多Agent周报聚合与洞察流——把分散汇报变成结构化洞察报告

在多Agent协作系统里，每个Agent每天都在产生大量工作输出：有的在处理客服工单，有的在监控系统指标，有的在生成内容，有的在跑数据pipeline。

到了周五，你面对的是——飞书群里几十条分散的日志碎片、多个Bitable表格里的零散记录、以及各种工具的导出文件。人工汇总这些信息写成周报，往往要花上1-2小时，而且容易遗漏关键信号。

多Agent周报聚合流解决的就是这个问题：每个Agent按固定格式输出工作摘要 → 聚合Agent定时收集 → 洞察Agent做分析加工 → 最终产出一份结构化周报，直接推送给负责人。

场景演示

痛点还原：

• 5个Agent在并行工作，各自产生日志和输出
• 周五下午，人工汇总：登录5个后台 → 复制数据 → 粘贴到文档 → 整理格式 → 写分析 → 发送
• 总耗时：约2小时，且容易漏掉某些Agent的输出

加入多Agent周报聚合流之后：

[Agent A] → 工作日志(固定格式) → } 
[Agent B] → 工作日志(固定格式) → } → [聚合中枢] → [洞察分析] → [周报生成] → 飞书推送
[Agent C] → 工作日志(固定格式) → } 
[Agent D] → 工作日志(固定格式) → }

周五下午，点击执行，10分钟后收到结构化周报，包含：

• 各Agent本周工作量统计（完成数/失败数/平均响应时长）
• 异常事件汇总（哪些失败了，原因是什么）
• 趋势分析（相比上周，指标是上升还是下降）
• 下周优先事项建议

Step by Step

Step 0：定义工作日志格式（各Agent统一输出）

每个Agent在每次重要操作后，向共享日志表（如飞书Bitable）写入一条记录：

关键：格式必须统一，这是后续自动聚合的前提。建议通过Bitable的表单功能强制规范输入。

Step 1：部署聚合中枢Agent

创建一个专门的weekly-report-agent，负责：

1. 定时触发：每周五 16:00 自动执行（通过OpenClaw cron任务）
2. 数据采集：从Bitable读取过去7天所有Agent的日志记录
3. 数据清洗：去除重复记录，处理缺失字段
4. 统计分析：按Agent、任务类型、日期维度聚合

# 聚合中枢核心逻辑（伪代码）
def collect_weekly_logs(bitable_app, start_date, end_date):
    all_logs = []
    for agent_id in AGENT_LIST:
        logs = bitable_app.query(
            f"agent_id = '{agent_id}' AND date >= '{start_date}' AND date <= '{end_date}'"
        )
        all_logs.extend(logs)
    return deduplicate_and_clean(all_logs)

Step 2：部署洞察分析Agent

聚合后的数据交给洞察Agent，做以下分析：

1. 同比/环比变化：本周 vs 上周，关键指标的升降
2. 异常事件归因：哪些任务失败了，原因分类（超时/数据异常/逻辑错误）
3. 峰值分析：哪天的工作量最大，什么任务类型
4. 健康度评分：综合成功率、响应时长、异常率给出0-100的健康分

Step 3：周报生成与分发

# 周报生成提示词（可直接复制使用）
WEEKLY_REPORT_PROMPT = """
你是一个专业的AI团队周报分析师。请根据以下数据，生成一份结构化周报。

## 数据格式
{aggregated_data}

## 输出要求
1. **执行摘要**（3句话）：本周整体情况，一句话结论
2. **各Agent工作明细**（表格）：Agent名 | 任务类型 | 完成数 | 失败数 | 平均耗时 | 关键发现
3. **异常事件汇总**：列出所有失败任务，原因分类
4. **趋势分析**：与上周对比，主要指标升降
5. **健康度评分**（0-100）及简要评语
6. **下周优先事项建议**（3条）

## 格式要求
- 使用Markdown表格
- 异常事件用加粗标注
- 趋势分析用↑↓箭头表示升降
- 语气专业，数据驱动
"""

def generate_weekly_report(aggregated_data):
    prompt = WEEKLY_REPORT_PROMPT.format(aggregated_data=aggregated_data)
    report = llm.complete(prompt)
    return report

Step 4：飞书推送

生成周报后，通过OpenClaw飞书消息直接推送给负责人：

# 推送周报摘要（完整报告发链接）
def push_to_feishu(report_summary, full_report_url):
    message = f"""
📊 **{team_name} 周报 | {current_week}**

✅ 完成任务：{total_completed} | ❌ 失败：{total_failed}
🟢 健康度：{health_score}/100

📌 本周亮点：
{highlights}

⚠️ 需关注：
{alerts}

📎 [查看完整周报]({full_report_url})
"""
    feishu_bot.send_message(chat_id, message)

可复制提示词

场景一：聚合日志数据（给聚合Agent）

请从飞书Bitable（app_token: {app_token}，表名：Agent工作日志）读取过去7天（{start_date} 至 {end_date}）的所有记录。

按以下字段提取：agent_id, task_type, date, items_completed, items_failed, avg_duration_min, key_findings, alerts。

输出格式：JSON数组，每个元素代表一条日志记录。

场景二：生成周报（给洞察Agent）

请作为AI团队周报分析师，根据以下JSON数据生成周报：

{data_json}

要求：
1. 执行摘要（3句话）
2. 各Agent工作明细（Markdown表格）
3. 异常事件汇总（标注失败任务）
4. 趋势分析（↑↓表示升降）
5. 健康度评分（0-100）
6. 下周优先事项（3条）

语言：中文
语气：专业、数据驱动

场景三：周五定时触发（cron任务配置）

0 16 * * 5  # 每周五16:00执行

触发命令：

python3 ~/workspace-dachong/scripts/weekly_report_pipeline.py \
  --bitable_app {app_token} \
  --start_date {start_date} \
  --end_date {end_date} \
  --push_to chat_id

使用的Skills

价值与注意事项

核心价值

• 时间节省：从人工2小时 → 系统10分钟，效率提升10倍+
• 数据完整性：避免人工汇总时的遗漏和主观偏差
• 趋势可见：周与周之间的对比自动呈现，异常自动突出
• 可追溯：所有原始数据存在Bitable，可以随时下钻查看细节

注意事项

1. 日志格式必须统一：各Agent输出格式不一致是最大风险点，建议通过Bitable表单强制约束字段
2. 数据延迟：聚合Agent读取的是T-1数据，如果需要实时数据，需单独处理
3. 异常阈值设置：建议为items_failed设置告警阈值（如 > 5%），超过阈值自动加急推送而非等到周五
4. 历史数据积累：前几周数据量少时趋势分析意义有限，建议积累4周以上再开启趋势对比功能
5. 私密信息过滤：周报推送给负责人前，检查key_findings字段是否包含敏感业务数据

本文关联Skill：feishu-bitable-crud、halo-backend-publisher