一、为什么“自动写周报/总结”特别适合用本地大模型来做很多人已经用上了云端大模型帮忙写周报、写总结但在真实办公场景里很快会遇到三个问题隐私风险周报、项目总结里经常有内部数据、客户信息、业务策略直接丢到云端容易踩合规红线。上下文不连续每次写周报都要从 IM 记录、会议纪要、Jira/飞书文档里东翻西找把素材一条条拷贝给模型非常耗时间。格式不统一不少 AI 生成的周报“看起来挺高级”但没按团队约定格式领导看了反而不满意还要你重写一遍。而用Ollama 本地 Qwen3.5来做这件事刚好可以解决上述痛点所有数据都留在自己电脑或公司内网可以直接读你一整周/一整月沉淀下来的本地记录文件周报结构、语气、细节都可以通过提示词和模板严格约束。这篇文章的目标​带你从 0 打造一个「本地周报 月度总结生成器」每天简单记几条工作记录周五/月底一键运行脚本自动生成结构统一、语言专业的周报/总结草稿。二、整体设计思路从每日碎片到周报/总结先看一下整体的「数据流」每天简单记录工作内容到本地文件比如logs/2026-03-05.md一条记录大致包括日期、项目/模块、任务描述、结果/影响。周末自动或手动​脚本扫描本周所有日志文件 → 汇总成「本周原始记录」 → 调用 Qwen3.5 生成「周报草稿」。月末脚本读取本月所有周报草稿 → 进一步抽象 → 输出「月度总结」。关键设计点​日志格式要简单、可坚持否则你会放弃使用周报/总结提示词要稳定保证每次生成的结构一致脚本逻辑尽量清晰方便你之后接入更多数据源如 Jira/飞书/邮箱等。三、环境准备承接你之前的 Ollama Qwen3.5 环境假设你已经完成了# 安装 Ollama # ... # 拉取 Qwen3.57B 版本即可 ollama pull qwen3.5:7b-instruct-q4_0 # 推荐直接用 4bit 量化版 # Python 环境示例 python -m venv ai_weekly_env # Windows: ai_weekly_env\Scripts\activate # macOS / Linux: source ai_weekly_env/bin/activate pip install --upgrade pip pip install ollama0.1.1可以用最简单的请求测试一下import ollama res ollama.chat( modelqwen3.5:7b-instruct-q4_0, messages[{role: user, content: 简单自我介绍一下。}] ) print(res[message][content])如果能正常输出就可以继续做“周报助手”了。四、设计每日工作记录格式简单到不想偷懒为了能长期坚持每天的记录格式一定要极简但又不能太散。这里给一个 Markdown 形式的推荐模板# 日期2026-03-05周四 ## 项目 / 模块 A用户中心 - [功能] 完成登录接口限流逻辑改造 - 细节增加 Redis 计数接口 QPS 超过阈值时返回 429 - 结果线上报警从 日均 30 次 降到 日均 2 次 - [沟通] 和产品确认新注册流程埋点字段 - 结果新增 5 个埋点字段已同步到埋点文档 v1.3 ## 项目 / 模块 B运营后台 - [修复] 解决导出报表偶发超时的问题 - 处理分页查询 异步导出 - 结果平均导出时长从 40s 降到 8s ## 其他 - 参加后端组每周例会讨论 Q2 技术规划 - 学习 Qwen3.5 工具调用相关文档保存路径建议logs/2026-03-04.md2026-03-05.md2026-03-06.md...只要你每天花 3–5 分钟写这么一份后面周报/总结就几乎可以完全交给脚本了。​五、自动生成周报从一周日志到结构化周报稿5.1 周报生成脚本目录结构建议新建一个项目目录比如ai-report-assistant/ai-report-assistant/logs/ # 每日记录weekly_reports/ # 自动生成的周报monthly_reports/ # 自动生成的月度总结weekly_generator.py # 周报生成脚本monthly_generator.py # 月结生成脚本5.2 周报生成核心脚本示例weekly_generator.py#!/usr/bin/env python3 # -*- coding: utf-8 -*- 自动周报生成脚本基于本地 Qwen3.5 Ollama 使用方式 1. 保证 logs/ 目录下有本周若干天的 md 日志 2. 运行python weekly_generator.py 3. 