用 AI 写自动化脚本：不会编程也能让电脑自己干活（2026）

每个月固定那两天，你要把十几个 Excel 合并成一张报表；每周要把服务器日志下下来筛一遍；每天要把微信收到的几百张图片按日期分文件夹。这些活儿的共同点是：规则很清楚、重复、且极其消耗人。用 AI 写自动化脚本，正是把这类活儿交出去的最快路径——你不需要学会编程，只需要学会把需求说清楚，剩下的代码让 AI 写。这篇文章从零开始，讲清楚环境怎么装、需求怎么描述、脚本怎么让它每天自己跑起来。

为什么这类活儿最适合交给 AI

做一个 App 或者网站，AI 要理解产品逻辑、界面交互、用户状态，出错的地方很多。但自动化脚本不一样：输入明确（一个文件夹、一张表）、输出明确（另一个文件、一封邮件）、没有界面、没有用户。这是 AI 目前成功率最高的任务类型之一——而且它错没错，你打开结果文件一眼就能看出来，验证成本极低。

更重要的是投入产出比。一个每月省你 3 小时的脚本，让 AI 写出来可能只要 20 分钟。哪怕来回改三轮，第一个月就回本了。

准备工作：装 Python 和 uv（约 3 分钟）

自动化脚本首选 Python，因为处理 Excel、Word、PDF、图片的现成库最全，AI 对它也最熟。装环境这一步过去劝退了很多人，现在有了 uv 就简单多了——它是 Rust 写的包管理工具，能顺带帮你把 Python 本身也装好，不用再纠结版本和虚拟环境。

# Windows：在 PowerShell 里执行
powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

# 装完关掉窗口重开一个，验证一下
uv --version

# macOS / Linux：在终端里执行
curl -LsSf https://astral.sh/uv/install.sh | sh

uv --version

之后跑脚本统一用 uv run，它会自动准备好环境，你不用手动激活任何东西。更省事的是，可以把依赖直接写在脚本文件开头（PEP 723 内联依赖格式），uv 第一次运行时会自动装好：

# /// script
# dependencies = ["openpyxl", "pandas"]
# ///

import pandas as pd

# ...你的逻辑

# 然后直接跑，依赖自动装：
#   uv run merge_report.py

关键一步：怎么跟 AI 描述需求

决定成败的不是你用哪个 AI 工具，而是你怎么描述这件事。绝大多数返工都源于需求说得太笼统。对比一下：

描述需求时，把这五件事说全，一次成功率会高很多：

1. 1输入是什么：文件在哪个文件夹、什么格式、大概多少个、内容长什么样（最好直接把表头贴给它）。
2. 2要做什么：一步步说，用「先……然后……最后……」的顺序，不要只说一个抽象目标。
3. 3输出到哪：新文件叫什么、放哪里、什么格式、要不要保留原文件。
4. 4异常怎么办：遇到格式不对的文件是跳过还是报错？重名文件是覆盖还是加后缀？这一条最容易漏，也最容易出事故。
5. 5运行环境：说明你是 Windows 还是 Mac、Python 版本，让它给出能直接跑的路径写法和命令。

下面这段模板可以直接改了用：

我要一个 Python 脚本，环境是 Windows 11 + Python 3.12，用 uv run 执行。

输入：D:\报表\2026-08 下面所有 .xlsx 文件（约 20 个），
每个文件都有一张叫「明细」的工作表，表头是：日期 / 门店 / 商品 / 数量 / 金额。

要做的事：
1. 读取每个文件的「明细」工作表；
2. 增加一列「来源文件」，填该文件的文件名（不含扩展名）；
3. 全部纵向合并成一张总表，按日期升序排序；
4. 再按门店做一张汇总：每个门店的总数量、总金额。

输出：在同目录生成 汇总_2026-08.xlsx，两个工作表分别叫「明细汇总」和「门店汇总」，
金额保留两位小数。原文件不要动。

异常处理：
- 如果某个文件没有「明细」工作表，跳过并在最后打印出被跳过的文件名，不要中断；
- 如果输出文件已存在，不要直接覆盖，改成带时间戳的新文件名。

请先用一段话说明你的处理思路和用到的库，我确认后再给完整代码。

常见场景该用哪个库

你不需要背这些，但知道个大概有好处：AI 偶尔会选一个冷门或者已经停更的库，你能一眼看出不对劲，就少走很多弯路。可以在提示词里直接指定用哪个。

安全铁律：先 dry-run，再真跑

这是整篇文章里最该记住的一条。自动化脚本的威力在于批量，而批量的另一面是：一旦逻辑写错，它会用同样的速度批量毁掉你的文件。AI 写的删除、移动、覆盖类脚本，绝对不能拿到真实数据上第一次就直接跑。

