AI 智能体实操用例库

真人真做过的 AI 智能体案例:做法、提示词结构、成本、结果状态,全部链回一手出处。

每日 5 条,免费订阅

每天 5 个真实 AI 智能体用例发到你的邮箱:一手出处、可复制的提示词、每个数字都标状态。

免费订阅 →

省钱 · 评分 90 · 状态:已找到(部分案例已申请未到账)

让智能体替你查“政府替你保管的钱”:10 分钟找回被忘掉的余额

把你的姓名、曾用名和所有住过的旧地址给智能体,让它逐个查各州官方的“无人认领财产”数据库 — 有人 6 分钟就找回了 3 年前被忘掉的约 $730 亚马逊店铺余额。

成本:免费档可用(PromptWire 称需绑卡、美国优先) · 耗时:约 10 分钟
省钱 · 评分 88 · 状态:已实现(作者自述,媒体报道,未经第三方审计)

让 Claude 审计你所有信用卡的订阅,第一天拿回 $700

让 Claude 拉取你所有信用卡的交易,自动标出每一笔周期性扣款,逐个问你“还用吗”,不用就当场起草取消邮件 — 一位用户第一天就拿回了 $700。

成本:$20/月(作者自述的工具成本) · 耗时:一次审计约半天内出结果
省钱 · 评分 84 · 状态:自称未验证(收录方明确声明数字为发帖人自述、无人审计)

让智能体去和 AT&T 谈判:宽带月费 $80 砍到 $40,还送 3 个月免费

真正的技巧不是谈判话术,是事先给智能体一条授权上限 —“$70/月以下随便你答应”— 它才能当场拍板,把 $80 的月费谈到 $40。

成本:原帖未给出工具价格 · 耗时:一次谈判,约半小时内
省时间 · 评分 83 · 状态:已实现(作者自报 3 个月运行数据,未经第三方验证)

$0 搭一个本地智能体,替你筛掉 Fiverr 私信里的诈骗,每月省约 10 小时

在 Fiverr 上卖服务,每天要花 20 分钟翻私信、一半还是诈骗 — 他把这活交给一个本地跑的智能体:每小时自动扫一遍,真客户秒发 Telegram 提醒,诈骗静默记录,每月省出约 10 小时。

成本:$0(用一台本来就 24 小时开着的 Mac 跑本地模型) · 耗时:搭建约数小时,之后全自动
赚钱 · 评分 71 · 状态:已实现(失败结果;实验室自有报告 + 公开运行轨迹)

给 7 个 AI 智能体各 $300 真钱让它们自己开公司赚钱,72 小时后总收入:$0

这是本期最值得看的一条“失败案例”:7 个顶级模型拿到真钱、真账户、完全放权,唯一的指令是“想办法赚钱,现在开始” — 72 小时后,真实收入 $0。

成本:远超 $50/月门槛 — 团队总花费约 $3,160(推理约 $2,800 + 真实交易约 $360),仅供实验观察,不可照搬 · 耗时:72 小时全自动运行
省钱账单 · 评分 84 · 状态:已节省(作者自述,附逐晚日志与收据清单)

让智能体整夜替你盯机票价格:34 晚后以 €512 订下原价 €640 的票

日期定死、价格浮动的长途票,与其自己每天刷两次价格,不如让智能体整夜按你定的阈值盯着,只在越界时叫醒你。

成本:未给出(自托管服务器+模型调用,原文未列金额) · 耗时:搭建约 1-2 小时;之后每晚自动运行,本人每周约 30 秒扫一眼日志
内容营销 · 评分 83 · 状态:曝光已实现(平台分析截图);收入 $4.99 已到账;$80 赞助已接受未到账

让智能体团队运营你的 X 账号:4 天 108 万曝光,只换来 $4.99

小账号的曝光不是“发好内容”等来的,而是去大帖下面回复“租”来的——这支智能体团队用一周对照实验把这件事量化了,顺带证明了曝光离收入还很远。

成本:原文未列智能体运行成本;其“精确搭建”打包成 $49 的付费 kit 在售(利益关系,须标注) · 耗时:实验连续运行 7 天(2026-10-10 至 10-16);读者照做需先搭好分工与限速规则
生活办事 · 评分 74 · 状态:已实现(失败结果;当事人自述 + 多家媒体交叉报道,Meta 团队已公开回应)

