一个制造业采购工程师的真实落地案例：从手工整理 OA 订单，到独立 Python 工具 + 浏览器自动化，全流程零成本本地化运行。
一、背景：重复劳动的痛
我是一家制造业企业的采购工程师，负责机加工打样（铣样/CNC 样件）订单的全流程管理。日常工作链路是这样的：
OA 系统下单 → 导出订单数据 → 手工整理成 Excel 工单 → 打印下发车间 → 归档到共享盘
每天几十条订单，手工整理要花 1~2 小时，而且极易出错：订单号漏抄、数量对不上、归档目录建错月份……这些低级错误流转到车间就是返工和扯皮。
我的诉求很明确：
- 把"导出 → 整理 → 打印"这条链路自动化
- 工具必须零成本运行，不能每次跑都消耗 AI 积分
- 稳定压倒一切，宁可功能少，不能中途崩
二、方案演进：三次迭代，一次比一次省
第一阶段：对话式整理（能用，但费积分）
最开始我是最笨的办法：把订单数据贴给 WorkBuddy 对话，让它帮我整理成 Excel。
能用，但问题很明显：
- 每次对话都消耗积分，一天跑几轮，积分掉得飞快
- 每次都要重新描述一遍需求，格式偶尔还会飘
这个阶段验证了"整理逻辑"是可固化的，但把重复任务交给对话，是最贵的用法。
第二阶段：固化成独立 Python 程序（零成本的关键一步）
我把整理逻辑沉淀成一个独立的 Python 脚本，比如 oa_todo.py：
- 数据整合：读取 OA 导出的订单明细，按固定规则整合
- 模板套打：基于固定 Excel 模板生成工单，直接打印下发车间
- 自动归档：生成的文件按
年.月目录结构归档到 Z 盘共享盘，并追加到年度总案表 - 容错设计：Z 盘不可写时（比如 VPN 断了）静默跳过归档，不报错中断主流程——打印工单才是最优先的
再配一个 .bat 启动器放桌面，双击直接跑源码，不需要打包 exe，不需要 AI 参与，零积分消耗。
这一步的经验是：和 WorkBuddy 对话的目的，是把"你怎么做这件事"沉淀成代码，而不是让 AI 每次替你做。一次投入，之后每次运行都是免费的。
第三阶段：agent-browser 处理 OA 待办（全自动闭环）
整理环节自动化后，剩下最费人工的就是 OA 系统里的待办操作——采购工程师确认、执行制样这些点击流程。
这一步用 WorkBuddy 的 agent-browser + Playwright 能力解决：
- 自动登录 OA（one.jomoo.com 这类内网系统也可以）
- 自动遍历待办列表，识别"采购工程师确认/执行制样"类任务
- 结合前面固化的脚本，形成"抓取待办 → 整理数据 → 生成工单 → 打印 → 归档"的完整闭环
订单号规范也在这个阶段统一了：YPCG-YYYYMM-NNNN+负责人+日期，机器生成、机器校验，再也不会抄错。
三、核心心得：3 条反直觉的经验
1. 重复任务不要用对话跑，要固化成资产。 对话消耗积分，且每次结果有波动；脚本一次写成，终身免费、结果稳定。WorkBuddy 在这里的价值是"帮你写脚本的那个工程师"，而不是"每次替你干活的临时工"。
2. 模板和路径要硬编码固化。 Excel 模板路径、归档目录规则（Z:\...\YYYY.MM\）、总案表文件名，这些全部写死在配置里。看似不灵活，实际是稳定性的来源——车间和归档盘最怕的就是"这次格式和上次不一样"。
3. 容错优先级要想清楚。 我的原则是：打印工单 > 归档 > 总案表。所以归档失败只跳过不报错，保证核心动作永远完成。自动化工具一旦经常中途崩，人就再也不敢用它了。
四、效果
- 每天订单整理时间：约 2 小时 → 5 分钟
- 整理错误率：基本归零（订单号、数量全部机器生成校验）
- 运行成本：0 积分（脚本本地跑，只有迭代时才需要 AI 参与）
- 积分只花在刀刃上：新需求开发、疑难 bug 排查
五、写在最后
WorkBuddy 对我最大的价值不是"聊天"，而是把我这个不懂编程的业务工程师，变成了能给自己写工具的人。从想法到能用的工具，中间隔的不是技术，是一个愿意陪你把需求聊清楚、把代码写出来、把坑踩平的搭档。
如果你也有每天重复 2 小时的手工活，建议从这一件开始：让 AI 帮你把它变成脚本。第一天就能看到回报。