1. 为什么我要认真写这篇 WorkBuddy 实战指南第一次接触 WorkBuddy 是在一个赶项目的深夜。当时手头堆着三份文档要整理、两个数据表要合并、还有一堆重复性的文件重命名工作整个人处于一种机械劳动把人榨干的状态。朋友甩过来一句你试试 WorkBuddy腾讯出的 AI 工作台我抱着又一个套壳聊天框的心态装上了结果用了两周之后我把它固定在了任务栏第一位。这篇内容我想聊的不是WorkBuddy 有多神而是一个真实使用者从安装、配置、自定义模型、写规则、踩坑到形成稳定工作流的完整过程。核心关键词会围绕 WorkBuddy、腾讯 AI 工作台、AI Agent、自定义模型配置、models.json 这几个点展开。如果你属于下面几类人这篇值得你花二十分钟读完刚听说 WorkBuddy想知道它和普通 AI 对话工具有什么本质区别已经装了但只会问一句答一句没发挥出 Agent 的自动化能力想接自己的模型、改缓存目录、写全局规则但被配置文件劝退在 WorkBuddy、CodeBuddy 这类工具之间纠结不知道选哪个。我会把安装、模型配置、规则体系、Skill 机制、缓存迁移、常见报错这几块拆开讲透每个环节都附上我实际操作的参数和踩过的坑。这不是一份官方文档的复述而是一个重度用户的工作台搭建笔记。2. WorkBuddy 到底是什么先搞清楚它和聊天机器人的区别2.1 从对话到执行的定位差异很多人第一次打开 WorkBuddy 会觉得这不就是个聊天框吗。这个误解很致命因为它会让你完全用错工具。普通 AI 对话产品的核心是生成内容——你问它答答案停留在对话框里要落地还得你自己复制粘贴。而 WorkBuddy 的定位是腾讯 AI 工作台本质是一个 AI Agent 运行环境它的核心能力是调用工具、操作文件、执行多步骤任务。打个比方普通对话 AI 像一个博学的顾问你问他什么他告诉你什么WorkBuddy 更像一个坐在你工位旁边的助理你说把这三个 Excel 合并成一份带汇总表的报告它会真的去读文件、写脚本、跑代码、生成结果文件。这个差别决定了你的使用姿势——你要学会下任务而不是提问题。2.2 Agent 能力的三层结构我把 WorkBuddy 的能力理解成三层理解了这三层你就知道该往哪个方向使劲层级能力典型表现你需要做什么对话层理解与生成问答、写作、翻译、代码片段直接提问工具层调用与执行读写文件、跑命令、联网检索授权 明确指令编排层多步任务规划拆解复杂任务、串联多个 Skill写规则 配 Skill大部分人卡在第一层觉得也就那样。真正让 WorkBuddy 拉开差距的是第二、三层——它能动手而且能按你定的规则持续动手。这也是为什么热词里反复出现给 WorkBuddy 定几条规则后续对所有任务都生效这类需求因为规则才是把一次性对话变成稳定工作流的关键。2.3 和 CodeBuddy 的关系与区别这是被问得最多的问题之一。我的理解是CodeBuddy 更偏代码场景的深度优化WorkBuddy 更偏通用办公与多任务编排。两者底层都涉及 AI Agent 能力但面向的使用者不同。如果你主要写代码、做工程CodeBuddy 的代码上下文理解会更顺手如果你要处理文档、表格、跨应用任务、批量文件操作WorkBuddy 的工作台形态更合适。实际使用中我经常两个都开着各干各的活并不冲突。3. 安装与首次配置把地基打牢3.1 安装渠道与版本选择WorkBuddy 目前有网页版和客户端两种形态。我的建议很明确日常重度使用一定装客户端。原因有三个客户端能直接访问本地文件系统网页版受浏览器沙箱限制客户端能常驻后台跑长任务网页版关掉标签页就断了客户端的缓存和配置可控方便做本地化部署和目录迁移。