今天我交给 AI 智能体的 5 件无聊任务（省了我好几个小时）
每当人们谈论 AI，他们会突出最炫的用例，比如智能体完全写好的应用，或电影级的视频生成。那些当然很酷，但大多数日子里，我只是把平凡的任务交给机器人。
今天，我没有构建应用。我没有写剧本。我只是把事情做完了。
下面是我交给 AI 智能体 goose 的 5 件真实日常任务，它们省了我好几个小时。从提示到结果，没有一件超过一分钟。
这些全部使用 Anthropic 的 Claude 4 Sonnet
1️⃣ 把 GitHub 活动总结成可执行的洞察
任务
我让 goose 审阅我的组织这个月所有已关闭的 GitHub issue，并给我一份拆解。我想看到时间花在哪里、工作如何分配，以及项目之间的任何模式或依赖。
结果
不到一分钟，goose 给了我一份报告，包含生产力指标、工作量分布，以及 issue 线程之间值得注意的依赖（例如一个修复挡住了另一个）。
这种综合通常需要我手动扫一堆仓库，并交叉对照 PR 或 issue 评论。今天不用了。
使用的 MCP
2️⃣ 从一条很长的 Slack 线程里提取行动项
任务
你知道 Slack 线程一开始是快速头脑风暴，不知怎么就长成一部小说吗？我们今天有 169 条回复 😂，里面埋着一些重要想法。
所以我让 goose 分析整条线程，提取一份干净的行动项列表。
结果
一分钟内，我有了一份聚焦的待办清单，带有负责人、截止日期（有提到时）和主题。这些要点很可能会塑造我们的第三季度目标，而且等我准备好时，我甚至可以让 goose 为它们全部创建 GitHub issue！
使用的 MCP
- Slack
3️⃣ 从社区反馈创建路线图
任务
我们的 goose 社区活跃在 GitHub、Slack 和 Discord 上。反馈很多，但很分散。 我让 goose 拉取并分析这三个平台上的开放问题、bug 报告、功能请求和讨论线程。
结果
一份我们需要处理的前 10 项排名列表，包括每个问题的简短描述以及任务的估计工作量。这让我们的路线图规划有了一个不错的起点。
使用的 MCP
4️⃣ 修复我的 CSS 断点（因为我放弃了）
任务
坦白：CSS 和我不是朋友。和断点、间距、容器宽度斗争了 30 分钟之后，我把问题交给 goose，给它看了页面的截图。
结果
goose 立刻发现了问题，并重写了我的媒体查询逻辑，以及我漏掉的一些其他关键 CSS。
使用的 MCP
5️⃣ 在一次大的文档重组后修复坏链接
任务
我重组了一大套内部文档，需要更新所有内部链接、重定向旧路径，并确保没有东西坏掉。 重组是我手动做的（它很精细，所以我想自己来），然后让 goose 爬文档、找出坏掉或过时的链接、修好它们，并在需要的地方加跳转。
结果
没有死路。没有 404。只有整洁的文档。
使用的 MCP
大多数 AI 文章展示的是什么是可能的。我关注的是当初承诺的东西。 整个要点是卸下繁琐的事，这样我们才能专注于真正重要的工作，而这正是我使用 AI 的方式。
你把哪些日常任务交给 AI 智能体？在 Discord 告诉我们。