我在WorkBuddy上的一个月：从「试试看」到「离不开」
我在WorkBuddy上的一个月：从「试试看」到「离不开」
下面不是什么「WorkBuddy使用宝典」，就是我真正用下来觉得好用的场景和踩过的坑。
先说结论
一个月前我跟风装了WorkBuddy，当时就当个带agent的ChatGPT用。现在每天至少开5-6个session，覆盖内容生产、数据分析、流程设计、代码生成。最直观的变化：以前那种"我知道AI能帮我做但懒得说清楚需求"的拖延，变成了"打开WorkBuddy花3分钟描述需求看看它能不能搞定"的冲动。
我到底拿它干了什么
1. 批量内容生产：30份Word文档，一个下午
最开始让它生成小升初衔接资料，语文/数学/英语各10份，每份"知识点概述→要点详解→方法技巧→典型例题→巩固练习→参考答案"六段式。把目录结构喂给它，第一份调通模板，后面全部"照着这个格式把X板块改一下"。python-docx脚本它自己写。最后熟练到"发文件→按模板出报告→收工"，5分钟一份。
核心不是AI写得多好，而是"第一次定义清楚标准，后面无限复制"。
2. 三轮标注：把AI的幻觉问题变成工程问题
10,000+道试题打知识点标签。设计了一套三轮机制：
- R1：AI初次标注
- R2：AI换个角度复核
- R3：R1≠R2时，AI当裁判
效果：地理540题 R1/R2一致率97.8%，2.2%分歧里R3全部裁决成功，人工复检率降到0%。化学180题 R1≠R2仅1.7%。英语最差（R1≠R2率19.8%），生物最高59.3%分歧——AI质检效果完全取决于你的领域有没有明确判定规则。
AI不是用来替代判断的，是用来把"必须人判断"的范围从100%缩小到6.4%的。
3. AI错字检查：真能抓到人漏掉的错
- "扬雄"写成"杨雄"
- "赢粮而景从"写成"嬴粮而景从"
- "严挺之"写成"严挺直"
- 试题写"便甓"答案引"便髋"——前后矛盾的人工校对易漏
它还自己搞了本地 MathType OLE 公式提取器，268个公式转LaTeX成功率99.6%。
4. 流程设计：5轮迭代，从"想当然"到"可落地"
设计"AI自动检查试题"系统，WorkBuddy直接列了7个漏洞，然后5轮迭代到最终4步流程+完整HTML原型。"像多了个技术合伙人。"
5. 营销物料：文案+网页+Word，一套全出
高考标准卷宣传物料，从参考竞品页面到输出HTML网页版+Word方案书，一个对话搞定。Title从"2027届高考标准卷"变成"你的2027，从这里开始"。
几个值得说的点
Skills比我想的有用：装了约30个，高频用 pdfkit-py、tencentcloud-ocr、web-access，自己建了 ole-math-extractor。
关于怎么跟它说话：描述需求的能力决定上限。第一轮先把规则文件、知识点目录全部喂进去，第二轮再干活，质量完全不是一个级别。"别把它当搜索引擎用，把它当新同事带。"
关于成本和效率：三轮标注机制去掉85%人工复检，总成本下降51%（从73,946单位降到35,180单位）。
踩过的坑
- 别一上来就让它写代码，先描述需求、定义规则、对齐标准。
- 长对话注意上下文窗口，复杂任务拆成多个session。
- 数学/公式相关内容先确认格式（OLE对象问题）。
- 检查类任务一定要让它输出具体证据（错误位置、原文、修正理由）。