title: " WorkBuddy完结篇 | 技能自动化实战" category: 人工智能 tags:

前面几篇我们已经讲过 WorkBuddy 的入门、Skills 场景清单和自动化治理。

如果用一句话总结：

WorkBuddy 不是一个普通聊天框。
它更像一个能读文件、调工具、跑流程、定时执行的 AI 办公工作台。

但很多新手真正卡住的地方，不是“会不会安装”。

而是：

装了以后到底怎么用？
什么时候该用 Skill？
什么时候该做自动化？
怎么把一个临时任务变成可复用流程？
哪些任务可以交给 AI，哪些必须人工复核？

这篇就作为 WorkBuddy 入门系列的完结篇。

我会把重点放在四件事上：

第一，Skills：给 AI 装专业操作手册。
第二，自动化：把跑稳的流程定时执行。
第三，竞品监控：从手动分析到定时提醒。
第四，合同审查：从上传 PDF 到结构化风险报告。

最后再补一层企业场景：

WorkBuddy 真要进入团队使用，
必须配合企业级 API、企业 API 网关、日志审计、权限控制和成本治理。

这里可以用 4SAPI 这类大模型 API 中转站做统一入口，把模型调用、Key 权限、Token 成本、失败日志、团队项目维度都收口管理。

1. 先回顾：WorkBuddy 的正确学习顺序

新手不要一上来就冲自动化。

更稳的路线是：

先会对话。
再会读文件。
再会调 Skills。
再会沉淀流程。
最后再做自动化。

我建议把 WorkBuddy 分成四层来学。

第一层是普通任务：

总结文档。
整理会议纪要。
生成周报。
改写邮件。
分析表格。

这一层先练 Prompt。

第二层是文件任务：

读取 PDF。
整理 Excel。
生成 PPT。
批量处理 Word。
把多个材料合成一份报告。

这一层练输入输出边界。

第三层是 Skill 任务：

用 xlsx Skill 处理表格。
用 pptx Skill 生成演示稿。
用 pdf Skill 审查合同。
用 frontend-design Skill 做页面原型。

