自动化与工作流

你可能遇到过这种情况

每周五下午，你都要做同样的事：

检查本周所有会话，看看改了哪些文件
跑一遍测试，确保没有回归
检查是否有未提交的代码
写周报——总结本周进展

每次都要手动提醒 AI 做这些事。有时候忘了，周一回来发现上周五的改动没提交。

💡 AI 能做事，但它不会“主动“做事。它需要你告诉它“现在该做什么“。

两件工具：Scheduler 和 Workflow

pi-scheduler — 定时任务

Scheduler（调度器）让 AI 在指定的时间做指定的事：

定时触发
     │
     ▼
┌──────────────────┐
│  注入预设消息      │
│  "现在是周五下午，  │
│   请执行周度检查"  │
└──────────────────┘
     │
     ▼
  AI 自动执行

支持的定时类型：

类型	说明	示例
一次性	指定时间后触发一次	“30 分钟后提醒我开会”
重复	按固定间隔重复触发	“每 2 小时检查一次测试”

pi-workflow — 子代理编排

Workflow（工作流）让 AI 把复杂任务拆成多个子代理并行执行：

主代理："研究一下 XXX 的最佳实践"
     │
     ├──→ 子代理 1：搜索网页资料
     ├──→ 子代理 2：搜索 GitHub 源码
     └──→ 子代理 3：搜索历史会话
          │
          ▼
     主代理：综合三个子代理的结果，给出建议

子代理是独立的执行环境：

有自己的上下文窗口（不会污染主会话）
有自己的工具集（可以限制权限）
执行完返回结果给主代理

实际案例：自动周报

配置每周五的自动检查

{
  "action": "create",
  "interval_ms": 604800000,
  "recurring": true,
  "prompt": "现在是周五下午。请执行以下检查：\n1. 用 session_search 查看本周所有会话\n2. 用 session_analyze summary 总结每个会话\n3. 检查 git status 是否有未提交的改动\n4. 汇总生成周报并写入 .pi/journal/weekly-summary.md\n5. 提醒用户提交未提交的代码"
}

每周五，AI 会自动：

搜索本周所有会话
逐个生成摘要
检查 git 状态
生成周报
提醒你提交

定时提醒的日常使用

用户："30 分钟后提醒我看看 CI 的结果"
AI：✅ 已创建定时任务，30 分钟后提醒

... 30 分钟后 ...

AI：⏰ 提醒：该检查 CI 结果了。当前时间 15:30。

实际案例：子代理研究

场景：调研一个新技术的最佳实践

你说：“调研一下 Bun 和 Node.js 的性能差异，给我一个选型建议。”

AI 启动研究工作流：

🔬 研究工作流启动

子代理 1（搜索专家）：
  → 搜索 "Bun vs Node.js performance benchmark 2026"
  → 找到 5 篇技术文章
  → 提取关键数据点

子代理 2（源码专家）：
  → 搜索 Bun 的 GitHub 仓库
  → 查看 benchmark 目录
  → 查看 issue 中的性能讨论

子代理 3（历史专家）：
  → 搜索本项目历史会话
  → 看看之前有没有讨论过类似选型

─────────────────────────

主代理综合报告：

📊 Bun vs Node.js 选型建议

1. 性能对比：
   - HTTP 吞吐：Bun 快 3-4x
   - 启动时间：Bun 快 5x
   - npm 兼容性：Node.js 更好（Bun 95% 兼容）

2. 本项目建议：继续用 Node.js
   - 理由：项目依赖了多个 Node.js 原生模块
   - Bun 的兼容性问题可能导致额外维护成本
   - 性能差异对本项目影响不大（IO 密集型）

子代理的优势

特性	单代理（普通对话）	多代理（Workflow）
上下文隔离	所有信息混在一起	每个子代理独立
并行执行	串行，一个一个来	可并行搜索
错误隔离	一个环节出错影响全局	子代理出错不影响其他
Token 效率	所有信息都在主上下文	只有最终结果回到主上下文