安装过程本身没什么坑下载、双击、登录三步走完。但有几个细节值得注意登录账号要选对。如果你所在的组织有企业版用企业账号登录能拿到更完整的权限和额度个人账号在部分 Skill 上会受限。首次启动别急着用。先花十分钟把设置页翻一遍尤其是模型配置、缓存目录、权限授权这三块后面会省很多事。积分机制要心里有数。WorkBuddy 的部分高级能力消耗积分重度使用前先了解自己的额度避免任务跑到一半断掉。3.2 首次启动的三项必做设置我把首次配置总结成三件套做完这三件事后面用起来会顺很多确认默认模型。打开设置里的模型配置看看默认走的是哪个模型。如果只是日常问答默认够用如果要处理复杂任务建议换成推理能力更强的模型。检查缓存目录。默认缓存通常在系统盘的用户目录下如果你系统盘空间紧张这一步就要规划迁移后面 5.2 节详细讲。授权工作目录。给 WorkBuddy 划定一个专门的工作文件夹让它只在这个范围内读写文件。这既是安全考虑也能避免它误操作你其他重要文件。提示工作目录建议单独建一个比如D:\WorkBuddySpace所有让它处理的文件都先丢进去。这样即使出问题影响范围也可控。3.3 权限授权的边界感Agent 类工具最让人纠结的就是权限。给多了怕它乱动给少了它干不了活。我的做法是分级授权日常读写限定在工作目录内涉及删除、覆盖这类破坏性操作时开启二次确认联网检索按需开启不用时关掉。WorkBuddy 在权限管理上做得比较克制关键操作会弹确认这一点比很多同类工具让人放心。4. 自定义模型配置models.json 到底怎么改4.1 为什么要自定义模型默认模型能覆盖大部分场景但有两类需求绕不开自定义一是你想用特定厂商的模型二是你想在成本和质量之间做精细平衡。WorkBuddy 通过models.json这个配置文件来管理模型接入理解它的结构你就能自由切换模型。4.2 models.json 的结构拆解配置文件的核心是模型条目每个条目描述一个可用的模型。一个典型的条目包含这些字段{ models: [ { name: my-model, provider: custom, baseUrl: https://your-endpoint/v1, apiKey: your-key-here, model: model-id, maxTokens: 8192, temperature: 0.7 } ] }逐个字段说清楚name你给这个模型起的别名界面上显示的就是它随便起但要自己能记住。provider供应商标识自定义接入一般填custom。baseUrl接口地址注意结尾的/v1这类路径要按实际接口文档填多一个斜杠少一个斜杠都可能报 404。apiKey密钥这个字段最敏感配置文件千万别提交到任何公开仓库。model模型的实际 ID这个必须和接口方给的完全一致大小写都不能错。maxTokens单次最大输出长度设太小长文会被截断设太大有些接口会直接报错。temperature随机性写代码建议 0.2 左右创意写作可以到 0.8。4.3 配置生效与验证改完models.json后必须重启 WorkBuddy 或重新加载配置否则改动不生效。验证方法很简单新建一个对话在模型选择里看能不能选到你新加的模型选中后随便问一句能正常回复就说明通了。如果选不到或者报错按这个顺序排查JSON 格式是否合法用在线 JSON 校验工具过一遍逗号、引号最容易出错baseUrl和model是否和接口文档完全一致apiKey是否有效、是否过期网络是否能正常访问该接口地址。注意改配置文件前先备份一份原文件。我踩过一次坑改错一个逗号导致整个模型列表加载失败连默认模型都用不了最后靠备份才恢复。