用途：让 AI 代理识别可自动化的人工流程，选择合适模式（脚本、文件监听、cron/systemd 定时器、CI/CD 触发、API 轮询或 webhook），编写实现并验证其正确性，目标是用可靠、无人值守的自动化替代随工作量线性增长的手工重复劳动。
主要能力：分析触发方式（事件驱动或时间驱动）、步骤、输入输出与当前执行频率；按环境选择自动化模式；设计输入、配置、错误处理（重试、告警、回退）、日志与凭证管理，并保证幂等；用 bash/Python、crontab、GitHub Actions/GitLab CI 等实现；在安全环境测试正常路径与边界情况（空输入、网络故障、权限错误、并发执行）；部署、监控并记录用途与停用方式。
使用方式：向代理描述要自动化的任务，包括触发条件、应做什么、运行位置，代理会选择模式并实现。示例包括：监视 ~/data/incoming/ 目录，新 CSV 文件到达时校验表头、转换为 JSON 并移到 ~/data/processed/，校验失败记入 ~/data/errors/；每 6 小时轮询 API 健康端点，若有服务降级则通过 Slack Webhook 告警（cron：0 */6 * * * /usr/bin/python3 /opt/scripts/health_check.py >> /var/log/health_check.log 2>&1）。
最佳实践：保持幂等；详细记录日志但仅对可操作的失败告警；将路径、URL、阈值和凭证外置到环境变量或配置文件；定时任务用 flock 或 PID 文件防止重叠；自动化脚本纳入版本控制；提供手动暂停、跳过或执行的方式。
边界情况：多步任务部分失败时应设置检查点以便从最后成功步骤恢复；文件监听需等待文件写入稳定；长期任务要处理凭证过期与刷新失败告警；注意 cron 时区与夏令时影响；API 轮询需指数退避并关注速率限制响应头；外部输入应先校验再处理，失败时给出清晰错误而非产生损坏输出。
限制：资料未提供该技能的具体安装命令、支持平台、收费或价格信息，暂未提供。