我的工作日常大概是这个样子：早上到工位，打开Outlook，30+封未读邮件等你筛选；上午写两小时代码，被"请查收""麻烦确认"打断四次；下午盯着GitHub看有没有新的量化项目值得关注；下班前花20分钟回忆今天到底干了啥，写日报。
一天下来，真正写代码的时间不到4小时。
我受够了。于是我用 Hermes Agent（一个开源本地AI Agent框架）+ WSL2 + 微信，搭了一套7×24小时自动化系统。现在我的工作流是这样的：邮件有人帮我筛、日报有人帮我写、服务挂了有人帮我盯、技术动态有人帮我追。
今天把整个搭建过程和踩坑经验完整分享出来，代码都是真实在跑的。
整体架构：一句话说明白
scss
┌──────────────────────────────────────────────────┐
│ WSL2 (Ubuntu) │
│ │
│ ┌─────────────────────────────────────────────┐ │
│ │ Hermes Agent v0.10.0 │ │
│ │ ┌─────────┐ ┌──────────────────────────┐ │ │
│ │ │ Cron │ │ Python Scripts │ │ │
│ │ │ 调度器 │──│ ├─ 邮件监控 (每15min) │ │ │
│ │ │ │ │ ├─ 工作日报 (18:00) │ │ │
│ │ │ │ │ ├─ 服务健康监控 (每5min) │ │ │
│ │ │ │ │ └─ 技术动态追踪 (每天) │ │ │
│ │ └─────────┘ └──────────┬───────────────┘ │ │
│ └──────────────────────────┼──────────────────┘ │
│ │ │
└──────────────────────────────┼──────────────────────┘
│
┌──────────┴──────────┐
│ 消息通道 │
│ 微信 / 飞书 │
└──────────┬──────────┘
│
📱 你的手机核心就三层：WSL2跑Agent → Agent调度Python脚本 → 脚本把结果推送到微信/飞书。
你的手机就是整个系统的控制台和通知中心。
环境准备：10分钟搞定
我选择WSL2而不是直接装Linux，是因为公司电脑是Windows，WSL2可以无缝共享网络和文件系统，同时提供完整的Linux开发环境。
bash
# 安装Hermes Agent（假设已安装Python 3.11+）
pip install hermes-agent
# 初始化工作目录
mkdir -p ~/.hermes/scripts
cd ~/.hermes
# 安装核心依赖
pip install msal requests playwright
playwright install chromium
# 如果需要中文截图（我踩过这个坑，后面细说）
sudo apt install fonts-wqy-zenheiHermes的配置文件 ~/.hermes/config.yaml 长这样：
yaml
# ~/.hermes/config.yaml - 核心配置
version: "0.10.0"
agent:
name: "my-workflow-agent"
model: "glm-5-turbo" # 智谱GLM，国内访问无障碍
provider: "zai"
channels:
weixin: # 微信消息通道
enabled: true
feishu: # 飞书消息通道（备用）
enabled: true
cron: # 定时任务配置
enabled: true
timezone: "Asia/Shanghai"四个自动化任务，从刚需到惊喜
任务1：企业邮件实时监控（每15分钟）
为什么做：我的Outlook每天收50+封邮件，其中70%是系统通知、Jira更新、CI/CD构建结果。真正需要我处理的人类邮件每天大概15封，混在里面很难找。
怎么做 ：公司用的是企业Azure AD，限制普通用户注册应用。官方文档推荐的Client Credentials Flow根本走不通------我没有权限创建App Registration。最后用 Device Code Flow + Office公共客户端ID 绕过：
python
# ~/.hermes/scripts/ms365_email_auth.py
import msal
import requests
import json
from datetime import datetime, timedelta
OFFICE_CLIENT_ID = "d3590ed6-52b3-4102-aeff-aad2292ab01c"
SCOPES = ["Mail.Read"]
TOKEN_FILE = "~/.hermes/.ms365_token.json"
def get_access_token():
"""Device Code Flow认证 - 不需要App Registration"""
app = msal.PublicClientApplication(
OFFICE_CLIENT_ID,
authority="https://login.microsoftonline.com/common"
)
# 先尝试从缓存读取
accounts = app.get_accounts()
if accounts:
result = app.acquire_token_silent(SCOPES, account=accounts[0])
if result and "access_token" in result:
return result["access_token"]
# 缓存失效，走Device Code Flow
flow = app.initiate_device_flow(scopes=SCOPES)
print(f"在浏览器打开: {flow['verification_uri']}")
print(f"输入代码: {flow['user_code']}")
# 这里会阻塞，直到用户在浏览器完成认证
result = app.acquire_token_by_device_flow(flow)
return result["access_token"]
def fetch_human_emails():
"""只获取人类发送的邮件，过滤系统通知"""
token = get_access_token()
headers = {"Authorization": f"Bearer {token}"}
# 查询最近15分钟的邮件
since = (datetime.utcnow() - timedelta(minutes=15)).strftime("%Y-%m-%dT%H:%M:%SZ")
url = (f"https://graph.microsoft.com/v1.0/me/messages?"