4.4 多模型并存的策略我建议配置里保留两到三个模型一个快速模型处理日常问答和简单任务一个强力模型处理复杂推理和长文一个备用模型在主模型接口不稳定时顶上。切换成本几乎为零但应对不同场景的体验差别很大。这也是自定义模型配置最大的价值——把选择权拿回自己手里。5. 规则体系与 Skill 机制让 WorkBuddy 真正懂你5.1 全局规则怎么写才有效热词里给 WorkBuddy 定几条规则后续对所有任务都生效这句话点到了核心。规则的作用是把重复的指令固化成默认行为。比如你每次都要它输出用中文、代码加注释、文件保存到指定目录与其每次重复不如写进规则。我自己的规则大概长这样所有输出默认使用中文专业术语保留英文原文生成的文件统一保存到工作目录的output子文件夹涉及代码时关键逻辑必须加注释变量命名用英文执行破坏性操作前必须先说明将要做什么等我确认。写规则有几个心得规则要具体、可执行别写要专业要准确这种没法落地的空话规则数量别太多十条以内多了会互相干扰规则之间不能矛盾否则模型会随机选一个执行结果不稳定。5.2 缓存目录迁移到 D 盘系统盘空间紧张是很多人的痛点WorkBuddy 系统缓存目录能改到 D 盘吗这个问题我实测过答案是能。思路是修改配置里的缓存路径指向然后把旧缓存迁移过去。操作步骤完全退出 WorkBuddy确保进程不在运行找到配置文件里的缓存路径字段改成新目录比如D:\WorkBuddyCache把原缓存目录整个复制到新位置重启 WorkBuddy确认新目录开始产生文件确认无误后删除旧缓存释放空间。提示迁移时用复制而不是移动确认新目录工作正常后再删旧的。我有一次直接移动结果路径没配对缓存全丢虽然不影响核心功能但历史记录没了挺可惜。5.3 Skill 机制哪些 Skill 最值得用Skill 是 WorkBuddy 的能力扩展单元相当于给 Agent 装插件。热词里WorkBuddy 哪些 Skill 最好用是高频问题。我的经验是别贪多按你的高频场景选三到五个。用得最多的几类文件处理类批量重命名、格式转换、内容提取办公场景刚需文档生成类把零散内容整理成结构化文档写报告、写综述很省事检索类联网查资料并汇总做调研时效率翻倍记忆类跨对话记忆让它在不同会话里记住你的偏好和上下文。Skill 装多了会拖慢响应而且有些 Skill 之间功能重叠反而让模型选择困难。精简、聚焦比堆满一屏更实用。5.4 跨对话记忆的实际价值跨对话记忆这个 Skill 我强烈推荐。默认情况下每个新对话都是白纸你得重新交代背景。开了记忆之后它会记住你的工作习惯、常用路径、项目背景新对话直接进入状态。做长期项目时这个体验提升非常明显——不用每次都从头解释我是谁、我在做什么。6. 实操流程从零跑通一个完整任务6.1 任务拆解的正确姿势Agent 用得好不好一半看你会不会拆任务。我的原则是把大任务拆成有明确输入输出的步骤。比如帮我做一份季度总结这个指令太模糊它只能瞎猜。改成读取工作目录data文件夹里的三份月度数据表合并成一张总表按月份排序计算各月环比增长率生成一份带图表的总结文档保存到output。这样每一步都有明确的动作和产物模型执行起来准确率高得多。模糊的指令得到模糊的结果这是 Agent 使用的铁律。6.2 一个真实任务的执行记录我拿一个实际做过的任务举例整理一批命名混乱的图片文件。原始文件是IMG_001.jpg、photo(2).png这种我要按拍摄日期重命名并分类到不同文件夹。我的指令是读取photos文件夹里所有图片按文件的修改日期重命名成2026-01-15_001.jpg这种格式然后按月份分到子文件夹里。