首页 / Agent 用例 · 2026-10-24

Agent 用例日报（2026-10-24）

• 抓取日期：2026-10-24（Asia/Shanghai）
• 来源批次：Fri, Oct 23（站内标注 16 new）
• 本日新增总数：16
• 详录条数：15
• 其他条数：1

注：页面抓不到站内星数（"I want this" 投票数），按列表原有排序取前 15 条详录。

Formally verify software at large scale with Claude

Claude 形式化验证 代码安全

• 简介：Anthropic Frontier Red Team 用 Claude 做大规模形式化验证：把 OSS-Fuzz 模糊测试转成规格（编译后的 RISC-V 二进制在小于 64MB 的任意输入下不崩溃），用 Theorem 的 RISC-V/Linux 语义让 Claude 写 Rocq 证明并由证明检查器验证；证明过程中发现 bug 时 Claude 修代码、规格重生成后继续；补丁被扣分并审计防 reward hacking。
• 效果如何：数周内对 123 个库、239 个入口点证明了 no-crash，约 1.8 亿行 Rocq，还顺手找出数百个 bug。局限：只覆盖单线程静态 RISC-V 二进制；单个证明可耗费数亿 token，36 个任务的测试里能复用彼此证明的 agent 省了 17% token。
• 链接：https://agentusecases.ai/use-case/formally-verify-software-at-large-scale-with-claude

Find and test promo codes before checkout

ChatGPT 省钱 比价

• 简介：两步工作流：先给 agent 商品链接、型号、数量、收货地，让它搜公开优惠码、促销、返现、竞品和比价选项；再用浏览器在支持的站点逐一打开购物车试码，记录试码前后总价，中间重置购物车，遇到登录/CAPTCHA 等敏感环节暂停等用户。
• 效果如何：产出一份各码是否有效、为何失效、最终最低总价的排名对比。帖子没给出真实跑出的省钱数字；部分站点会拦截自动化或要求人工接管，结账前务必明确告诉它别下单。
• 链接：https://agentusecases.ai/use-case/find-and-test-promo-codes-before-checkout

Find and test discount codes with ChatGPT agent mode

ChatGPT Agent 省钱 比价

• 简介：用 ChatGPT Work 的 agent mode 跑两步：先给精确商品页、型号、数量、收货地，调研公开折扣码、运费门槛、会员优惠、返现、竞品和比价；再让它打开购物车逐一试候选码，记录折扣和最终总价，中间重置购物车，登录/CAPTCHA 时暂停。
• 效果如何：号称比价更快、能对比各码成败和最低总价；但没给出具体省了多少钱的实测结果；部分站点会拦自动化。示例图暗示一次完整跑约 60 秒。
• 链接：https://agentusecases.ai/use-case/find-and-test-discount-codes-with-chatgpt-agent-mode

Handle post-meeting follow-ups automatically

Zapier 会议跟进 自动化

• 简介：在 Claude 里用 OAuth 接入 Zapier connector，在 mcp.zapier.com 建 MCP 服务器，接入 Google Drive、Slack、Zoom，只勾选允许的动作（文件删除关掉）。agent 从 Google Docs 找到会议转录、提取 action item、发 Slack 给同事、查大家日历空闲约下次会议。
• 效果如何：这只是个 demo（视频 3:15 处），没给出实测结果、耗时或失败案例。建议从只读权限起步、测完再开写入；文中关于锁定成本的数字没有出处，谨慎看待。
• 链接：https://agentusecases.ai/use-case/handle-post-meeting-follow-ups-automatically

Auto-handle dealership customer SMS support

Make 客服 短信

• 简介：英国经销商集团 Stellantis&You UK 用 Make 建了双向短信客服流：接 Knack、ClickSend 和 OpenAI 情感分析，逐条读客户短信，无需处理的直接关闭，真正不满（哪怕措辞委婉）转给售后团队。原文只给了摘要，没有搭建步骤。
• 效果如何：12 个月分析了 47000+ 条短信，自动关闭 18000+ 条无需处理的；Make 估计省了 151 小时人工审阅。通用建议：AI 拿不准的一律留升级通道给人。
• 链接：https://agentusecases.ai/use-case/auto-handle-dealership-customer-sms-support

Automate technical blog post production

Make 内容生产 博客

• 简介：美国创意机构 Basilica 工期只有几天、要交多篇技术博客，手动调 ChatGPT 又慢又不稳定，于是用 Make 串起 Google Sheets、Google Docs、Claude、Slack 的端到端流程：先训练 AI 品牌语气、话术和关键词，再自动出博客初稿，后来扩展到社媒帖、PPC 广告、邮件和新闻稿。
• 效果如何：每篇博客省 5–6 小时，博客写作生产力 +167%，产量近 3 倍，没加人。原文没提审稿/质检步骤；注意站内摘要写 ChatGPT、源文实际用的是 Claude。
• 链接：https://agentusecases.ai/use-case/automate-technical-blog-post-production

Screen job candidates and run outreach automatically

Make 招聘 简历筛选

• 简介：Make.com 场景：ATS/招聘页新申请的 webhook 触发 → AI 解析简历按加权评分打分 → 写回 ATS → 发确认邮件 → 超阈值的推到 Slack 供招聘官点审批/拒绝 → Calendly 约面、反馈提醒、无回应者自动拒绝。
• 效果如何：没给出量化结果；打分和写回在提交后几分钟内完成，招聘官拿到的是预排序队列而非乱序收件箱。ATS 没 webhook 就每 15 分钟轮询 API（多 15 分钟延迟），没 API 就解析它的通知邮件。
• 链接：https://agentusecases.ai/use-case/screen-job-candidates-and-run-outreach-automatically

