能自动化 ≠ 应该自动化，分享我的 ChatGPT 定时任务设计思路
Can automate ≠ should automate最近我把 ChatGPT 的 Scheduled Tasks 用得比较重，目前有 13 个 active tasks。
这个功能本身很简单：
Prompt + Frequency。
告诉 ChatGPT 要做什么，再告诉它多久做一次。
可以是一次性的提醒，也可以每天、每周重复执行。
真正需要花时间设计的，其实不是 frequency，而是：
什么事情值得定时交给 AI？
我现在大概分成四类。
1. 重复搜索，而且 AI 可以先替我筛一遍
最典型的是找工作。
我当然可以每周重新打开 LinkedIn、公司官网和招聘网站。
但真正费时间的不是搜索，而是后面这一串：
找新职位、去重、检查地区和签证要求、判断 AI 到底是不是核心职责、过滤明显不适合的岗位，再找出真正值得看的几个。
所以我现在有 Weekly Job Scan。
AI 负责搜索和第一轮筛选，我负责最后判断要不要投。
Weekend Discovery 也是类似。
每周找迪拜周末值得去的活动，同时检查时间、天气、交通、价格，以及之前有没有推荐过。
这些事情我不是做不了，只是高度重复，而且机器很适合稳定地做。
2. 帮我接触我原本不会主动搜索的东西
这一类是我现在最喜欢的。
如果让我自己搜索，我大概率还是会继续搜 AI、产品、职业、心理。
但一个很现实的问题是：
我没法搜索我根本不知道的东西。
所以我做了一组专门负责“拓展输入”的任务。
- Essay Wildcard 每周找一篇来自不同领域、真正值得读的文章。
- Culture Passport 每周选一个电影、音乐、建筑、艺术家或其他文化入口。
- Open Door Scout 找一些我平常不会主动遇到的讲座、workshop、reading group 或社区。
- Daily Companion 也会固定放进一些我没有问过，但值得知道的东西。
这里我想让 AI 做的不是“越来越懂我”，而是偶尔把我带出自己的兴趣范围。
3. 定期回看一段时间，而不是只回答当下
我现在很多工作、学习甚至生活上的思考，本来就在和 ChatGPT 沟通。
这些对话本身就形成了不少材料。
所以我开始让它定期做跨时间的整理。
例如 Long View，每周回看最近发生的事情：
- 哪些是真的事实变化；
- 哪些判断发生了变化；
- 什么问题重复出现；
- 哪些事情其实还没有足够证据下结论。
还有一个 Writing Evidence Harvest。
它不会每周凭空给我生成三个“选题”，而是回看这一周真实发生过什么，再判断里面有没有值得继续写的东西。
这类工作很适合 LLM。
它不需要替我形成结论，但可以先把散落在不同时间里的信息重新放到一起。
4. 定期检查那些容易被忽略的东西
这是我后来才开始用的一类。
例如我现在开发 Roleward，有一个 Weekly Audit。
每周主要检查过去七天发生的变化：
- 需求、UX、数据结构、代码和文档之间有没有新出现的不一致；
- 有没有越来越多的临时 patch；
- 有没有新的 reliability、cost 或 maintainability 风险。
- 我不需要每周重新审查整个 repo。
更有价值的是检查最近发生的变化有没有留下问题。
这类事情很像定期 housekeeping。
重要，但很容易因为“不紧急”一直被跳过。
Scheduled Prompt 和普通 Prompt 不太一样
我最早的 Daily Briefing，大概就是：
“每天告诉我我关心的 AI、Product、Career、Health 新闻。”
听起来没什么问题。
实际跑了一段时间以后，却越来越无聊。
因为系统知道我关心什么，于是继续给我更多类似的东西。
我后来把 Prompt 反过来改了：
不要只从我的兴趣关键词开始搜索；
主动覆盖不同领域；
最近已经讲过很多的主题降权；
