可控LangChain替代多智能体的团队周报自动汇总方案

之前撰写CrewAI打造自动化周报文章时，许多读者反馈多智能体方案虽然看上去技术先进，但在实际运行中“自由发挥”的程度难以把控，结果波动较大，偶尔还会产生内容幻觉。为了探明问题的根源，今天换个技术路径，单独使用LangChain重新实现相同任务，验证其是否更可控、输出质量是否更优。

步骤一：环境准备与需求分析

动手编写脚本之前，先搭建开发环境并明确功能需求。

环境准备

• 确保Python环境已安装，版本不要太陈旧（推荐3.8以上）。
• 安装必要依赖库，例如email用于发送邮件、langchain用于调用语言模型处理文本，需通过pip安装。
• 阿里企业邮箱的SMTP服务必须能正常连接，并确认账号权限（如SMTP授权码）已开启。

需求分析

• 从./docs目录读取所有以.md结尾的个人工作周报文件。
• 将多份个人周报汇总成一份团队工作周报。
• 利用阿里企业邮箱将汇总结果自动发送给领导。

步骤二：读取个人工作周报

首先编写一个函数，遍历指定目录，筛出.md文件，以文件名（不含后缀）作为键，文件内容作为值存入字典。

import os

def read_weekly_reports(directory):
    reports = {}
    for filename in os.listdir(directory):
        if filename.endswith('.md'):
            name = filename.split('.')[0]  # 假设文件名是"姓名 工作周报"
            with open(os.path.join(directory, filename), 'r', encoding='utf-8') as file:
                reports[name] = file.read()
    return reports

步骤三：汇总工作周报

接下来将个人周报合并为团队层面的总结。基本思路：把所有个人周报拼接成一个长字符串，交给大语言模型，让其按要求生成部门工作总结，注意在最终结果中隐去具体人名。

def summarize_reports(reports):
    summary = "团队工作周报：nn"
    all_str = ""
    for name, report in reports.items():
        all_str += f"{name}：n{report}nn"
    # 初始化LLM
    llm = ChatOpenAI(openai_api_key=os.getenv("OPENAI_API_KEY"),model="gpt-3.5-turbo-0125")

    from langchain_core.prompts import ChatPromptTemplate
    prompt = ChatPromptTemplate.from_messages([
        ("system", "你是一个部门工作周报撰写者"),
        ("user", f"""
        请根据以下的个人工作周报内容，要求markdown格式，将个人周报合并，生成部门本周工作总结，生成的部门工作周报不包含人名：
        
        {all_str} """)
    ])
    from langchain_core.output_parsers import StrOutputParser
    
    output_parser = StrOutputParser()

    chain = prompt | llm | output_parser
    summary = chain.invoke({"input": all_str})

    return summary

步骤四：发送邮件

最后一步，利用Python的email库将汇总好的周报通过邮件发出。需要配置SMTP服务器地址、端口、账号及密码（建议使用授权码）。

from email import EmailMessage

def send_email(summary):
    # 填写你的阿里企业邮箱SMTP配置信息
    sender = 'your_email@example.com'
    receiver = 'leader_email@example.com'
    subject = '团队工作周报'
    message = EmailMessage()
    message.set_content(summary)
    message['From'] = sender
    message['To'] = receiver
    message['Subject'] = subject

    # 这里需要使用你的邮箱SMTP服务器发送邮件
    # 请替换以下信息为你的SMTP服务器设置
    server = 'smtp.example.com'
    port = 465
    username = sender
    password = 'your_email_password'
    message.send(server, port, username, password)

步骤五：整合与测试

将以上几个功能模块串联起来，编写一个main函数依次调用。运行前务必把邮箱地址、SMTP配置等占位符替换为实际值。

def main():
    reports = read_weekly_reports(weekly_reports_dir)
    summary = summarize_reports(reports)
    send_email(summary)

if __name__ == "__main__":
    main()

执行脚本，观察是否报错。若邮箱配置正确，领导邮箱将收到一份结构清晰且不含个人姓名的团队周报。

实际运行效果

实际测试下来，效果令人满意。相比多智能体方案的不可控局面，LangChain这一整套流程更稳定，输出结果基本符合预期（涉及公司敏感信息部分已做马赛克处理）。

结论

多智能体更适合创意性强、流程复杂、场景动态变化的任务，允许智能体保留一定的自由发挥空间。而对于周报汇总这类场景固定、流程标准化的任务，只要提示词设计得足够精准，纯LangChain方案完全够用——既可控、又稳定，还省去了多智能体协调的麻烦。

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：可控LangChain替代多智能体的团队周报自动汇总方案要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题