事件驱动自动化法则

判别式：好的 AI 自动化以 "When [具体事件发生]" 开头，而不是 "Every [时间周期]"。

• 事件驱动 = 单条到达、即时处理、基于当下已有信息。AI 自动化在这类"一次一件"的重复任务上表现最好。
• 批处理 = 定期扫描/汇总多条目（"每天早上扫描所有工单并总结"），是常见的失败形态。
• 三个验证问题（任一为"否"就改写成事件驱动）：是否由特定事件触发？是否一次处理一个 item？是否可能一天内多次随事件运行？
• 唯一例外：价值本身就在于交付节奏、目的是集中信息/降噪的用例（每日客户会议简报、每周竞品动态摘要、每周项目进展汇总）——此时定时批处理成立，但要能说出理由。

选用例的启发式："如果公司给你配一个 junior intern，你会让 TA 干什么？"——需要一定判断力和写作能力、但不需要你全部专业直觉的持续重复性工作。四类高价值模式：

1. 聚合碎片信息、省大量点击（新 feature request 进 Slack 时自动搜索相关 Slack/HubSpot/Gong 记录并回帖；客户流失时把近期支持记录、NPS、流失问卷汇总发频道）
2. 无聊但上行空间大的 Sisyphean 任务（监控 5 家竞品定价页变化；bug 接近 SLA 时 ping 频道并 cc 对应 CS）
3. 扫描海量数据（工单以"产品困惑"而非技术原因关闭时 DM 我；首次出现的 feature request 出现时提醒）
4. 起草更新类（属于例外场景，周五固定时间汇总各团队进展）

配套做法：让已有完整上下文的 AI copilot 基于 project knowledge 头脑风暴 5 个候选用例，对结果 push back，选出你真想做的，再开 deep research 生成逐步教程。