执行过程中它做了几件事扫描目录、读取每个文件的元数据、生成新文件名、创建月份子文件夹、移动文件。整个过程大概两分钟处理了三百多张图。中间有一次因为某张图没有日期元数据卡住了它主动停下来问我怎么处理我让它用文件创建时间兜底然后继续跑完。这个案例说明两点一是 Agent 能处理批量重复劳动二是遇到边界情况它会求助而不是硬来。后者尤其重要说明它的执行是有边界的。6.3 结果验证与回滚任务跑完别急着关一定要抽查结果。批量操作最怕的是看起来对了但细节错了。我的习惯是随机抽几个文件核对确认命名规则、分类逻辑都符合预期。如果发现问题趁早回滚——所以操作前对原始文件做个备份是必须的尤其是批量重命名、批量删除这类不可逆操作。7. 常见问题与避坑实录7.1 高频问题速查表问题现象可能原因解决思路模型列表加载失败models.json 格式错误用 JSON 校验工具检查重点看逗号和引号新模型选不到配置未重载重启 WorkBuddy接口报 404baseUrl 路径不对对照接口文档核对完整路径长文被截断maxTokens 太小调大该参数注意接口上限缓存占满系统盘默认缓存在 C 盘迁移缓存目录到其他盘任务中途卡住遇到边界情况查看它的提问补充规则后继续规则不生效规则矛盾或太模糊精简规则确保具体可执行响应变慢Skill 装太多卸载低频 Skill7.2 几个我踩过的坑坑一密钥写进配置文件后忘了保护。有次我把配置文件夹同步到了云盘密钥差点泄露。后来我把密钥单独管理配置文件里只留占位符用的时候再填。安全无小事密钥永远不要出现在会被同步、被提交的地方。坑二规则写太满导致行为僵化。一开始我写了十几条规则结果模型执行任务时畏首畏尾动不动就停下来问。后来砍到六条只保留最核心的约束反而顺畅了。规则是护栏不是牢笼留出发挥空间。坑三工作目录设成了整个 D 盘。图省事把授权范围开到最大结果有次让它清理临时文件它差点把整个盘扫一遍。后来老老实实建了独立工作目录。权限给到够用就行别图方便开大口子。坑四以为网页版和客户端能力一样。网页版做轻量问答没问题但涉及本地文件操作就抓瞎。搞清楚每个形态的边界别在错误的工具上浪费时间。7.3 关于本地化部署的说明热词里WorkBuddy 本地部署私有化部署出现频率很高。需要说明的是本地化部署涉及环境准备、依赖安装、配置调整等一整套流程对使用者的技术基础有一定要求。如果你只是日常办公使用客户端版本完全够用如果确实有数据不出本地的硬性需求再考虑本地化方案并且提前把环境依赖理清楚避免装到一半卡在某个依赖上。8. 我的使用心得与后续可扩展方向用 WorkBuddy 这几个月最大的感受是它改变了我对用 AI的理解。以前是把 AI 当搜索引擎用问一句拿一个答案现在是把它当执行者用交代一个任务拿一个结果。这个转变带来的效率提升不是线性的而是量级的——尤其是那些重复、琐碎、需要跨多个文件的活交给它之后我能腾出整块时间做真正需要思考的事。如果让我给刚上手的人一句建议别急着追求用满所有功能先把一个高频场景跑通。比如就专注做文档整理这一件事把规则、Skill、工作目录都围绕它配好跑顺了再扩展。贪多嚼不烂Agent 工具的价值在于深度使用不在于功能清单有多长。后续我打算继续折腾的方向有两个一是把更多重复性工作流固化成规则组合让它真正变成我说一句话就能跑完的自动化二是研究 Skill 的组合编排把几个简单 Skill 串成处理复杂任务的流水线。这块玩明白了WorkBuddy 才算真正从好用的工具变成离不开的工作台。最后分享一个小技巧定期回顾你的规则和 Skill 列表。用了一个月之后你会发现有些规则从来没触发过有些 Skill 装了就没打开过。把它们清掉工作台会清爽很多响应也会更快。工具是为人服务的别让配置本身变成负担。
