每天的工作记录分散在会议笔记、消息和共享文档里，交接时还要重新找负责人、截止时间和待确认事项。可以把整理范围缩到一份当天日志：本机 Qwen 先按固定字段归纳，再由你逐项回原文检查。

这篇用一份虚构工作日志，测试“已完成、待办、未确定”三种状态。模型用的是 Ollama 本机运行的 Qwen3.8 27B；它通过本机 Chat API 接收提示词和日志。Ollama Qwen3.8 模型页 · Ollama Chat API

先把日志写成唯一事实来源

练习包里的日志只包含虚构项目、虚构人员和日期。它特意保留了几个常见歧义：尺寸图已承诺补发但尚未收到；首页主色等待客户确认，交付日没有确定；一项检查有日期但没人负责。

真实工作中，只整理你有权限处理的资料。尽量把原句和时间写清楚，不把猜测写进日志；个人信息、客户资料和内部信息按单位规则管理。

第一步：准备本机模型

先安装并启动 Ollama，然后确认本机已有 Qwen3.8 27B：

ollama pull qwen3.8-27b:latest
ollama list

该模型首次下载约 18GB，耗时取决于网络。模型需要本机内存和磁盘空间；本教程没有测试低内存设备。查看官方模型说明

第二步：运行整理脚本

下载并解压工作日志整理练习包，在终端进入解压目录，运行：

python3 run_workflow.py

脚本用 Python 标准库读取 工作日志_虚构.md 和 prompt.txt，向本机 127.0.0.1:11434/api/chat 发送请求，并保存原始响应。它要求模型返回 JSON，字段包括已完成、待办、待确认信息和交接摘要。Ollama API 的响应也会记录输入与输出 tokens、模型加载和推理耗时；请求格式见官方 Chat API 文档。

默认模型是 qwen3.8-27b:latest。若你的本机模型名称不同，可在命令后指定：

python3 run_workflow.py 其他模型名称

这只是整理草稿，不会改动日历、发消息或更新任务系统；确认后再由你手动复制到团队使用的交接工具。

第三步：检查状态和原句

本次在 Apple M1 Max、64GB 内存、Ollama 0.35.1 上跑了一次虚构日志。模型输入 354 tokens、输出 480 tokens，推理用时 50.15 秒，模型加载 12.50 秒。它识别了 4 条已完成事项、5 条待办，并保留“未指定负责人”和“未写明截止时间”。

原始输出里，“客户确认补发尺寸图”被放进已完成项，但尺寸图本身仍在待收状态。人工复核稿把“确认补发”与“收到图纸”拆成两个状态。练习包中的校验脚本检查 9 条已完成/待办证据原句确实来自日志，同时确认未指定负责人和未写明日期没有被补造。

测试只证明这条日志的一次整理结果；模型输出仍可能把“承诺完成”误当成“事情已完成”。先对照日志，再把确认后的内容发给同事。

怎么估算是否真的省时间

“每天节省两小时”不能只凭模型回答速度得出。若要评估是否值得纳入团队流程，先记录一周原来的整理耗时，再记录人工复核后的新耗时；把模型等待、修订、隐私审查和异常处理都算进去。练习包不提供虚构的节省比例。

每次先选一个重复、低风险、结果容易核对的环节。若输入来源不完整、责任人不清或截止日期缺失，就让清单保留空缺，不要让模型自动补齐。

工具清单

  • Ollama：在本机运行模型，并提供本地 Chat API。
  • Qwen3.8 27B：本篇测试的中文文本模型；模型选择按结构化输出和事实保留情况评估。
  • Python 3：运行练习脚本，使用标准库，无需额外安装依赖。

下载工作日志整理练习包。所有日志内容均为虚构；练习不代表模型适合自动更新任务或对外发送消息。