这一层练专业流程。

第四层是自动化任务：

每天生成早报。
每周整理周报。
定时监控竞品。
定期汇总客户反馈。

这一层练稳定性、日志和验收。

顺序很重要。

一个任务如果手动都跑不稳，自动化只会让它定时翻车。

2. Skills：给 AI 装上专业操作手册

WorkBuddy 里的 Skill，可以理解成一份结构化操作手册。

模型负责理解你的目标。

Skill 负责告诉模型：

这类任务应该按什么步骤做。
需要调用哪些工具。
输入文件怎么读取。
输出格式怎么约束。
哪些细节必须检查。

比如你直接说：

帮我处理这个 Excel。

AI 可能会先猜你的需求。

但如果你调用 xlsx Skill：

/xlsx 读取桌面销售数据.xlsx，按月份汇总销售额，生成柱状图，输出到新 Excel。

它就会更像一个表格处理流程，而不是随口分析几句。

这就是 Skill 的价值：

让 AI 从“会说”变成“会按流程做”。

3. Skill、专家、专家团有什么区别

这三个概念很容易混。

我自己的理解是：

Skill 是能力。
专家是能力 + 经验。
专家团是多位专家 + 协作流程。

Skill 解决“怎么干”的问题。

比如：

怎么读 Excel。
怎么生成 PPT。
怎么审查 PDF。
怎么输出合同风险报告。

专家解决“谁来判断”的问题。

比如：

合同管理专家。
产品经理专家。
数据分析专家。
内容运营专家。
前端设计专家。

专家团解决“多角色协作”的问题。

比如一个新品调研任务，可能需要：

行业研究专家看市场。
产品专家看功能。
数据专家看价格。
运营专家看传播。
法务专家看风险。

新手不用一开始就搭专家团。

先装几个高频 Skill，把单点任务跑顺，就已经能明显提升效率。

4. 新手优先安装哪些 Skills

我的建议是先装基础办公五件套：

xlsx
pptx
docx
pdf
frontend-design

为什么是这五个？

因为它们覆盖了最常见的办公输入输出。

xlsx 适合：

销售数据汇总。
月度报表生成。
异常数据筛查。
公式检查。
图表生成。

pptx 适合：

周报汇报。
方案演示。
竞品分析。
项目复盘。
培训课件。

docx 适合：

制度文档。
合同初稿。
会议纪要。
项目说明书。
客户交付文档。

pdf 适合：

合同审查。
报告摘要。
论文阅读。
招投标文件整理。
资料归档。

frontend-design 适合：

页面原型。
后台界面。
组件设计。
信息架构。
交互文案。

别急着装几十个。

先用这几个跑 10 个真实任务，感受有 Skill 和没 Skill 的差别。

5. 什么时候应该创建自己的 Skill

一个很实用的判断标准：

同一个操作重复做了 3 次以上，就该考虑封装成 Skill。

比如你每周都要做竞品周报。

每次步骤都差不多：

打开固定网页。
查看价格变化。
查看产品更新。
保存截图或数据。
整理成表格。
生成摘要。
发给团队。

这就适合封装。

再比如你每次都要做合同初审：

读取 PDF。
识别条款。
检查违约责任。
检查付款条件。
检查知识产权。
输出风险等级。
生成审查报告。

也适合封装。

WorkBuddy 里创建 Skill 一般有三类方式：

图形化界面创建。
导入 YAML 模板。
根据多次相似操作反向生成。

新手可以先不写 YAML。

先把一套流程在对话里跑顺，再让 AI 帮你整理成 Skill 草稿。

6. 自动化：设置一次，到点自动干活

WorkBuddy 的自动化，本质是：

定时触发器 + 已验证任务流程。

你可以直接用自然语言创建：

每天下午 18:00 帮我生成今日工作日报。

也可以说：

每周日晚上 22:00 汇总本周数据，生成周报初稿。

再比如：

每天早上 9:00 抓取 AI 行业资讯，整理成早报草稿。

AI 会识别时间、频率和任务内容，然后创建定时任务。

但我再强调一遍：

自动化不是许愿池。
自动化是把已经跑稳的流程定时执行。

如果 Prompt 不清楚、文件路径不固定、输出格式没定好，定时任务只会按时生成一堆你不能用的东西。

7. 自动化前必须检查的 5 件事

第一，客户端是否在线。

很多桌面 Agent 的定时任务依赖本机客户端。

如果你退出 WorkBuddy，或者电脑休眠，任务就可能不会触发。

所以要确认：

电脑是否开机。
客户端是否运行。
网络是否正常。
系统是否休眠。

第二，文件路径是否用绝对路径。

不要写：

读取 工作周报/本周数据.xlsx

建议写：

D:/WorkBuddy/weekly-report/input/本周数据.xlsx

相对路径对人类很方便，对自动化任务很容易出错。

第三，先手动试跑。

创建自动化前，先在普通任务里完整跑一遍。

确认：

能打开文件。
能读取数据。
能生成结果。
能保存到指定目录。
结果格式符合预期。

第四，不要自动对外发送重要内容。

刚开始可以让它生成草稿。

比如：

保存到 D:/WorkBuddy/output/daily-report/
不要自动发给客户。
不要自动发到群里。

第五，保留日志。

自动化最怕的问题不是失败。

而是失败了你不知道。

所以每个自动化任务都要能回答：

什么时候执行？
执行了几步？
哪里失败？
输出文件在哪里？
调用了哪个模型？
消耗了多少 Token？

这也是企业场景要接企业级 API 网关的原因。

8. 实战案例一：竞品监控

竞品监控是 WorkBuddy 很适合的任务。

它有几个特点：

高频。
重复。
目标明确。
结果可验证。
人工做很烦。

比如你关注某个竞品页面的产品更新、SKU、价格、活动文案。

以前每周手动打开网页，截图、复制、整理表格，不仅慢，还容易漏。

WorkBuddy 可以把这件事拆成三步。

9. 竞品监控第一步：先手动跑通

不要第一天就定时。

先新建一个普通任务，用 Plan 模式，让它给出执行计划。

示例 Prompt：

我要做竞品监控，请先制定计划，再执行。

目标：
监控指定商品页面的规格、价格和关键文案变化。

页面：
https://example.com/product-page

请完成：
1. 打开页面并等待加载完成。
2. 如果需要登录，请提示我扫码或手动登录，并保留当前会话。
3. 提取页面中的商品标题、规格、价格、库存状态和活动文案。
4. 如果响应结果里存在 skuCore、skuBase 或类似结构化节点，请优先读取这些节点。
5. 将提取结果整理成 Markdown 表格。
6. 保存到 D:/WorkBuddy/competitor/output/竞品监控-今天日期.md。
7. 不要绕过网站权限，不要抓取未授权数据。