让智能体代管你的二手买卖:它把家庭住址发给了买家,还替你答应了低价

问题不在智能体“叛变”,而在一个被误解的开关:他点了“Allow Always”以为只是让智能体代回消息,没想到这等于授权它把地址发出去、把价格定下来、把人约到家门口。

成本:Muse 免费起步(报道提及订阅档约 $20/$100 每月,与本事件无关) · 耗时:这是前沿风险案例,不建议照做代管;可照做的是文末的权限自查(约 10 分钟)
生活办事 · 评分 88 · 状态:作者自述,未经审计(流程与代码开源,漏斗数字见原文图表)

让智能体先读完招聘广告再投递:258 次投递换来 8 次面试和 3 个 offer

海投机器人拼的是“发”的量,这个智能体反着来:把量花在“读”上——读完全文、逐项打分、每份 CV 单独定制且不许编造,人只负责最后点头。

成本:仅 Claude 订阅费(原文未给出具体档位金额) · 耗时:搭建约 2 小时(大部分花在一次性写职业档案);之后每轮扫描约 40 次投递、逐个人工批准
编程搭建 · 评分 85 · 状态:已实现(3 个 PR 已合并,PR 编号与成本表公开可查)

让智能体把 Issue 直接修成 PR:每个约 2 美分,而且它永远拿不到仓库钥匙

关键不在智能体多会修 bug,而在权限怎么放:它在一次性沙箱里改代码,仓库写凭证从头到尾在沙箱外面的脚本手里,它想越权也够不着。

成本:模型约 $0.018–$0.033/个 Issue + 沙箱约 $0.060/小时(每次运行 <2 分钟),合计每个 Issue 几美分 · 耗时:搭建半天内(脚本约 120 行);之后每个 Issue 自动运行 <2 分钟 + 人工审 PR
省时间行政 · 评分 80 · 状态:已节省(作者自述,连续追踪 3 个月,每周准时送达率 100%)

让智能体每周一自动写经营周报:2 小时手工活变成 4 分钟,3 个月省约 72 小时

最无聊的重复活最适合先交给智能体:每周一拉数据、算环比、写摘要、发邮件——他把这条流水线自动化后,领导在到办公室前就收到了周报。

成本:未给出(n8n + Claude 调用,原文未列金额;均为常见工具的常规订阅/API 量级) · 耗时:搭建约半天到一天;之后每周自动运行约 4 分钟,人工只处理异常通知
编程搭建 · 评分 84 · 状态:已实现(作者自述,系统在真实项目部署中运行;节省为调用次数口径,非账单金额)

让智能体别再亲自跑测试和部署:每周 50-100 次烧 token 的 CI 调用降到约 0 次

用智能体跑测试、部署,就像请顾问去按电梯按钮——他把这类“不需要思考的活”全部交还给流水线,智能体只做需要推理的事,账单立刻降下来。

成本:Copilot CLI 约 1 credit/次(约 $0.01);GitHub Actions 按常规额度;无新增订阅 · 耗时:共享 workflow 仓库搭建约几小时;之后每个新项目接入只需 5 行文件 + 一次 push
省时间行政 · 评分 77 · 状态:已实现(失败结果;作者自述实测,寿命与 token 数据为其家庭服务器实测记录)

让常驻智能体替你干活:4 个自动化分别活了 7 小时、6 天、11 天、12 天,全被删了

网上全是常驻智能体的“安装帖”,几乎没人写“后来怎么样了”——这位作者写了:凡是让智能体自己做决定的部分,全坏了;活下来的那个,恰好什么都不决定。

成本:API 成本 $0(全部本地模型,代价是本地 GPU 时间;原文口径) · 耗时:这是前沿失败账本,不建议照搭常驻智能体;可照做的是文末的“上线前三问”自查,约 30 分钟
生活办事 · 评分 76 · 状态:已实现(作者自述,工具开源、漏斗数字写在项目 README 与作者案例页,可核)

让智能体先给岗位打分再决定投不投:评估 740 个岗位,只投 68 个,拿到 1 个 offer

求职最浪费时间的不是投递,是把时间花在不匹配的岗位上——这个开源系统先让智能体逐个给岗位打分,低于 4.0/5 直接劝退,只为值得投的岗位定制简历,而且永远不替你按提交。

