## 写在前面

这篇文章记录了过去几周我做的一件事：在 WorkBuddy 这个 AI Agent 平台上，从零开始搭建了一套每周自动生产并发送网球资讯的闭环服务。
不是什么惊天动地的项目，但有几个切身的体会想分享——**AI Agent 项目从"能跑"到"能一直跑"，中间隔着一整条工程化的河。** 这篇文章就是这条河的完整地图。


----
## 一、为什么非得自己造？

事情起因很简单：一个球友想要一份定制化的网球内容。
需求列出来很具体——
- 追踪三位球员：郑钦文、王欣瑜、莱巴金娜
- 要赛况、要数据分析、要装备推荐
- 他自己打球，业余中级水平，还想看技术动作纠正
- 每周一期，发到邮箱

市面上有没有现成的？有，但要么只追踪大满贯级别的球星，要么是泛泛的资讯聚合。没有能同时满足三个球员追踪+技术指导+装备测评的定制化内容。
**这不是一个"有没有"的问题，而是一个"值不值得做"的问题。** 如果每个球友的定制需求都要人手工每周花四小时去满足，这事儿就不可持续。必须自动化。


----
## 二、先做策划，后写代码

第一个坑：我差点直接上手写代码。
好在及时刹住了。项目正式开工前的需求诊断阶段，花了大概两轮对话的时间，把用户画像拉了出来：

|维度|信息|
|:-:|:-:|
|水平|业余中级（3.5-4.0级），接近参赛水平|
|追踪球员|郑钦文、王欣瑜、Elena Rybakina|
|技术需求|动作纠正|
|装备需求|红土场球鞋|
|交付方式|每周一期，邮件推送|
基于这个画像，设计了一套"五栏目"内容框架：
1. **球员追踪** — 本周赛果 + 排名变动 + 分析师点评
2. **装备测评** — 红土球鞋/装备深度评测
3. **技术诊断** — 业余球员常见动作陷阱 + 纠正方法
4. **数据洞察** — 比赛数据对比分析 + 可视化图表
5. **场外资讯** — 网坛热点 + 赛程提醒

这套 SOP 后来成为整个自动化流水线的蓝图。**这件事给我的教训是：AI 项目里，花时间把"要做什么"想清楚，比花时间把"怎么做"写出来值钱得多。**


----
## 三、双模板：一份内容，两种看法

第一个版本做出来的是纯 Markdown。能看，但不好看。
从用户反馈来看，他期望的不只是"可读"，而是"值得读"。于是在展示层上，我做了两套 HTML 模板，**奇偶期自动轮换**：
**方案A：高级杂志风格**
- 暖米白背景 + 深墨绿文字 + 古铜金点缀
- 衬线字体，大留白，双栏排版
- 参考了《IDEA》和《AD安邸》的视觉语言
- 适合周末慢慢看

**方案B：运动数据仪表盘风格**
- 深色背景 + 荧光黄高亮
- 卡片式布局，大数字突出
- 参考了 ESPN 和 ATP 官网的数据面板
- 适合移动端快速扫读

这套双模板机制效果出奇地好。用户形容说"奇数期像在翻杂志，偶数期像在看体育数据台"——虽然这话大概率是客气，但至少说明两个风格确实做出了区分。


----
## 四、图片是个硬功夫

模板做到一半，发现一个问题：**字排好了，但看起来还是干巴巴的。**
真正让文章有质感的不是排版，是图。
我从 Pexels 免费图库挑了一批网球相关的高清图——球员动作、球场全景、球鞋特写、赛场氛围。然后在模板里嵌入了 13 处图片位置，刊头背景、球员封面、装备卡片、章节分隔都有覆盖。
技术实现上用了 CSS `background-image` + 渐变遮罩的方式，确保深色文字在图片上不会被吃掉：
**css**
```
.masthead {
  background: linear-gradient(rgba(26,58,46,0.88), rgba(26,58,46,0.94)),
    url('https://images.pexels.com/photos/3207474/pexels-photo-3207474.jpeg') center/cover;
}
```
前后对比：没图之前是"一篇排版工整的文档"，加图之后勉强可以说"一本像样的电子杂志"。


----
## 五、自动化流水线：五步变一步

内容写好、模板就绪之后，真正的工程挑战才开始——**怎么把"每周手动做"变成"一条命令自动跑完"？**
我把整个生产流程拆成了 4 个独立脚本 + 1 个总编排：
```
generate_charts.py  →  render.py  →  html_to_pdf.py  →  send_email.py
(静态图表生成)        (HTML渲染)      (PDF转换)          (邮件发送)
        ↑                  ↑                 ↑                  ↑
        └──────────────────┴─────────────────┴──────────────────┘
                              publish.py (一键编排)
```
### 5.1 图表生成：不用浏览器，用 matplotlib

第一期我用了 Chart.js 渲染图表，发现一个大问题：PDF 和邮件里不支持 JavaScript，Chart.js 的图表在 PDF 里是空白的。
解决方案是回到老本行——用 matplotlib 生成静态 PNG 图片。做了三个图表：
- **雷达图**：3 位球员 × 6 维度能力对比
- **柱状图**：比赛关键数据（Aces、制胜分、UE 等）
- **趋势线**：莱巴金娜红土胜率 2018-2026 趋势