f"$filter=receivedDateTime ge {since}&$select=subject,from,receivedDateTime")
resp = requests.get(url, headers=headers)
emails = resp.json().get("value", [])
# 过滤规则：排除常见系统发件人
system_keywords = ["noreply", "notification", "jira", "jenkins", "github"]
human_emails = [
e for e in emails
if not any(kw in e["from"]["emailAddress"]["address"].lower()
for kw in system_keywords)
]
return human_emails第一次运行时，终端会打印一个链接和验证码。你在浏览器打开、登录企业账号、授权，就完事了。Token会缓存到本地，过期后自动刷新。
效果：每15分钟检查一次，只有人类邮件才推送到微信。从每天被打断20次，降到真正需要处理时才收到通知。
任务2：每日工作总结（18:00准时推送）
为什么做：写日报是我最讨厌的事。每天18:00要花15-20分钟回忆今天干了啥，然后组织语言。既然邮件记录了我的大部分工作，为什么不AI自动生成？
怎么做：Hermes的cron调度器 + 时间守卫 + 邮件分析 + 微信推送。
python
# ~/.hermes/scripts/time_guard_18.py
"""时间守卫：确保任务只在18:00-18:10之间执行
防止cron重试或时钟漂移导致任务在错误时间运行"""
from datetime import datetime
def check_time_window():
now = datetime.now()
if not (18 <= now.hour <= 18 and 0 <= now.minute <= 10):
print(f"当前时间 {now:%H:%M} 不在执行窗口内，跳过")
return False
return True
python
# ~/.hermes/scripts/daily_summary.py
"""分析当天邮件，生成工作日报，推送到微信"""
from ms365_email_auth import fetch_human_emails
import json
def generate_daily_report():
if not check_time_window():
return
# 获取当天所有人类邮件
emails = fetch_today_emails()
if not emails:
msg = "📝 今日工作日报\n\n今天没有收到人类邮件，应该是专注写代码的一天 💻"
else:
# 用AI总结邮件内容，提取工作要点
email_summary = "\n".join(
f"- {e['subject']} (来自 {e['from']['emailAddress']['name']})"
for e in emails
)
prompt = f"根据以下邮件主题列表，用简洁的中文生成今日工作日报（3-5条要点）：\n{email_summary}"
# 调用Hermes的AI能力生成摘要
report = hermes_ai_call(prompt)
msg = f"📝 今日工作日报\n\n{report}"
# 推送到微信
hermes_send_weixin(msg)效果：每天18:00准时收到微信推送的工作日报。准确率大约85%，有时候会漏掉口头沟通的工作（毕竟它只能看到邮件），但对于一个自动生成的日报来说，已经很能打了。
任务3：服务健康监控（每5分钟）
为什么做：我搭了好几个定时任务和Web服务，但有一次某个服务挂了整整两天我才发现------因为它不会主动告诉你它挂了，只有用到的时候才报错。我需要一个"监控的监控"。
怎么做：一个轻量级健康检查脚本，定时探测目标服务，连续异常时才告警（避免单次网络波动误报）。
python
# ~/.hermes/scripts/health_monitor.py
"""服务健康监控 - 连续3次失败才告警，避免误报"""
import requests
import json
from pathlib import Path
STATE_FILE = Path.home() / ".hermes" / "data" / "health_state.json"
# 需要监控的服务列表
SERVICES = {
"Hermes网关": "http://localhost:8080/health",
"公司内部系统": "https://internal.company.com/api/ping",
"个人博客": "https://myblog.com",
}
def check_service(name, url):
"""检测单个服务是否可达"""
try:
resp = requests.get(url, timeout=10)
return resp.status_code == 200
except Exception:
return False
def run_health_check():
state = json.loads(STATE_FILE.read_text()) if STATE_FILE.exists() else {}
alerts = []
for name, url in SERVICES.items():
ok = check_service(name, url)
fail_count = state.get(name, 0)