1. 为什么我要认真写这篇 WorkBuddy 实战指南第一次接触 WorkBuddy 是在一个赶项目的深夜。当时手头堆着三份文档要整理、两个数据表要合并、还有一堆重复性的文件重命名工作整个人处于一种机械劳动把人榨干的状态。朋友甩过来一句你试试 WorkBuddy腾讯出的 AI 工作台我抱着又一个套壳聊天框的心态装上了结果用了两周之后我把它固定在了任务栏第一位。这篇内容我想聊的不是WorkBuddy 有多神而是一个真实使用者从安装、配置、自定义模型、写规则、踩坑到形成稳定工作流的完整过程。核心关键词会围绕 WorkBuddy、腾讯 AI 工作台、AI Agent、自定义模型配置、models.json 这几个点展开。如果你属于下面几类人这篇值得你花二十分钟读完刚听说 WorkBuddy想知道它和普通 AI 对话工具有什么本质区别已经装了但只会问一句答一句没发挥出 Agent 的自动化能力想接自己的模型、改缓存目录、写全局规则但被配置文件劝退在 WorkBuddy、CodeBuddy 这类工具之间纠结不知道选哪个。我会把安装、模型配置、规则体系、Skill 机制、缓存迁移、常见报错这几块拆开讲透每个环节都附上我实际操作的参数和踩过的坑。这不是一份官方文档的复述而是一个重度用户的工作台搭建笔记。2. WorkBuddy 到底是什么先搞清楚它和聊天机器人的区别2.1 从对话到执行的定位差异很多人第一次打开 WorkBuddy 会觉得这不就是个聊天框吗。这个误解很致命因为它会让你完全用错工具。普通 AI 对话产品的核心是生成内容——你问它答答案停留在对话框里要落地还得你自己复制粘贴。而 WorkBuddy 的定位是腾讯 AI 工作台本质是一个 AI Agent 运行环境它的核心能力是调用工具、操作文件、执行多步骤任务。打个比方普通对话 AI 像一个博学的顾问你问他什么他告诉你什么WorkBuddy 更像一个坐在你工位旁边的助理你说把这三个 Excel 合并成一份带汇总表的报告它会真的去读文件、写脚本、跑代码、生成结果文件。这个差别决定了你的使用姿势——你要学会下任务而不是提问题。2.2 Agent 能力的三层结构我把 WorkBuddy 的能力理解成三层理解了这三层你就知道该往哪个方向使劲层级能力典型表现你需要做什么对话层理解与生成问答、写作、翻译、代码片段直接提问工具层调用与执行读写文件、跑命令、联网检索授权 明确指令编排层多步任务规划拆解复杂任务、串联多个 Skill写规则 配 Skill大部分人卡在第一层觉得也就那样。真正让 WorkBuddy 拉开差距的是第二、三层——它能动手而且能按你定的规则持续动手。这也是为什么热词里反复出现给 WorkBuddy 定几条规则后续对所有任务都生效这类需求因为规则才是把一次性对话变成稳定工作流的关键。2.3 和 CodeBuddy 的关系与区别这是被问得最多的问题之一。我的理解是CodeBuddy 更偏代码场景的深度优化WorkBuddy 更偏通用办公与多任务编排。两者底层都涉及 AI Agent 能力但面向的使用者不同。如果你主要写代码、做工程CodeBuddy 的代码上下文理解会更顺手如果你要处理文档、表格、跨应用任务、批量文件操作WorkBuddy 的工作台形态更合适。实际使用中我经常两个都开着各干各的活并不冲突。3. 安装与首次配置把地基打牢3.1 安装渠道与版本选择WorkBuddy 目前有网页版和客户端两种形态。我的建议很明确日常重度使用一定装客户端。原因有三个客户端能直接访问本地文件系统网页版受浏览器沙箱限制客户端能常驻后台跑长任务网页版关掉标签页就断了客户端的缓存和配置可控方便做本地化部署和目录迁移。