ZTT.返回作品集

达人素材全链路工具系统

源于真实公司生产业务的自动化工具系统:串联 4 个业务平台,将素材获取、数据处理、打标、整理与送审封装为 36 个启用业务脚本工具。它提供 Tool 和业务规则检索,ZTT Code 作为 Agent 理解任务并调用这些工具。

类型
桌面软件
项目分类
业务项目
状态
使用中

背景

原流程要在多个平台与账号之间反复切换,人工完成素材下载、数据匹配、打标与送审:素材下载每天就要 2 小时以上,系统故障时甚至要等两三天;打标逐条人工判断;批量送审用 RPA 模拟手动操作,一批几万条按 48 条分批提交,需要 2–3 小时。 串联 4 个业务平台的素材获取、数据处理、打标与送审全链路、封装 36 个启用业务脚本工具,通过 MCP 提供给 ZTT Code Agent 调用、平台、筛选时间及账号开放配置;账号绑定接口保留专用处理,特殊需求基于现有框架适配、Brief、标签标准与历史异常案例沉淀为动态 RAG 知识库,规则资料与执行程序分开维护、工具后端负责确定性执行,ZTT Code 负责模型判断和任务编排,边界样本由人工复核、抽检、误判回溯、日志与异常监控构成的质量闭环

工作流程

素材获取 → 数据处理 → 自动打标 → 结果整理 → 自动送审

从一句需求,到工具执行
  1. ZTT Code · Agent

    理解任务、检索规则,选择并编排工具。

  2. MCP · 工具接口

    连接 Agent 与工具后端,传递调用与执行结果。

  3. 全链路工具系统

    提供 36 个启用业务脚本与规则检索,执行下载、匹配、打标及送审。

工具将执行结果返回给 Agent;边界样本和异常进入人工复核。

数据导出

勾选客户与时间范围即可批量下载:原变色龙 + 悟空双账号按账号依次执行,覆盖番茄小说、今日头条、红果、悟空浏览器、抖音精选及红果 / 番茄消耗共 7 类业务任务。

自动打标

把重复人工打标中识别出的稳定共性转化为确定性规则,用于批量判断标签。

批量提交

打标完成后,自动执行原本需要人工重复操作的对应平台提交流程。

Agent 调度

与 ZTT Code Agent 的调用衔接:ZTT Code 根据自然语言指令、文件名、Excel 字段与业务上下文识别 5+ 项目类型,执行任务分类、检索改写、工具路由与执行循环;本系统提供 36 个启用业务脚本工具,既可以单独调用,也可以由 Agent 串联完成今日任务。

RAG 业务规则

Brief、标签标准、边界条件与历史异常案例沉淀为按项目组织的 RAG 知识库;当前工具后端以 FTS5 / BM25 和特征哈希向量混合检索规则,Agent 按当前业务上下文检索对应规则,而不是把规则写死在代码里。

使用记录

系统投入 3–5 人业务小组日常使用,支撑 5+ 真实项目。日处理记录:单人纯人工约 500 条;自动化系统全流程日均处理 6,000+ 条,释放的产能承接了约 3 个新增项目。完整日常任务约 1.5 小时自动完成,人工参与低于 5 分钟。

单批送审
RPA 2–3 H → API ≈5 MIN
完整日常任务
MANUAL 10:00–16:00 → AUTO ≈1.5 H
素材分类抽检准确率
≈70% FIRST BUILD → 90%+ SAMPLED
条 / 下午
200–400 → 1000–2000
约 3000 条记录
60 MIN → 2 MIN

模糊标签,交叉校验后再复核

素材判断流程对模糊标签实施双模型交叉校验。规则未命中、存在冲突或模型分歧时转人工,结合误判回溯、规则迭代与审核抽查,将素材分类抽检准确率由约 70% 提升至 90%+。规则来源与检索依据保留在分项目 Skill 和 RAG 知识库中,更新规则无需改动主流程。