state[name] = 0 if ok else fail_count + 1
# 连续3次失败才告警
if state[name] == 3:
alerts.append(f"🔴 {name} 连续3次不可达: {url}")
elif state[name] == 0 and fail_count >= 3:
# 恢复了也通知一声
alerts.append(f"✅ {name} 已恢复正常")
STATE_FILE.write_text(json.dumps(state, indent=2))
if alerts:
msg = "🏥 服务健康报告\n\n" + "\n".join(alerts)
hermes_send_weixin(msg)效果：这个脚本跑了一个月，帮我提前发现了两次WSL内存不足导致的服务假死。有了它我才放心地把其他自动化任务全权交给系统跑。
任务4：技术动态追踪（每天早上）
为什么做：技术圈信息爆炸，我关注了20多个技术博客和GitHub项目，但经常错过重要更新。尤其是GitHub上关注的仓库发新版本了，或者常看的博客出了深度文章，靠手动刷根本刷不过来。我需要一个"AI版技术秘书"，每天帮我过滤噪音、提炼重点。
怎么做：维护一个关注列表（GitHub仓库 + RSS源），cron每天早上抓取更新、用AI总结、推送精华摘要。
python
# ~/.hermes/scripts/tech_tracker.py
"""技术动态追踪 - 抓更新、AI总结、推微信"""
import json
import requests
from pathlib import Path
from datetime import datetime, timedelta
WATCH_FILE = Path.home() / ".hermes" / "data" / "watchlist.json"
# 关注列表：GitHub仓库 + 博客RSS
WATCHLIST = {
"github": [
{"owner": "vercel", "repo": "next.js", "note": "Next.js主框架"},
{"owner": "anthropics", "repo": "claude-code", "note": "Claude Code CLI"},
],
"blogs": [
{"name": "阮一峰的网络日志", "url": "https://www.ruanyifeng.com/blog/atom.xml"},
{"name": "Dan Abramov", "url": "https://overreacted.io/rss.xml"},
]
}
def check_github_updates():
"""检查GitHub仓库是否有新Release"""
updates = []
for item in WATCHLIST["github"]:
url = f"https://api.github.com/repos/{item['owner']}/{item['repo']}/releases/latest"
try:
resp = requests.get(url, timeout=10)
data = resp.json()
published = data.get("published_at", "")
# 只关注最近24小时的更新
if published and (datetime.now() - datetime.fromisoformat(published.replace("Z","+00:00"))) < timedelta(hours=24):
updates.append(f"📦 {item['note']} 新版本: {data.get('tag_name', '')}\n {data.get('body', '')[:100]}...")
except Exception as e:
updates.append(f"⚠️ {item['note']} 检查失败: {e}")
return updates
def summarize_updates(updates):
"""用AI总结技术动态"""
if not updates:
return None
prompt = f"""以下是今天的技术动态更新，请用中文生成简洁摘要（每条1-2句话，突出重要性）：
{chr(10).join(updates)}
格式：
🔥 重点更新（1-3条）
📋 其他动态"""
return hermes_ai_call(prompt)
def run_tech_tracker():
updates = []
updates.extend(check_github_updates())
# RSS博客抓取类似，此处省略
summary = summarize_updates(updates)
if summary:
hermes_send_weixin(f"📡 今日技术动态\n\n{summary}")效果：每天早上9点，微信收到一份精炼的技术动态摘要。再也不会错过Next.js大版本更新或者关注博主的新文章了。AI帮我把20+信息源压缩成3-5条要点，阅读时间从30分钟降到了2分钟。
踩坑实录：生产环境不骗人
上面讲的都是跑通后的样子。实际上，这套系统我前前后后折腾了两周，踩了5个大坑。每个坑都让我浪费了半天到两天不等。
坑1：微信消息投递超时（最坑的）
现象：cron任务日志显示一切正常执行，但微信始终没收到任何消息。任务跑了好几天，我完全没收到报告，还以为系统在工作。直到某天手动检查日志才发现报错。
原因 ：错误信息是 Timeout context manager should be used inside a task。这是因为cron任务的执行上下文和异步消息投递的event loop冲突了。cron在同步线程里执行，而微信通道投递需要async上下文。