安装过程本身没什么坑下载、双击、登录三步走完。但有几个细节值得注意登录账号要选对。如果你所在的组织有企业版用企业账号登录能拿到更完整的权限和额度个人账号在部分 Skill 上会受限。首次启动别急着用。先花十分钟把设置页翻一遍尤其是模型配置、缓存目录、权限授权这三块后面会省很多事。积分机制要心里有数。WorkBuddy 的部分高级能力消耗积分重度使用前先了解自己的额度避免任务跑到一半断掉。3.2 首次启动的三项必做设置我把首次配置总结成三件套做完这三件事后面用起来会顺很多确认默认模型。打开设置里的模型配置看看默认走的是哪个模型。如果只是日常问答默认够用如果要处理复杂任务建议换成推理能力更强的模型。检查缓存目录。默认缓存通常在系统盘的用户目录下如果你系统盘空间紧张这一步就要规划迁移后面 5.2 节详细讲。授权工作目录。给 WorkBuddy 划定一个专门的工作文件夹让它只在这个范围内读写文件。这既是安全考虑也能避免它误操作你其他重要文件。提示工作目录建议单独建一个比如D:\WorkBuddySpace所有让它处理的文件都先丢进去。这样即使出问题影响范围也可控。3.3 权限授权的边界感Agent 类工具最让人纠结的就是权限。给多了怕它乱动给少了它干不了活。我的做法是分级授权日常读写限定在工作目录内涉及删除、覆盖这类破坏性操作时开启二次确认联网检索按需开启不用时关掉。WorkBuddy 在权限管理上做得比较克制关键操作会弹确认这一点比很多同类工具让人放心。4. 自定义模型配置models.json 到底怎么改4.1 为什么要自定义模型默认模型能覆盖大部分场景但有两类需求绕不开自定义一是你想用特定厂商的模型二是你想在成本和质量之间做精细平衡。WorkBuddy 通过models.json这个配置文件来管理模型接入理解它的结构你就能自由切换模型。4.2 models.json 的结构拆解配置文件的核心是模型条目每个条目描述一个可用的模型。一个典型的条目包含这些字段{ models: [ { name: my-model, provider: custom, baseUrl: https://your-endpoint/v1, apiKey: your-key-here, model: model-id, maxTokens: 8192, temperature: 0.7 } ] }逐个字段说清楚name你给这个模型起的别名界面上显示的就是它随便起但要自己能记住。provider供应商标识自定义接入一般填custom。baseUrl接口地址注意结尾的/v1这类路径要按实际接口文档填多一个斜杠少一个斜杠都可能报 404。apiKey密钥这个字段最敏感配置文件千万别提交到任何公开仓库。model模型的实际 ID这个必须和接口方给的完全一致大小写都不能错。maxTokens单次最大输出长度设太小长文会被截断设太大有些接口会直接报错。temperature随机性写代码建议 0.2 左右创意写作可以到 0.8。4.3 配置生效与验证改完models.json后必须重启 WorkBuddy 或重新加载配置否则改动不生效。验证方法很简单新建一个对话在模型选择里看能不能选到你新加的模型选中后随便问一句能正常回复就说明通了。如果选不到或者报错按这个顺序排查JSON 格式是否合法用在线 JSON 校验工具过一遍逗号、引号最容易出错baseUrl和model是否和接口文档完全一致apiKey是否有效、是否过期网络是否能正常访问该接口地址。注意改配置文件前先备份一份原文件。我踩过一次坑改错一个逗号导致整个模型列表加载失败连默认模型都用不了最后靠备份才恢复。