先处理什么”。 同时提供优先级标准:有外部固定期限的工作最优先,延误会产生滞纳金的工作安排在上午,带来现金收入的工作其次,没有外部期限的开发排在最后。 这种判断很难用规则确定。 因为答案会随当天叠加的工作而变化。
检查系统本身的中断也要确认。
检查只有在执行时才能报告结果。 因此,在服务器整体停机的早晨, 所有检查都没有动静。 没有任何警告,画面和报告看起来都正常。实际上曾有一天早上整整六个小时缺失,那段时间的任务全部遗漏,却没有任何一项提示异常。
“没有收到通知”与“没有需要通知的事”看起来一样,这是引入自动检查的企业最晚发现的问题。
-
按时段统计运行记录
在各项检查之外,另按时段统计运行次数,确认哪个时段发生了中断。无法读取时不记为 0,而记为“未能读取”。
-
在报告中写明确认范围
在该项末尾注明以下文字。
这一节无法发现 08:00 报告本身的失败。报告完全没有送达的那一天,就是信号。
因此,对贵公司而言,“没有收到晨报”这件事本身就是最重要的警告。 了解这一点,就不会误判平静的早晨。
内部运营自动化主要案例
循环的第一个环节和循环之外的 07:30 任务,分别作为案例介绍。由于是内部系统,没有公开网址,取而代之刊登了 用模拟数据重建的画面以及工具直接记录的数值。
将在内部验证过的自动化结构应用于客户业务。
分散在多个系统中的数据,每天早上汇成一份报告送达。仓库库存、应收账款、前一天销售额、夜间自动化是否运行等, 对象不同,结构相同。
把工作交给 AI,建议会不断累积,但是否执行需要另行确认。VROF 构建的是 重新审视前一天建议的结构。无论负责领域是五个还是十个,都以同一结构扩展,并防止只挑选有利数字的报告。
此外, AI 生成的数字不会混入经营判断。 因为数值、分类和筛选全部由规则确定。 我们不制作无法回答“这个数字从哪里来”的报告。