解决方案：
python
# 错误写法 - cron线程里直接调用
def cron_job():
hermes_send_weixin(message) # 💥 TimeoutError
# 正确写法 - 用asyncio包装
import asyncio
def cron_job():
asyncio.run(hermes_send_weixin(message))这个坑教会我一件事：定时任务"执行成功"和"消息送达"是两回事。一定要加监控确认。
坑2：/tmp文件丢失
现象：WSL重启后，定时生成文章的任务突然停止工作。
原因 ：我把系列文章的计划文件存在了 /tmp/article-series-plan.md。WSL重启后 /tmp 被清空，计划文件没了，依赖这个文件的后续任务全部失败。
解决方案 ：所有持久化数据迁移到 ~/.hermes/data/ 目录。
bash
# 错误 ❌
PLAN_FILE = "/tmp/article-series-plan.md"
# 正确 ✅
DATA_DIR = Path.home() / ".hermes" / "data"
DATA_DIR.mkdir(parents=True, exist_ok=True)
PLAN_FILE = DATA_DIR / "article-series-plan.md"这条规则现在刻在我的DNA里：持久化数据绝对不进 /tmp。
坑3：企业Azure AD限制
现象 ：Microsoft Graph API认证一直失败，报 AADSTS650053: The app is not pre-authorized。
原因：公司Azure AD管理员限制了普通用户注册应用，只允许管理员创建的App Registration。微软文档示例里用的Graph API Explorer的Client ID在我们环境不可用。
解决方案：使用Office的公共客户端ID（这是微软预置的，任何Azure AD租户都能用），配合Device Code Flow：
python
# 关键：用Office公共客户端ID，不用Graph Explorer的
OFFICE_CLIENT_ID = "d3590ed6-52b3-4102-aeff-aad2292ab01c"
app = msal.PublicClientApplication(
OFFICE_CLIENT_ID,
authority="https://login.microsoftonline.com/common"
)
# Device Code Flow - 用户在浏览器手动授权，不需要管理员审批
flow = app.initiate_device_flow(scopes=["Mail.Read"])坑4：Zscaler代理拦截
现象：在公司的Windows上能正常访问的网站，在WSL里全部超时。GitHub raw内容、Google、DuckDuckGo全部403或连接超时。
原因：公司网络走Zscaler安全代理，WSL的网络栈和Windows的代理配置不互通。
解决方案：
bash
# ~/.bashrc 添加代理配置
export http_proxy="http://your-company-proxy:port"
export https_proxy="http://your-company-proxy:port"
export no_proxy="localhost,127.0.0.1,.internal.company.com"如果不想全局走代理（会拖慢本地服务），可以只对特定域名配置：
bash
# 只对被拦截的域名走代理
export no_proxy="*"
# 在Python脚本里按需使用代理
proxies = {"https": "http://company-proxy:port"}
requests.get("https://raw.githubusercontent.com/...", proxies=proxies)坑5：WSL中文字体缺失
现象：用Playwright截图时，所有中文都是方块 □□□□。
原因：WSL默认没有安装中文字体。
解决方案：一行命令搞定：
bash
sudo apt update && sudo apt install -y fonts-wqy-zenhei
# 安装后清除Playwright字体缓存
rm -rf ~/.cache/ms-playwright/总结和思考
这套系统跑了一个月，最大的感受是：自动化不是省时间，是省注意力。省下的时间你可能又去刷手机了，但省下的注意力是实打实的------我现在能连续写2小时代码不被打扰，这在以前是不可能的。
但也有明显的局限性：
-
单点故障风险高。整个系统跑在一台WSL上，Windows更新重启WSL就全挂了。生产级方案应该跑在独立服务器上，配合systemd做进程守护。
-
邮件监控覆盖率有限。目前只能看到邮件，微信、飞书、Slack里的沟通记录是盲区。如果能接入飞书消息API做统一的"工作流感知层"，会强很多。
-
GitHub API有速率限制。未认证请求每小时60次，如果关注列表太大会被限流。解决方案是用Personal Access Token认证，额度提升到5000次/小时。
-
安全边界需要明确。企业邮件数据走本地，不上传第三方（除了必要时的AI推理），这个底线不能破。
下一步计划：给这套系统加一个异常告警机制------如果某个定时任务连续3次执行失败，通过飞书机器人告警。毕竟，"跑了好几天发现消息根本没发出去"这种事，我再也不想经历了。
📌 关注我，「AI工具提效实战指南」系列持续更新。下一篇聊聊：AI编程的真实效率到底提升了多少？我用数据说话。