4.4 多模型并存的策略我建议配置里保留两到三个模型一个快速模型处理日常问答和简单任务一个强力模型处理复杂推理和长文一个备用模型在主模型接口不稳定时顶上。切换成本几乎为零但应对不同场景的体验差别很大。这也是自定义模型配置最大的价值——把选择权拿回自己手里。5. 规则体系与 Skill 机制让 WorkBuddy 真正懂你5.1 全局规则怎么写才有效热词里给 WorkBuddy 定几条规则后续对所有任务都生效这句话点到了核心。规则的作用是把重复的指令固化成默认行为。比如你每次都要它输出用中文、代码加注释、文件保存到指定目录与其每次重复不如写进规则。我自己的规则大概长这样所有输出默认使用中文专业术语保留英文原文生成的文件统一保存到工作目录的output子文件夹涉及代码时关键逻辑必须加注释变量命名用英文执行破坏性操作前必须先说明将要做什么等我确认。写规则有几个心得规则要具体、可执行别写要专业要准确这种没法落地的空话规则数量别太多十条以内多了会互相干扰规则之间不能矛盾否则模型会随机选一个执行结果不稳定。5.2 缓存目录迁移到 D 盘系统盘空间紧张是很多人的痛点WorkBuddy 系统缓存目录能改到 D 盘吗这个问题我实测过答案是能。思路是修改配置里的缓存路径指向然后把旧缓存迁移过去。操作步骤完全退出 WorkBuddy确保进程不在运行找到配置文件里的缓存路径字段改成新目录比如D:\WorkBuddyCache把原缓存目录整个复制到新位置重启 WorkBuddy确认新目录开始产生文件确认无误后删除旧缓存释放空间。提示迁移时用复制而不是移动确认新目录工作正常后再删旧的。我有一次直接移动结果路径没配对缓存全丢虽然不影响核心功能但历史记录没了挺可惜。5.3 Skill 机制哪些 Skill 最值得用Skill 是 WorkBuddy 的能力扩展单元相当于给 Agent 装插件。热词里WorkBuddy 哪些 Skill 最好用是高频问题。我的经验是别贪多按你的高频场景选三到五个。用得最多的几类文件处理类批量重命名、格式转换、内容提取办公场景刚需文档生成类把零散内容整理成结构化文档写报告、写综述很省事检索类联网查资料并汇总做调研时效率翻倍记忆类跨对话记忆让它在不同会话里记住你的偏好和上下文。Skill 装多了会拖慢响应而且有些 Skill 之间功能重叠反而让模型选择困难。精简、聚焦比堆满一屏更实用。5.4 跨对话记忆的实际价值跨对话记忆这个 Skill 我强烈推荐。默认情况下每个新对话都是白纸你得重新交代背景。开了记忆之后它会记住你的工作习惯、常用路径、项目背景新对话直接进入状态。做长期项目时这个体验提升非常明显——不用每次都从头解释我是谁、我在做什么。6. 实操流程从零跑通一个完整任务6.1 任务拆解的正确姿势Agent 用得好不好一半看你会不会拆任务。我的原则是把大任务拆成有明确输入输出的步骤。比如帮我做一份季度总结这个指令太模糊它只能瞎猜。改成读取工作目录data文件夹里的三份月度数据表合并成一张总表按月份排序计算各月环比增长率生成一份带图表的总结文档保存到output。这样每一步都有明确的动作和产物模型执行起来准确率高得多。模糊的指令得到模糊的结果这是 Agent 使用的铁律。6.2 一个真实任务的执行记录我拿一个实际做过的任务举例整理一批命名混乱的图片文件。原始文件是IMG_001.jpg、photo(2).png这种我要按拍摄日期重命名并分类到不同文件夹。我的指令是读取photos文件夹里所有图片按文件的修改日期重命名成2026-01-15_001.jpg这种格式然后按月份分到子文件夹里。