在 weekly_reports/ 目录下查看生成的周报 md 文件 import os import datetime from pathlib import Path import ollama BASE_DIR Path(__file__).resolve().parent LOG_DIR BASE_DIR / logs OUTPUT_DIR BASE_DIR / weekly_reports MODEL_NAME qwen3.5:7b-instruct-q4_0 def get_this_week_dates(): today datetime.date.today() # 以周一为一周开始 start today - datetime.timedelta(daystoday.weekday()) dates [start datetime.timedelta(daysi) for i in range(7)] return dates def collect_week_logs(): dates get_this_week_dates() contents [] for d in dates: filename LOG_DIR / f{d}.md if filename.exists(): with open(filename, r, encodingutf-8) as f: text f.read().strip() if text: contents.append(f【{d} 工作记录】\n{text}\n) return \n\n.join(contents), dates[0], dates[-1] def build_weekly_prompt(raw_text: str, start_date: datetime.date, end_date: datetime.date) - str: return f 你现在是一名在互联网公司的后端工程师请根据下面一整周的工作记录生成一份结构化的本周工作周报。 时间范围{start_date} ~ {end_date} 【一周原始记录】按日期汇总 -------------------- {raw_text} -------------------- 请严格按照下面的结构输出 Markdown 格式内容不要添加多余前缀 # 本周工作周报{start_date} ~ {end_date} ## 一、本周工作概览 - 用 24 句话总结本周整体情况包括主要工作方向、关键成果。 ## 二、本周工作内容 按项目/模块分小节每个小节包括 - 模块概述1 句 - 本周完成的具体事项列表每条为“做了什么 达到什么结果/影响”尽量保留数据 示例结构 ### 项目 / 模块 Axxxx - 完成 xxx结果xxxx - 修复 xxx结果xxxx ### 项目 / 模块 Bxxxx - ... ## 三、本周问题与风险 - 罗列本周遇到的主要问题、风险点以及当前进展如没有可以写“本周未发现明显风险” ## 四、下周工作计划 - 条理清晰地列出下周计划做的 38 件事情建议尽量具体到任务。 要求 1. 用简体中文语气专业但不过度官话。 2. 合并相似内容避免简单复制原始记录。 3. 保留关键信息和数据如百分比、数量、指标。 4. 不要虚构记录中没有的工作内容。 def generate_weekly_report(): raw_text, start_date, end_date collect_week_logs() if not raw_text.strip(): print(本周没有找到任何工作日志请先在 logs/ 下写入每日记录。) return prompt build_weekly_prompt(raw_text, start_date, end_date) print(开始调用本地模型生成周报请稍候...) res ollama.chat( modelMODEL_NAME, messages[{role: user, content: prompt}], ) report res[message][content].strip() OUTPUT_DIR.mkdir(exist_okTrue) filename OUTPUT_DIR / fweekly_report_{start_date}_to_{end_date}.md with open(filename, w, encodingutf-8) as f: f.write(report) print(f周报已生成{filename}) if __name__ __main__: generate_weekly_report()运行python weekly_generator.py如果一切顺利会在weekly_reports/下看到类似weekly_report_2026-03-02_to_2026-03-08.md打开即是一份结构清晰、语气统一的本周周报草稿你只需要做少量微调即可发送给领导或复制到内部系统。六、自动生成月度总结基于周报的二次提炼有了周报其实月度总结就非常容易了——本质就是再做一轮“信息抽象和聚合”。6.1 月结脚本示例monthly_generator.py#!