每个图做了两套配色，分别匹配杂志风（古铜金+墨绿）和仪表盘风（荧光黄+深色）。
>一个小的技术细节：matplotlib 默认没有中文字体，折腾了半个小时才搞定 NotoSansCJK 字体的注册。最终方案是直接指定字体文件路径用 `fm.fontManager.addfont()` 加载。

### 5.2 渲染和PDF：隐形但关键

`render.py` 做的事情很简单：把模板里的 Chart.js canvas 标签替换成上一步生成的 PNG 图片，删掉所有 JavaScript 引用。输出一个纯静态 HTML。
`html_to_pdf.py` 用 WeasyPrint 把这个 HTML 转成 A4 PDF。过程中踩了一个坑——WeasyPrint 对 CSS Grid 的支持有点微妙，双栏布局在 PDF 里首次渲染直接报断言错误，后来靠调整 `page-break-inside` 和压缩边距才解决。
### 5.3 邮件发送：3次才成功

第一次发邮件，149 邮箱把邮件拦了。错误码 `550 Mail rejected score is 18.272`。
查了一下，因为邮件正文是带内联 CSS 的 HTML 版本，样式越复杂，反垃圾评分越高。解决方案很直接——**正文改纯文本，HTML 版本只保留在 PDF 附件里。**
改了之后就过了。
### 5.4 一条命令完成全部

**bash**
```
python3 publish.py --content 第3期.md --to xxx@139.com --issue 3
```
这条命令的背后是 6 步自动执行：生成图表 → 渲染HTML → 转PDF → 发邮件 → 更新用户档案 → 更新索引页。
看到 "✅ 第3期发布流程完成" 一行字出来的时候，说实话有点成就感。


----
## 六、每周一自动跑：加一个定时任务

前面·手工执行一条命令已经"半自动化"了，但真正的目标是人不用动手。
WorkBuddy 自带了一个自动化任务管理器（Automation Task Manager），支持 Cron 表达式调度。我创建了一个任务：

|配置|值|
|:-:|:-:|
|调度时间|**每周一 09:00**|
|Cron|`0 0 9 * * 1`|
|超时|600 秒|
|重试|2 次|
创建完后，系统会在每周一自动拉起一个新的 Agent 会话，按 prompt 指令完成整套流程。我只需要保证 prompt 里的 SMTP 凭据有效、内容模板路径正确——实际上这些在执行周期内基本不需要动。
**从此刻起，这个产品的运营成本就是零了。**


----
## 七、产出物和一点感受

项目做下来，交付了这些东西：

|类别|数量|
|:-:|:-:|
|内容策略文档|2 份（SOP + 用户档案）|
|HTML 展示模板|2 套（各含 6-7 处 Pexels 配图）|
|生产流水线脚本|5 个（图表/渲染/PDF/邮件/编排）|
|已发布周刊|2 期（HTML+PDF 各 2 份）|
|静态图表|6 张（3 种 × 2 种配色）|
|定时发布任务|1 个（每周一执行）|
几个体会：
1. **AI Agent 项目的瓶颈不在技术，在需求定义。** 花最多时间的地方不是写代码，而是想清楚"用户到底要什么"和"什么流程可以工序化"。
2. **自动化是渐进式的。** 先有人做一轮 → 再写脚本替代手工 → 再上定时任务。每一步都有明确的退路，不会出现"系统崩了我就发不出去"的窘境。
3. **成本意识要尽早建立。** 模型 token 消耗是真实可测量的成本。这篇文章的续篇会专门讲我们怎么把单期成本压缩了 42%，这里不展开了。
4. **最大的成就感来自"它自己跑起来了"。** 当周一早上看到系统自动发出的邮件已经在收件箱里时，那种"不用我管"的感觉，比任何技术指标的达成都有满足感。

这篇文章记录了过去几周我做的一件事：在 WorkBuddy 这个 AI Agent 平台上，从零开始搭建了一套每周自动生产并发送网球资讯的闭环服务。不是什么惊天动地的项目，但有几个切身的体会想分享——AI Agent 项目从"能跑"到"能一直跑"，中间隔着一整条工程化的河。 这篇文章就是这条河的完整地图。

# 从零到自动化：我在WorkBuddy上搭了一套网球周刊生产线

人工智能

开发工具

后端

本文分享了从零搭建网球资讯自动化服务的全过程，涵盖需求分析、内容策划、双模板设计、图片优化到自动化流水线实现。通过WorkBuddy平台实现每周自动生产定制化网球内容，包含球员追踪、装备测评、技术指导等栏目，并采用双模板轮换提升阅读体验。重点解析了自动化流程中的图表生成、PDF转换、邮件发送等关键技术难点，最终实现零人工干预的定时发布。

邮件推送

数据分析

代码解释

WorkBuddy 

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

本文分享了从零搭建网球资讯自动化服务的全过程，涵盖需求分析、内容策划、双模板设计、图片优化到自动化流水线实现。通过WorkBuddy平台实现每周自动生产定制化网球内容，包含球员追踪、装备测评、技术指导等栏目，并采用双模板轮换提升阅读体验。重点解析了自动化流程中的图表生成、PDF转换、邮件发送等关键技术难点，最终实现零人...

# 从零到自动化：我在WorkBuddy上搭了一套网球周刊生产线-腾讯云开发者社区-腾讯云

# 从零到自动化：我在WorkBuddy上搭了一套网球周刊生产线

# 从零到自动化：我在WorkBuddy上搭了一套网球周刊生产线

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