周报最费时间的，常常是找数。

Anthropic 营销运营团队的 Ian Chan，以前每周要花1到2天整理营销指标。数据有的在看板里，有的在数据仓库，有的只躺在 Slack 消息或会议记录中。后来，他和负责活动运营的 Annabel Custer 把几天的手工活压到几小时。他们把找数、核数、定口径和出稿拆成了几段。

他们的周报流程很具体。周日晚上，定时任务读取上周周报、最新会议记录和销售团队关注点，再查询数据仓库，留下指标表和几个可能的重点。周一早上，Ian 先看初稿，确认这一周到底该讲什么，再让 AI 补支撑细节、生成领导汇报页，后续动作转成 Asana 任务。

核验最容易被忽略。数字对不上时，AI 会标出差异，请 Ian 决定口径。整个流程还分成准备、校对、行动项3种技能，其中校对要把草稿里的每个数字追到已验证来源。这一步看着慢，却是周报能自动跑的前提。

把这套方法搬到自己的周报里，可以先写清5件事：数据从哪里来，字段怎么对应，出现差异时谁裁决，哪些变化需要解释，最后由谁批准。一上来就让 AI 「根据这些资料写周报」，等于把一堆散乱抽屉推给一个速度很快的新同事。

团队还小时，不必一口气接完所有系统。可以先拿一份固定周报试跑：只接两个稳定数据源，保留上周版本和原始出处，遇到差异就停下来问人，发布前由负责人签字。用 Claude、DeepSeek 或表格脚本都行，省时来自流程被写清。跑两周以后，再把反复出现的修正写成规则。

Annabel 的活动流程也用了同样的思路：一个智能体跨系统搭建，另一个带着全新上下文做审计，提交测试注册、检查确认邮件，最后仍由她本人看结果。人从反复点系统中抽身，把时间用在验证和改流程上。

他们省下了1到2天，也没有把判断一起外包。AI 先找、先拼、先查，人来定口径，这样的周报才敢按周自动跑。

#马力的AI知识分享#
#马力在记录AI领域500位大佬的分享#