一套真实运行的自动化任务矩阵
这位开发者基于 Claude Max 订阅（非 API 按量计费），用 cron 定时任务驱动了十多个自动化 Agent，覆盖信息监控、内容生成、数据分析等场景：
| 任务 | 频率 | 模型 | 平均耗时 | 周运行次数 | 估算 token/次 |
|---|---|---|---|---|---|
| 飞猪航班监控 | 每小时 | Sonnet 4.5 | ~30s | 168 | ~12k |
| 热点扫描（×2） | 每天×2 | Opus | ~43s | 14 | ~50k |
| 推特日报 | 每天 | Opus | ~80s | 7 | ~100k |
| Linear 日报 | 每天 | Opus | ~110s | 7 | ~100k |
| AI 雷达 | 每天 | Opus | ~160s | 7 | ~150k |
| OpenClaw 日报 | 每天 | Opus | ~22s | 7 | ~30k |
| 推文复盘 | 每天 | Opus | ~130s | 7 | ~120k |
| YouTube KOL 追踪 | 周二×2 | Opus | ~37s | 2 | ~40k |
| 竞品追踪 | 周一 | Opus | ~40s | 1 | ~50k |
| 舆情报告 | 周一 | Opus | ~49s | 1 | ~50k |
| 自动更新 | 周一 | Opus | 较短 | 1 | ~10k |
| PostHog 数据报告 | 每天 | Opus | 待定 | 7 | ~30k |
这张表本身就是一份很好的「一人公司自动化清单」模板——从产品数据到竞品情报，从内容生产到舆情监控，几乎覆盖了一个小团队日常运营的全部信息需求。
资源消耗全景
汇总下来，每周的消耗大约是：
- Opus：约 53 次/周，消耗 4-5M tokens
- Sonnet 4.5：约 168 次/周，消耗 2M tokens
- 合计：每周 6-7M tokens
其中三个「大户」是推特日报、推文复盘和 AI 雷达，它们占了 Opus 消耗的约 60%。而飞猪航班监控虽然每小时都跑，但因为用的是 Sonnet 且单次 token 少，反而不怎么费资源。
模型选择的实用策略
这里有一个很实际的经验：不是所有任务都需要最强模型。几条优化建议：
- 推特日报、AI 雷达、推文复盘这类信息整理类任务，换成 Sonnet 4.5 质量差别不大，但能显著降低 Opus 的 rate limit 压力
- 热点扫描同理，两个时段的扫描任务也可以降级到 Sonnet
- 临时性的监控任务（比如特定时间段的航班监控）用完记得关掉，避免无意义消耗
核心思路就是：只在需要深度分析、复杂推理的任务上用 Opus，信息抓取和格式化整理交给 Sonnet 就够了。
对一人公司的启发
这套方案的价值不在于具体跑了哪些任务，而在于它展示了一种模式：一个人 + 一组定时 Agent = 一个信息团队的产出。航班监控、竞品追踪、舆情分析、内容日报——这些过去需要多人协作的工作，现在用 cron + LLM 就能 7×24 自动运转。如果你也在用 Claude Code，不妨从一两个高频信息需求开始，逐步搭建自己的自动化矩阵。