工具系统与 ZTT Code 的分工

这个项目提供可执行的业务工具:下载、匹配、打标、整理与送审的脚本,以及带来源的业务规则检索。ZTT Code 是调用这些工具的 Agent,负责理解任务、检索规则、选择工具并读取执行结果。工具后端通过 MCP 对接 Agent,本身不调用大模型;模型判断在 ZTT Code 中完成。

操作与迭代

任务输入
客户账号、时间范围、素材下载任务,以及当前业务的 Brief 与标签标准。
交付输出
下载素材、按规则整理的标签与提交结果;异常日志留给人工检查。
检查环节
先在自己的电脑上实际使用,再交给同事验证;跨电脑问题沿步骤定位到 Cookie 与环境,修复后再试。

先选账号与任务

自动导出按账号依次执行。我把客户选择、时间范围和下载任务放在同一界面,先确认要处理哪些业务,再开始下载。

按业务规则打标

下载后的素材进入数据处理与打标。稳定共性封装为规则,Brief、标签标准和异常案例进入 RAG;Agent 按当前业务检索规则并调用工具。

送审并处理异常

打标完成后调用对应的提交流程。人工主要关注边界样本、异常日志和抽样复核,日常流程由工具与 Agent 串联执行。

第一次交给同事用

变色龙自动导出是我的第一个企业级项目。自己电脑上可以使用,换到同事的电脑上却会出问题。我沿着执行步骤逐个归因,最后锁定了 Cookie 和环境差异,解决后再交给同事使用。这也成为后来的交付习惯:本机实际使用、交给同事、定位问题、修复后再验证。

真实软件界面

达人素材全链路工具系统 / 自动打标
自动打标
达人素材全链路工具系统 / 批量提交
批量提交
达人素材全链路工具系统 / 数据导出
数据导出

实现方法

自动化 / API / AGENT / RAG / Playwright 自动化 / 规则打标

个人职责

工作流分析 / 需求定义 / 规则设计 / 产品规划 / AI 辅助开发 / 测试与迭代

以多 Agent 协同分工完成 AI 辅助开发,并由本人完成测试、实际使用验证与持续迭代。

日常处理规模

自动化系统全流程日均
6,000+
峰值处理
10,000+
累计处理记录
400,000+
完整日常任务
约 1.5 小时
人工参与
低于 5 分钟
启用业务脚本
36

数据来自个人工作记录,不同任务的时间、准确率和处理量按各自场景展示。

查看经历与项目事实

项目问答

这个系统如何分配 Agent、规则和人工的工作?

达人素材全链路工具系统把稳定的重复步骤封装成 Tool / Skill,并提供业务 Brief、标签标准和异常案例的 RAG 检索。ZTT Code 是调用方 Agent,负责识别任务、检索规则并编排这些工具;边界样本与异常交给人工复核。

跨电脑适配时遇到了什么问题?

自动导出在不同电脑上出现差异。我通过步骤归因定位到 Cookie 和环境问题,修复后再次交给同事验证。

不同效率数字对应什么工作量?

约 3000 条记录的自动提交由 60 分钟缩短到 2 分钟;另一种批量送审任务由 RPA 的 2–3 小时缩短到 API 的约 5 分钟。完整日常任务约 1.5 小时自动执行,人工参与低于 5 分钟。这些是不同业务环节的使用记录。

日处理量数据是什么口径?

约 500 条是单人纯人工的日处理基线;6,000+ 条是自动化系统全流程的日均处理量,来自个人工作记录。最新同口径全流程记录显示,系统产能约为单人纯人工的 12 倍;这是日处理产能对比,不等同于同人数、同工时的劳动效率倍数。单批送审耗时与峰值处理量另行统计。

为什么从素材下载自动化开始?

第一次接触企业级项目时,我选择素材下载,是因为这个环节实现相对直接,重复次数多,节省的时间也最明显。先把下载工具交给自己和同事使用,再沿实际业务扩展到匹配、打标、整理和送审。

张天腾 / Zhang Tianteng · 案例内容更新 · 个人资料 · GitHub