两小时周报压到几分钟？白干的活

一个5到20人的外包或运维团队，每周五要干一件没人愿意干的事：翻回聊天记录，把站会消息一条条复制进文档，数这周完成了什么，再把措辞理顺。这套流程大约要花两个小时，没人喜欢，也没人为此向客户收费。

Update2Report 就是冲着这两个小时去的。它把团队一周里发在聊天里的零散更新，加上一份可选的任务 CSV，变成一份能直接发给客户的周报：一段简短摘要、一个可打印的 HTML 页面，外加一个 Excel 工作簿。

作者判断，这是一件有人愿意花钱让别人替自己做的事。

模型管说话，Python 管数数

整个项目最被在意的一点是可信度。一份把团队写了4份文档报成5份的周报，比没有周报更糟。所以分工被切得很清楚：模型负责语言工作，纯 Python 负责计数和核对。

模型只干两件事。第一，从自由文本里抽出结构化任务，包括项目、负责人、状态、阻塞项。第二，用内部语气或面向客户的语气写出摘要。凡是能成为事实的东西，一律交给代码计算。

围绕模型加了几道检查：

• 抽取校验：抽出的 JSON 会被确定性地校验，格式不对就给模型一次纠正机会。
• 数字保全：源文本里出现的每个数字和百分比，都必须出现在摘要里。缺了就重新生成一次；还是缺，报告就追加一份“来自源文本的数字”清单，保证数字不会被悄悄丢掉。
• 禁止发明：摘要里的任何数字，无论是阿拉伯数字还是“three”这样的英文数词，都必须存在于源文本中；摘要里首字母大写的名字（人名、项目名）也必须出现在源文本里。否则草稿被拒，附带原因重写一次。名字检查只是简单的词匹配，能抓住编造的名字，抓不住所有错误归属。
• 统计由代码产出：项目／负责人／已完成／进行中／阻塞项这张表由 Python 计算，不由模型撰写。如果提供了 CSV，聊天条目和 CSV 任务会在每个项目内按任务名去重，同一个任务不会被数两次。

这些检查并不能证明抽取在语义上完美无缺。它们保证的是：客户看到的数字和团队写下的数字对得上，一旦出问题，失败是看得见的。

演示里塞了三个假人

线上演示可以粘贴这样一段更新（全部为虚构）：Alice 完成了登录页改版，修了2个 bug，卡在 API 规格上；Bob 把计费定时任务迁到新调度器，压测待做；Chen 写了5份入职文档，开始做 FAQ，完成40%。

生成的摘要保住了那个2、那个5和那个40%，没有添加任何输入里不存在的人、项目或数字。同时还会给出一张统计表，列出项目、负责人、已完成、进行中、阻塞项。

演示本身也做了几处处理：缓存样例输入有按钮，不花钱且永远可用；实时生成有按 IP 的每小时上限和每日上限，一个设置就能关掉；关掉时或模型端点不可达时，页面会提示缓存样例仍可用，而不是甩出一堆报错堆栈。页面上也提醒，不要把敏感内容粘进公开演示。

换模型只改三个环境变量

技术栈是 Python、Gradio 做界面，加一个 OpenAI 兼容客户端连模型。公开演示跑的是 DeepSeek 的开源权重模型 DeepSeek-V4.1-Flash（MIT 许可），备用模型是 OpenAI 的开源权重 gpt-oss-120b（Apache 2.0）。模型连接就是三个环境变量：LLM_BASE_URL、LLM_API_KEY、LLM_MODEL，换模型或换主机只改这几个，不动代码。另有一个可选的 LLM_FALLBACK_MODEL，在第一个模型被限流或宕机时用第二个模型重试一次。

项目 MIT 许可，Python 包在 update2report/ 目录下，Gradio 应用是 app.py，带 52 个测试。作者也说明，写代码和测试时用了 AI 编程助手（Codex 和 Claude），结果由他自己复核运行，上述设计出自他本人。

隐私第一，成本第二

选开源权重模型的头号理由是隐私，成本排第二。一份周报里有客户名、交付状态，有时还有投诉。团队负责人可能不被允许把这些粘进托管式聊天机器人，客户也未必希望如此。因为模型是开源权重、应用又能对接任何 OpenAI 兼容端点，把 LLM_BASE_URL 指向本地的 Ollama 服务器，笔记就永远不离开自己的机器。换成闭源模型，这个选项根本不存在。

成本是另一半。这个任务很小：输入几千字符，输出几百字符，一周一次。一台自己已经有的硬件跑个小开源模型就够了，也没有按席位或按 token 的账单要跟客户解释。作者还提到，不必围绕某一家厂商的 API 来构建，这对一个他可能想出售或移交的工具很重要。

它也有不如人的地方：更大的托管模型写出来的文字更顺。这正是那些检查存在的原因——作者宁可要一份稍微朴素但数字正确的摘要。

目前还没有付费用户。作者计划在截止日期前找几位团队负责人，拿他们真实一周的笔记跑一遍，并会把反馈更新出来，包括有没有人愿意付钱。后续方向包括：用不同规模的本地 Ollama 模型测试，记录数字检查回退到“来自源文本的数字”清单的频率；支持更多输入格式，比如导出的聊天日志；为不想自己跑的人提供托管版本，为最在意隐私的人提供自托管方案。