同一个主题不要连续重复；
至少一部分内容来自我近期根本没有讨论过的方向。
Weekend Discovery 里也是一样。
如果只写“推荐适合我的地方”，它很容易反复推荐几个已经知道我喜欢的区域和店。
所以后来我又加上：
检查过去几周的推荐；
没有新理由就不要重复；
至少保留一个稍微超出我平常活动范围的选择。
这也是我现在觉得 Scheduled Prompt 最需要设计的地方：
不能只写这一次要它做什么，还要考虑这个任务连续跑十次以后会出现什么问题。
普通 Prompt 很多时候只追求这一轮回答好不好。
Scheduled Prompt 还需要考虑重复、漂移和长期质量。
我现在写一个 Scheduled Task，大概会考虑这些信息
不是只有：
每周帮我推荐一些文章。
我通常还会补上：
目标这个任务最终在帮我解决什么问题？
频率为什么需要每天 / 每周 / 每月做一次？
输入每次运行应该参考什么？公开网络、最近对话、之前的结果，还是外部工具？
筛选标准什么值得留下，什么应该过滤？
历史是否需要参考以前的运行结果？什么东西不要重复？
异常情况如果这次没有真正值得输出的东西，是不是可以什么都不报？
输出最后我要看到什么，而不是模型想到什么就写什么？
边界哪些事情只能分析和建议，不能替我执行？
Frequency 反而通常是最后才确定的东西。
它也不一定只能使用这一轮 Prompt
如果开启了 ChatGPT 的 Memory / Chat History，Scheduled Task 可以利用相关的历史上下文。
所以我的一些任务会直接写：
“参考最近七天相关的对话。”
或者：
“检查之前几次运行的结果，避免重复。”
但我不会把它理解成“AI 可以随意翻阅我的所有历史”。
什么上下文能够使用，仍然取决于账户设置、任务环境以及它实际可以访问的数据。
同样，如果 ChatGPT 已连接 Gmail 等外部工具，在权限允许的情况下，任务也可以利用这些来源。
结果本身会留在 ChatGPT 中，也可以通过 Push / Email 等方式收到任务通知。
所以 Scheduled Tasks 更像是：
让一个 Prompt 在指定时间，带着当时可以访问的上下文重新运行。
如果你也想设计自己的 Scheduled Tasks
我现在会先问四个问题：
- 这件事是不是会重复发生？
- AI 持续做，是否比我每次临时开始更稳定或更全面？
- 它主要需要搜索、整理、比较、检查，而不是替我做高风险判断吗？
- 如果我忘了主动做，它是不是很容易一直被拖掉？
如果大部分答案都是 Yes，我才会考虑把它做成 Scheduled Task。
然后可以直接用这个模板：
我要建立一个定时任务。
目标：[它长期帮我解决什么问题]
运行频率：[每天 / 每周 / 每月 / 特定时间]
每次需要参考：[公开网络 / 最近对话 / 之前运行结果 / 外部工具]
筛选标准：[什么值得留下，什么需要过滤]
避免重复：[多久内不要重复什么]
只有什么情况值得告诉我：[真正需要输出的条件]
输出格式：[希望最终看到什么]
边界：[只能读取 / 不执行 / 哪些决定留给我]
如果连“我应该做哪些定时任务”都还不知道，也可以先把最近一两周重复出现的事情列出来，让 ChatGPT 帮你筛，而不是直接让它生成一堆任务：
下面是我最近一两周反复做、经常忘记做，或者需要定期重新检查的事情：
[填写]
不要直接把它们全部变成定时任务。
请先判断哪些事情真的适合 Scheduled Tasks。优先考虑：
重复性高；AI 在搜索、整理、比较或检查上有明显优势；长期持续做比临时想起来再做更有价值；错误成本可控，最终判断仍然可以留给我。
对每个适合的候选，给出：为什么适合、建议频率、Prompt 应包含哪些规则，以及长期运行最容易出现什么问题。
同时明确指出哪些事情不值得做成定时任务，以及原因。
我现在给自己的原则很简单：
AI 负责持续发现、整理和检查。判断和决定，还是留给自己。