输出要求：
- 先展示执行计划。
- 等我确认后再执行。
- 执行结束后告诉我保存路径。
- 如果失败，说明失败在哪一步。

这里有几个关键点。

第一，用 Plan 模式。

让 Agent 先把步骤列出来，你确认后再执行。

第二，登录交给用户。

如果页面需要登录，不要让 AI 乱猜账号密码，也不要绕过权限。

让它停下来等你扫码或手动登录。

第三，优先用结构化数据。

如果页面响应里有 skuCore、skuBase 这类节点，比直接从页面视觉上猜价格更稳。

第四，明确保存路径。

不要只说“保存起来”。

要写具体目录和文件名规则。

10. 竞品监控第二步：封装成 Skill

手动跑通以后，再考虑封装。

封装 Skill 时，建议把输入参数固定成这几类：

监控页面 URL。
需要提取的字段。
登录方式说明。
输出目录。
输出格式。
失败处理规则。

比如 Skill 的描述可以是：

这是一个竞品页面监控 Skill。
它会打开指定 URL，读取商品规格、价格、库存和活动文案，
优先解析页面响应中的结构化 SKU 数据，
并将结果保存为 Markdown 和 CSV。
执行过程中如果需要登录，必须等待用户手动完成。
不得绕过权限或抓取未授权数据。

这样以后你只需要说：

/competitor-monitor 监控这个页面，输出到 D:/WorkBuddy/competitor/output/

AI 就会按固定流程执行。

11. 竞品监控第三步：转成自动化

当 Skill 连续跑几次都稳定，就可以设置自动化。

比如：

请创建一个自动化任务：

名称：每日竞品价格监控
时间：每天上午 10:00
任务：调用 competitor-monitor Skill，监控指定页面的价格、规格和活动文案
输出：保存到 D:/WorkBuddy/competitor/output/
提醒：执行完成后给我发送摘要提醒
失败处理：如果页面打不开、登录失效或字段缺失，记录错误日志，不要输出假数据

第二天一定要检查。

看三件事：

有没有准时执行。
有没有生成文件。
数据是否准确。

没执行，大概率是电脑休眠、客户端退出、网络断开。

执行了但结果不对，就去历史任务里看日志，调整 Prompt 或 Skill。

这个流程跑通后，过去每周手动半小时的事，就能变成每天自动提醒。

12. 实战案例二：合同风险审查

合同审查也是典型的 WorkBuddy 办公场景。

它适合 AI 辅助，但不适合完全自动决策。

尤其是企业合同、采购合同、服务合同、合作协议，里面经常有这些风险：

违约责任不对等。
知识产权归属不清。
付款条件模糊。
验收标准不明确。
保密条款范围过宽。
争议解决地不利。
单方解除权过强。
自动续约条款隐藏。

AI 的价值是先帮你做初筛。

但最终判断，仍然要由法务或业务负责人确认。

13. 合同审查第一步：加载专家和 Skill

建议组合使用：

合同管理专家
pdf Skill
docx Skill
合同审查 Skill

专家负责判断风险。

pdf/docx Skill 负责读取文件。

合同审查 Skill 负责输出固定格式。

你可以这样输入：

请审查这份服务合同。

重点关注：
1. 违约责任条款是否对等。
2. 知识产权归属是否清晰。
3. 付款条件和时间节点是否合理。
4. 验收标准是否明确。
5. 保密条款范围是否过宽。
6. 争议解决管辖地是否合理。
7. 是否存在单方解除、自动续约、过度免责等条款。