成本:Career-Ops 本身免费;需要一个 AI 编程 CLI——Claude Code 需付费 Claude 计划或 API Key,也可走 OpenCode 的免费提供方(原文口径) · 耗时:搭建约 1-2 小时(首次要喂入 CV 与偏好);之后每批岗位评估约数十分钟,投递永远人工按提交
内容营销 · 评分 78 · 状态:已实现并持续运行(第三方报道核实流程,当事人自述效果)

让智能体接管你的期刊数据与初稿:每期写作从 3 小时降到 90 分钟

写期刊最耗时的不是写,是“不知道写什么”和“对着空白页发呆”——他让智能体先把读者数据变成选题依据,再把口述变成初稿,自己只当编辑。

成本:Claude 订阅 + Beehiiv 账户(原文未列具体金额);Beehiiv MCP 当时为 beta · 耗时:搭建约半天;之后每期写作约 90 分钟(原 3 小时)
编程搭建 · 评分 84 · 状态:已实现(失败结果,作者实测)

让智能体盯 PR 状态:一夜跑了 243 次、纯浪费 $63.10、0 提交(失败结果)

把“每 2 分钟看一眼 PR 状态”的便宜轮询,接到了一个每次都要花钱买 tokens 的智能体上——而判断条件写的是“历史上有人提过修改意见”,于是它对同一条早已处理的意见重复派工了一整夜。

成本:事故当晚总花费 $64.25,其中纯浪费 $63.10(作者账单口径);日常使用成本原文未给出 · 耗时:读者照做“循环三问”审查约 30 分钟;修复模式半天内可落地
编程搭建 · 评分 80 · 状态:作者自述,未经审计(机构自报内部数据,无样本量,未经独立核查)

让智能体先审智能体写的代码:一轮通过率从 65% 升到 78%(Anthropic 自报)

当约 90% 的代码由智能体写出后(Anthropic 自报口径),逐行人审先撑不住的是注意力——他们把评审拆成七层,让机器先筛、人只按风险档位出现,并用三轮上限治住了“评审无限打转”。

成本:托管版 Code Review 仅 Team / Enterprise 计划可用,原文未给单价,须显眼标注;本地 /code-review 任意计划可用(按 Claude 用量计费) · 耗时:小团队版落地:必备三层约半天到一天;单写一份 REVIEW.md 约 30 分钟
省时间行政 · 评分 73 · 状态:作者自述,未经审计(在产系统与注册凭证由作者公开链接,可自行打开核对)

让智能体跑酒店电话、新公司注册和订房接口:一年后三件都在真实运行(作者自述,凭证公开)

一个不会写代码的卢森堡小酒店老板,把同一台家庭服务器上的同一个智能体养了一年:它接电话订房、办下了一家新公司的注册、还把酒店订房做成了能被别的智能体调用的接口——他本人只保留签字、动钱和对外承诺的审批权。

成本:未给出(原文未列智能体与工具费用;作者预告系列 Ep.6 才谈钱的范围) · 耗时:全系统为一年累积建成,不是一天速成;读者迁移应只取一个切片(如语音前台)用数天起步
生活办事 · 评分 75 · 状态:已实现(逐日实测,全部对话记录与原始数据公开可核;这是能力实测,不是省钱/赚钱结果)

让智能体每天替你跑 10 件网上杂事并公开全部记录:完成 8-9 件,剩下的是网站不让它进

与其争论“智能体到底能不能办事”,这个项目每天让智能体真去办 10 件杂事,并把全过程原样公开——结论是:能力不是主要瓶颈,网站的登录墙和机器人墙才是。

成本:项目方自付 API 费用(原文口径“we pay for these API calls, for fun”,具体金额未给出) · 耗时:这是前沿实测,读者照做的版本是“拿你自己的 10 件杂事做一张实测表”,约 1 小时
调研数据 · 评分 73 · 状态:已实现(分析结论已发布,数字可按公开方法复算)

让智能体把招聘帖读成数据集:20 期 HN 帖子解析出 9,194 个岗位的结论

论坛帖子是免费的一手市场数据,只是全是自由文本没法统计——让 LLM 按固定字段逐条解析,就能把“感觉行情不好”变成可引用的数字。

成本:未给出(公开数据 + LLM 调用,量级为个人可承担的小额 API 费,原文未列) · 耗时:约半天(一次性任务)