/usr/bin/env python3 # -*- coding: utf-8 -*- 自动月度总结生成脚本基于周报 import os import datetime from pathlib import Path import ollama BASE_DIR Path(__file__).resolve().parent WEEKLY_DIR BASE_DIR / weekly_reports MONTHLY_DIR BASE_DIR / monthly_reports MODEL_NAME qwen3.5:7b-instruct-q4_0 def collect_month_weeklies(year: int, month: int): contents [] for file in WEEKLY_DIR.glob(weekly_report_*.md): # 简单按文件名过滤指定年月 text file.read_text(encodingutf-8) if f{year}-{month:02d}- in file.name: contents.append(f【周报文件{file.name}】\n{text}\n) return \n\n.join(contents) def build_monthly_prompt(raw_weeklies: str, year: int, month: int) - str: return f 你是一名后端工程师现在需要根据本月所有周报写一份「月度工作总结 下月计划」。 当前月份{year} 年 {month} 月 【本月周报原文】 -------------------- {raw_weeklies} -------------------- 请输出一份结构清晰的 Markdown 文档结构参考如下可以根据内容微调 # {year} 年 {month} 月工作总结 ## 一、本月工作整体概览 - 用 35 句话总结本月的重点工作方向、关键成果和总体感受。 ## 二、本月关键成果 - 用列表形式列出 38 项最重要的成果建议从「项目推进、性能优化、问题解决、协作支持」等角度归纳。 - 每条要包含事情本身 结果/指标/影响。 ## 三、项目/模块进展情况 按主要项目/模块分小节对本月阶段性进展做说明 ### 项目 / 模块 Axxxx - 当前阶段xxxx - 本月完成xxxx - 下一步规划xxxx ### 项目 / 模块 Bxxxx - ... ## 四、本月问题与反思 - 总结本月遇到的主要问题、挑战以及个人层面的反思与改进方向。 ## 五、下月工作计划 - 列出下个月最重要的目标和关键任务可以适当关联到上文提到的项目/问题。 要求 1. 以「我」为主语或第三人称统一为一人称视角。 2. 语言专业、真实避免夸大和泛泛而谈。 3. 重点放在「结果 影响 自己的思考」上而不是流水账。 4. 不要凭空捏造周报中没有的成就。 def generate_monthly_report(year: int, month: int): raw collect_month_weeklies(year, month) if not raw.strip(): print(f未找到 {year}-{month:02d} 的周报文件请确认 weekly_reports/ 中已有对应周报。) return prompt build_monthly_prompt(raw, year, month) print(开始调用本地模型生成月度总结请稍候...) res ollama.chat( modelMODEL_NAME, messages[{role: user, content: prompt}], ) report res[message][content].strip() MONTHLY_DIR.mkdir(exist_okTrue) filename MONTHLY_DIR / fmonthly_report_{year}-{month:02d}.md filename.write_text(report, encodingutf-8) print(f月度总结已生成{filename}) if __name__ __main__: today datetime.date.today() generate_monthly_report(today.year, today.month)运行python monthly_generator.py你就会在monthly_reports/中得到一份结构完整的月度总结草稿。七、实战经验如何让 AI 写出来的周报/总结更“像你”系统提示中写上你的岗位和风格例如“你是一名后端工程师平时汇报风格简洁、直接偏技术细节”。在模板里固定一些你常用的表达习惯比如你喜欢用“结果XXX”“影响XXX”就把这些写进提示词AI 会学习这种结构。保留真实数据比如性能优化数据、Bug 数量、支持的业务方数量等这类“硬指标”会让领导对 AI 周报更有信任感。每次生成后只需要花 5 分钟微调把不准确的地方改一下增加 1~2 条你觉得特别重要的感想/收获检查格式是否符合团队内部要求标题级别、字体等。 本文部分内容使用 AI 工具辅助整理与润色所有脚本与流程均由作者在本地环境实际测试后整理如需转载或商用请联系作者。 你现在写周报/总结最头疼的是哪一块欢迎在评论区说说你的场景比如后端/测试/运营/产品我可以根据你所在岗位帮你单独优化一份更贴合的周报提示词模板。