输出要求：
- 使用红黄绿三级标注风险。
- 标出页码、条款编号和原文摘录。
- 给出风险解释。
- 给出建议修改措辞。
- 不确定的地方标注“需法务复核”，不要编造结论。

然后把合同 PDF 拖进对话框。

如果合同很长，不要只让它“总结一下”。

要让它按条款逐项检查。

14. 合同审查第二步：生成审查报告

初筛完成后，可以继续追问：

请把审查结果整理成正式合同审查报告。

报告结构：
1. 合同基本信息
2. 风险摘要
3. 高风险条款
4. 中风险条款
5. 低风险提醒
6. 建议修改文本
7. 需人工复核事项

输出格式：
- 先输出 Markdown。
- 再生成 PDF。
- 保存到 D:/WorkBuddy/contracts/output/

这样得到的结果就不是一段聊天回复，而是一份可传阅的初审材料。

它可以发给法务。

也可以作为你和乙方沟通前的准备稿。

但不要把它当成最终法律意见。

更稳的做法是：

AI 做初筛。
业务确认事实。
法务确认结论。
负责人确认风险取舍。

15. 合同审查第三步：沉淀模板

如果你经常审同一类合同，可以把检查项沉淀成模板。

比如服务合同模板：

付款节点。
交付物定义。
验收标准。
违约责任。
知识产权。
保密义务。
数据安全。
争议解决。
解除条件。
发票条款。

采购合同模板：

规格型号。
交付时间。
质量标准。
验收方式。
售后责任。
违约责任。
付款条件。
价格调整。
不可抗力。
争议解决。

劳动或外包协议模板：

工作范围。
成果归属。
保密义务。
竞业限制。
薪酬结算。
解除条件。
违约责任。
个人信息保护。

每一类合同都用同一套输出结构。

久而久之，你会得到一个可复用的合同初审流程。

16. WorkBuddy 新手最重要的 7 条原则

第一，先手动跑通，再自动化。

这条最重要。

自动化前，至少手动跑一遍。

最好跑三遍。

第二，Prompt 写成操作步骤，不要写成愿望。

不要只说：

帮我分析竞品。

要写：

打开网页。
提取价格。
整理规格。
保存表格。
输出摘要。

第三，输出必须可验收。

比如：

保存路径。
文件格式。
字段名称。
页码引用。
数据来源。
错误日志。

这些都要写清楚。

第四，不要信任 AI 说“完成了”。

要看文件。

要看表格。

要看 diff。

要看日志。

第五，重要任务新开对话。

上下文越长，越容易混入旧指令。

成本也会更高。

第六，记忆定期清理。

WorkBuddy 的记忆不是越多越好。

我建议把核心长期记忆控制在 20 条以内。

过时的项目名、路径、偏好、流程要及时删掉。

第七，低风险任务先自动化，高风险任务只生成草稿。

可以自动化：

资讯汇总。
目录整理。
周报草稿。
竞品监控提醒。
客户反馈分类。

不建议完全自动化：

合同最终意见。
财务付款动作。
客户正式回复。
生产系统配置变更。
公开发布内容。

这些任务最多让 AI 生成草稿，必须人工确认。

17. 团队使用 WorkBuddy，必须加治理层

个人使用 WorkBuddy，重点是效率。

团队使用 WorkBuddy，重点还包括：

权限。
审计。
成本。
合规。
稳定性。

一个团队如果每个人都自己配模型 Key、自己装插件、自己建自动化，很快会出现问题：

谁调用了哪个模型，不知道。
哪个任务消耗了多少 Token，不知道。
哪次输出发给了客户，不知道。
哪个 Key 泄露了，不知道。
失败日志在哪里，不知道。

所以企业场景下，WorkBuddy 不应该只是一个单机工具。

它应该接入统一的大模型 API 入口。

通过 4SAPI 这类大模型 API 中转站或企业 API 网关，可以做这些事：

按团队、项目、环境拆分 API Key。
记录每次模型调用日志。
统计 Token 和成本。
设置额度、预算、限流和告警。
区分测试环境和生产环境。
追踪失败原因和错误码。
统一管理 Claude、GPT、Gemini、DeepSeek 等模型路由。