• 在提示词里明确要求：加一个 DRY_RUN 开关，为 True 时只打印「将要做什么」，不实际改动任何文件。
• 先复制一份测试数据到单独的文件夹，在副本上跑通了再对真实目录动手。
• 涉及删除的，一律先改成「移动到 _回收 文件夹」，而不是真删。确认没问题过几天再手动清空。
• 重要目录先整体备份一份，或者确认云盘 / 版本历史是开着的。
• 第一次真跑时限定范围，比如只处理前 3 个文件，看结果对了再放开。

让脚本定时自动跑起来

脚本能跑通只是一半，真正的解放是它自己按时跑，你什么都不用做。Windows 用「任务计划程序」，macOS / Linux 用 cron。

Windows：任务计划程序

最稳的做法不是直接调 Python，而是先写一个 .bat 启动文件，再让计划任务去调这个 bat。这样能一并解决工作目录和日志两个坑：

@echo off
rem 保存为 D:\scripts\run.bat
rem cd /d 确保工作目录正确，否则脚本里的相对路径会失效
cd /d D:\scripts

rem 用 pythonw.exe 而不是 python.exe，运行时不会弹黑框
"C:\Users\你的用户名\AppData\Local\Programs\Python\Python312\pythonw.exe" report.py >> run.log 2>&1

然后按 Win + R 输入 taskschd.msc 打开任务计划程序，右侧点「创建基本任务」，填名称 → 选触发器（每天 / 每周）→ 操作选「启动程序」→ 程序或脚本填 run.bat 的完整路径 → 完成。也可以用一行命令搞定：

# 每天 09:00 执行
schtasks /create /tn "DailyReport" /tr "D:\scripts\run.bat" /sc daily /st 09:00

# 查看 / 立即测试 / 删除
schtasks /query /tn "DailyReport"
schtasks /run   /tn "DailyReport"
schtasks /delete /tn "DailyReport" /f

macOS / Linux：cron

crontab -e

# 加一行：每周一 09:00 跑，日志追加到 run.log
# 分 时 日 月 周
0 9 * * 1 cd /Users/me/scripts && /usr/bin/python3 report.py >> run.log 2>&1

# 常用写法：
# 0 * * * *   每小时整点
# 30 8 * * *  每天 08:30
# 0 9 1 * *   每月 1 号 09:00

crontab -l   # 查看已有任务

打包成 exe 发给同事

如果同事也要用，但他电脑上没有 Python，可以用 PyInstaller 打包成一个独立的 exe。注意打出来的文件通常有几十 MB，而且可能被杀毒软件误报，内部使用加个信任即可。

uv tool install pyinstaller

# --onefile 打成单个 exe；--noconsole 运行时不弹黑窗（无界面脚本才加）
pyinstaller --onefile --noconsole report.py

# 产物在 dist/report.exe

新手最常踩的 6 个坑

1. 1中文乱码：读写 CSV 时用 encoding="utf-8-sig"，否则用 Excel 打开是一堆问号。日志文件同理。
2. 2路径反斜杠：Windows 路径直接粘进代码会出错，让 AI 用 pathlib 或者在字符串前加 r，写成 r"D:\报表\8月"。
3. 3Excel 文件被占用：脚本运行时那个 xlsx 必须是关闭状态，否则报权限错误。跑之前先关掉 Excel。
4. 4AI 用了过时 API：报错信息里出现「没有该属性 / 方法」时，把完整报错和你装的库版本一起贴回去，让它按当前版本改。
5. 5只在一个文件上测过就全量跑：一定要先拿三五个有代表性的文件试，包括那个格式最奇怪的。
6. 6没有日志：脚本静默失败是最难受的。要求 AI 在每个关键步骤打印进度，并把处理成功、跳过、失败的文件数在结尾汇总一次。

自动化脚本往往是非程序员用 AI 尝到的第一口甜头：需求小、见效快、省下的时间当场可见。真正拉开差距的是下一步——把零散的脚本变成稳定运行、出错会告警、别人也能用的小工具。IMAI 的实战课程从这类真实需求出发，带你一路走到能交付的产品，感兴趣可以来看看。