Build budget modeling tools with a workplace agent

WorkBuddy 财务预算 企业

• 简介：C&S Paper 6 月上线腾讯 WorkBuddy，总裁高波让它建预算建模工具：在隔离数据环境（分级权限，不连核心库）里直接给某类目加 200 万元、实时看模拟结果、反复调；财务人员搭 Skills 供业务人员复用。
• 效果如何：原来两个多月只能跑 5–6 个场景、每次改等一周，现在变成实时反馈；账号从 500 涨到近 1300，几百号员工能自己做基础分析。幻觉仍在：CDO 用"一个任务分析、另一个任务核查"，最终决策还是人拍板。
• 链接：https://agentusecases.ai/use-case/build-budget-modeling-tools-with-a-workplace-agent

Prep meetings and schedule via an email/CRM agent

Lindy 会议准备 日程

• 简介：测评者把 Gmail 和 Google Calendar 接入 Lindy，用 Meeting Assistant 模板跑了 90 天：会前从历史对话、Slack、CRM 笔记拼一页简报；按双方日历空闲约会；早期几周给了反馈调教。
• 效果如何：会前准备从约 20 分钟降到 5 分钟，每周约会省约 45 分钟。高度技术性讨论的纪要会混淆术语，需人工复核；停训一周质量下滑。订阅 $29.99–$99.99/月，预计 2–3 周调教期。
• 链接：https://agentusecases.ai/use-case/prep-meetings-and-schedule-via-an-email-crm-agent

Let an agent make purchases from a pre-funded balance

购物 支付 自动化

• 简介：评论者说 Muse 自己完成了购物：正常刷卡路径卡在银行 3-D Secure（无人值守 agent 过不去），改用预充值余额后，agent 买了张 $18 礼品卡支付 $17.73 的订单。
• 效果如何：预充值余额流程全自动完成，绑定的卡被扣 $0.00。薄弱点不在购买逻辑，而是结账拦截：3-D Secure、登录墙、CAPTCHA 无论用什么支付方式都可能拦停。
• 链接：https://agentusecases.ai/use-case/let-an-agent-make-purchases-from-a-pre-funded-balance

Book dinner reservations and reach out to influencers

ChatGPT Agent 生活服务 营销

• 简介：评论者说 ChatGPT agent 处理了几个真任务：给自己和妻子订了约会晚餐，给另一家公司联系了约 20 个社媒红人；还用它管 Base44 AI、修了个功能（烧了约 10 个 Base44 credits），Cloudflare 集成尝试卡在登录环节。
• 效果如何：自估成功率约 75%，总体挺满意；点名的主要失败是没能越过 Cloudflare 登录（两个前端应用间的 API 层对接）。
• 链接：https://agentusecases.ai/use-case/book-dinner-reservations-and-reach-out-to-influencers

Plan birthday and virtual office parties

ChatGPT 生活服务

• 简介：评论者用 ChatGPT 规划生日派对和线上办公室派对，从邀请、装饰、游戏到食物全套计划；没描述更长的工作流、工具或审稿步骤。
• 效果如何：没给数字或实测结果，就是个实用的派对计划用例；也没说哪里翻车或需要纠正。
• 链接：https://agentusecases.ai/use-case/plan-birthday-and-virtual-office-parties

Run sales workflows directly in the CRM with agents

CRM 销售 获客

• 简介：评论者描述几种做法：一个团队从 HubSpot workflow 调 GPT、在 agent 间传递资质信息；另一个让 agent 接 inbound WhatsApp 线索，自动建 HubSpot 线索、记笔记、记会议，通过 API/webhook/cron 设提醒；还有把 CRM 访问和 LinkedIn/调研工具配对，用网站行为、历史对话、业务信号起草更精准的跟进，人仍负责关系和纠偏。
• 效果如何：结果混杂但偏正向：一条说 inbound 转化 +5.73%、沉睡线索复活 +2%/月，另一条说 demo 预约涨约 30%，也有说主要收益是省时间和跟进更稳定。短板：单向集成弱、CRM 更新噪音大、ICP/playbook 没定好时触达很 generic。经验是先收窄范围再迭代。
• 链接：https://agentusecases.ai/use-case/run-sales-workflows-directly-in-the-crm-with-agents

Write follow-ups and update CRM deals from the inbox

CRM 销售 邮件

• 简介：评论者说 HubSpot AI Copilot 能写/发跟进邮件、更新 deal 记录、从收件箱约会；Revenue Grid 更强的点是自动更新 Salesforce CRM；另一条评论提醒 AI 写的消息还是要人工审。
• 效果如何：减少手动跟进和 CRM 杂活，但没人给出真实落地、数字或前后对比；多条评论警告个性化和临门一脚仍需人工判断，对外消息要人工把关以免又机械又水。
• 链接：https://agentusecases.ai/use-case/write-follow-ups-and-update-crm-deals-from-the-inbox

Qualify leads and book calls via WhatsApp or voice

销售 线索 WhatsApp

• 简介：评论者描述：AI 在 WhatsApp/语音里跟线索对话，记住历史、对话中打分、自动跟进或约通话，只把热线索交给人；另一条加了 Clay + Apollo 做线索丰富和序列编排，但配置耗时。
• 效果如何：唯一给出的具体数字是手动工作砍掉 80%、客户感觉更像真人；没给转化/预约/收入数字，工具细节也偏高层。
• 链接：https://agentusecases.ai/use-case/qualify-leads-and-book-calls-via-whatsapp-or-voice

其他

• Answer support tickets with ChatGPT connected to Freshdesk — https://agentusecases.ai/use-case/answer-support-tickets-with-chatgpt-connected-to-freshdesk — 简介：Done with ChatGPT. A SaaS owner connected ChatGPT to Freshdesk with ticket history and internal tools, but dropped full autonomy because choosing the right answer and knowing when not to respond was unreliable.