这样 WorkBuddy 才能从个人效率工具，升级成可治理的企业级大模型接入方案。

18. 企业落地检查清单

如果你准备在团队里推广 WorkBuddy，我建议先过一遍这张清单。

权限边界：

谁能访问哪些目录？
谁能上传合同和客户资料？
谁能创建自动化任务？
谁能让任务自动发送到外部？

模型入口：

是否统一走企业级 API？
是否用 4SAPI 或企业 API 网关管理 Key？
是否区分个人测试 Key 和生产 Key？

日志审计：

每次任务是否有执行日志？
每次模型调用是否有请求和响应记录？
失败时能否定位到具体步骤？

成本治理：

是否按项目统计 Token？
是否设置每日或每月预算？
是否对高成本模型设置审批？
是否有异常调用告警？

数据合规：

合同、客户资料、财务数据是否允许上传？
敏感字段是否脱敏？
输出文件是否进入受控目录？
是否有人工复核机制？

自动化边界：

哪些任务只能生成草稿？
哪些任务允许自动发送？
哪些任务失败后必须通知负责人？
哪些任务需要保留历史版本？

这张清单比“装了多少技能”更重要。

因为企业真正怕的不是 AI 不够聪明。

而是 AI 很勤快地把错误流程执行了一百遍。

19. 一套推荐的新手练习路线

如果你是第一次系统学 WorkBuddy，可以按这个顺序练。

第一天：

安装 WorkBuddy。
新建工作区。
上传一份 PDF。
让它生成摘要和待办。

第二天：

安装 xlsx、pptx、docx、pdf 四个 Skill。
用一个真实 Excel 做月度汇总。
用一个真实文档生成会议纪要。

第三天：

跑一次竞品监控。
不要定时。
只手动生成一份 Markdown 报告。

第四天：

跑一次合同初审。
让 AI 输出红黄绿风险清单。
人工核对页码和原文。

第五天：

把重复流程沉淀成模板。
把稳定流程封装成 Skill。

第六天：

创建一个低风险自动化任务。
比如每日资讯摘要或每周周报草稿。

第七天：

检查日志、成本、输出质量。
清理记忆。
整理自己的 WorkBuddy 使用规范。

一周下来，你会比“看十篇功能介绍”更清楚它到底能做什么。

20. 可以直接复用的 WorkBuddy 总提示词

下面这段可以作为你的通用任务开头：

请按以下方式执行任务：

1. 先复述你理解的目标。
2. 再列出执行计划。
3. 等我确认后再执行。
4. 所有文件路径使用绝对路径。
5. 如果需要登录、授权或访问敏感数据，必须停下来让我确认。
6. 不要绕过网站权限，不要抓取未授权数据。
7. 输出必须包含保存路径、数据来源和失败说明。
8. 如果不确定，不要编造结论，标注“需人工复核”。
9. 执行完成后进行自检，并列出我需要人工确认的项目。

这段不花哨，但非常实用。

它能帮你把 AI 从“直接开干”拉回到“先计划、再执行、最后自检”的流程里。

总结

WorkBuddy 用好了，确实像一个数字员工。

但它不是开箱即用的省心神器。

新手最容易踩的坑，是把它当成万能许愿机：

任务没说清。
文件没给准。
路径没固定。
结果没验收。
流程没跑通。
就急着自动化。

正确路线应该是：

先手动跑通。
再调用 Skill。
再沉淀模板。
再封装流程。
最后做自动化。

个人用 WorkBuddy，重点是效率。

团队用 WorkBuddy，必须加上企业级大模型接入治理：

统一 API 入口。
统一 Key 权限。
统一日志审计。
统一成本统计。
统一自动化边界。

这也是 4SAPI 这类大模型 API 中转站的价值。

它不只是让你能接入 Claude、GPT、Gemini、DeepSeek 等模型。

更重要的是，让 WorkBuddy 这类 Agent 工具进入企业场景时，有权限、有日志、有预算、有审计。

最后一句话送给新手：

不要急着让 AI 替你做决定。
先让 AI 替你跑流程。

当流程稳定、边界清晰、结果可验收，WorkBuddy 才会真正从“烧分机器”变成“能干活的 AI 同事”。