执行过程中它做了几件事扫描目录、读取每个文件的元数据、生成新文件名、创建月份子文件夹、移动文件。整个过程大概两分钟处理了三百多张图。中间有一次因为某张图没有日期元数据卡住了它主动停下来问我怎么处理我让它用文件创建时间兜底然后继续跑完。这个案例说明两点一是 Agent 能处理批量重复劳动二是遇到边界情况它会求助而不是硬来。后者尤其重要说明它的执行是有边界的。6.3 结果验证与回滚任务跑完别急着关一定要抽查结果。批量操作最怕的是看起来对了但细节错了。我的习惯是随机抽几个文件核对确认命名规则、分类逻辑都符合预期。如果发现问题趁早回滚——所以操作前对原始文件做个备份是必须的尤其是批量重命名、批量删除这类不可逆操作。7. 常见问题与避坑实录7.1 高频问题速查表问题现象可能原因解决思路模型列表加载失败models.json 格式错误用 JSON 校验工具检查重点看逗号和引号新模型选不到配置未重载重启 WorkBuddy接口报 404baseUrl 路径不对对照接口文档核对完整路径长文被截断maxTokens 太小调大该参数注意接口上限缓存占满系统盘默认缓存在 C 盘迁移缓存目录到其他盘任务中途卡住遇到边界情况查看它的提问补充规则后继续规则不生效规则矛盾或太模糊精简规则确保具体可执行响应变慢Skill 装太多卸载低频 Skill7.2 几个我踩过的坑坑一密钥写进配置文件后忘了保护。有次我把配置文件夹同步到了云盘密钥差点泄露。后来我把密钥单独管理配置文件里只留占位符用的时候再填。安全无小事密钥永远不要出现在会被同步、被提交的地方。坑二规则写太满导致行为僵化。一开始我写了十几条规则结果模型执行任务时畏首畏尾动不动就停下来问。后来砍到六条只保留最核心的约束反而顺畅了。规则是护栏不是牢笼留出发挥空间。坑三工作目录设成了整个 D 盘。图省事把授权范围开到最大结果有次让它清理临时文件它差点把整个盘扫一遍。后来老老实实建了独立工作目录。权限给到够用就行别图方便开大口子。坑四以为网页版和客户端能力一样。网页版做轻量问答没问题但涉及本地文件操作就抓瞎。搞清楚每个形态的边界别在错误的工具上浪费时间。7.3 关于本地化部署的说明热词里WorkBuddy 本地部署私有化部署出现频率很高。需要说明的是本地化部署涉及环境准备、依赖安装、配置调整等一整套流程对使用者的技术基础有一定要求。如果你只是日常办公使用客户端版本完全够用如果确实有数据不出本地的硬性需求再考虑本地化方案并且提前把环境依赖理清楚避免装到一半卡在某个依赖上。8. 我的使用心得与后续可扩展方向用 WorkBuddy 这几个月最大的感受是它改变了我对用 AI的理解。以前是把 AI 当搜索引擎用问一句拿一个答案现在是把它当执行者用交代一个任务拿一个结果。这个转变带来的效率提升不是线性的而是量级的——尤其是那些重复、琐碎、需要跨多个文件的活交给它之后我能腾出整块时间做真正需要思考的事。如果让我给刚上手的人一句建议别急着追求用满所有功能先把一个高频场景跑通。比如就专注做文档整理这一件事把规则、Skill、工作目录都围绕它配好跑顺了再扩展。贪多嚼不烂Agent 工具的价值在于深度使用不在于功能清单有多长。后续我打算继续折腾的方向有两个一是把更多重复性工作流固化成规则组合让它真正变成我说一句话就能跑完的自动化二是研究 Skill 的组合编排把几个简单 Skill 串成处理复杂任务的流水线。这块玩明白了WorkBuddy 才算真正从好用的工具变成离不开的工作台。最后分享一个小技巧定期回顾你的规则和 Skill 列表。用了一个月之后你会发现有些规则从来没触发过有些 Skill 装了就没打开过。把它们清掉工作台会清爽很多响应也会更快。工具是为人服务的别让配置本身变成负担。
