这不是功能说明书。这是一篇你照着做、当天就能跑通的实战教程。文末附可直接复制的 Prompt 模板。

先说结果

我用 WorkBuddy（腾讯推出的 AI 智能体工作台）做了这些事：

• 10 分钟把一份 200 行 Excel 销售数据变成带图表的 PPT 汇报
• 每天早上 8 点自动生成 AI 行业简报，推送到我的工作目录
• 30 分钟跑通了一只股票的技术面 + 基本面 + 多角色辩论分析
• 把重复成功的任务沉淀成 Skill，下次一句话就能复用

如果你也想做到这些，往下看。从安装到自动化，一步一步来。

一、WorkBuddy 和普通 AI 聊天有什么区别

先搞清楚一件事：WorkBuddy 不是另一个 ChatGPT 网页版。

一句话总结： 普通 AI 是「聊天助手」，WorkBuddy 是「能动手干活的 AI 员工」。

二、5 分钟完成安装

下载

打开 WorkBuddy 官方页面点击下载，网站会自动识别你的系统（Windows / Mac ARM / Mac x64）。

⚠️ 不要从网盘、群文件或不明镜像下载安装包。 公司电脑如果禁止安装软件，联系 IT 管理员，不要绕过安全策略。

安装

• Windows：双击安装文件，出现安全提示时核对发布者，按向导操作
• macOS：拖入「应用程序」文件夹，从应用程序启动
• 首次启动：等待运行环境初始化，不要强制结束进程

登录

点击登录 → 浏览器打开认证页面 → 微信扫码或手机号登录 → 回到客户端 → 左下角「检查更新」。

三、3 分钟看懂界面

WorkBuddy 主界面分三个区域，记住每个区域「该看什么」就行：

两个关键概念

• 任务：一次工作的对话和执行过程（类似一个「会话」）
• 工作空间：这次任务能操作的目录（既是效率工具，也是安全边界）

💡 核心原则：一项任务一个目录。 不要把所有客户资料、个人文件都丢进同一个大目录。

四、第一个任务：10 分钟把 Excel 变成 PPT 汇报

这是最适合新手的第一个任务。准备一份 Excel 文件，跟着做。

步骤 1：创建工作目录

workbuddy-demo/
├── input/       ← 把你的 Excel 放这里
├── reference/   ← 放模板、品牌规范（可选）
└── output/      ← WorkBuddy 的输出会放这里

步骤 2：新建任务

• 点击「新建任务」
• 选择 workbuddy-demo 目录
• 模式选 Plan（先看计划再执行，更安全）
• 模型选「自动」即可

步骤 3：输入任务说明

直接复制这段 Prompt，改一下文件名就能用：

目标：分析 input/销售数据.xlsx，并生成一份部门内部汇报 PPT。

输入：只使用当前工作区 input 目录中的文件。

动作：
1. 检查字段与数据质量
2. 计算销售额、利润、订单数、客单价
3. 分析时间趋势、区域和品类差异
4. 标出异常数据

约束：
1. 不修改或覆盖 input 中的原文件
2. 不补造缺失数据，无法确认的内容标记为"待核验"
3. 所有关键数字必须能追溯到原始表格
4. 生成文件前先说明分析计划

输出：
- output/销售数据分析报告.pptx，10 页以内
- output/指标核对表.xlsx
- output/分析说明.md，记录口径、异常和待核验项

验收：
- PPT 中的核心数字与核对表一致
- 每页只有一个核心观点
- 原始文件未发生变化
- 所有产物都位于 output 目录

步骤 4：观察执行过程

发送后，不要只等最终文件。 重点观察：

• 是否读取了正确目录和文件
• 指标口径是否和你理解的一致
• 如果出现「删除」「覆盖」「联网发送」等未授权动作 → 立即叫停
• 遇到缺失字段时，是暂停询问还是自行猜测

发现计划有问题？直接在对话里说：

停止执行。先列出你计划读取的文件和将生成的文件，等我确认。

步骤 5：验收产物

任务完成后，在右侧结果区预览，也可以在本地打开。不要因为文件生成了就默认完成。 至少做四类检查：

验收不通过？不要说「再优化一下」，要指出具体问题：

第 4 页销售额与核对表 B12 不一致，请以原始表口径重算，只修改第 4 页和核对表，并列出修改前后数值。

五、3 个适合新手的即用 Prompt

Prompt 1：文件整理

目标：整理 input 目录中的练习文件，便于按类型查找。
输入：仅处理当前工作区的 input 目录。
动作：识别文件类型，提出分类和重命名方案。
约束：不删除、不覆盖原文件；重名时保留两份并标记序号。
输出：先生成 inventory.xlsx 和 proposed-actions.md。
验收：清单文件数与 input 实际文件数一致，所有动作可追溯。
在我确认 proposed-actions.md 前，不移动文件。

Prompt 2：会议纪要

请把 input/meeting.txt 整理为结构化会议纪要。
必须包含：会议结论、待办事项、负责人、截止日期、待确认问题。
不能从原文确认的负责人或日期写"待确认"，不要自行补全。
输出 output/会议纪要.md 和 output/待办清单.xlsx。
验收：每一项结论可以在原文找到依据；待办不遗漏负责人和时间状态。

Prompt 3：Word 转 PPT

把 input/项目汇报.docx 转成 10 页以内的内部汇报 PPT。
受众：部门负责人；汇报时长：8 分钟。
保持原文事实和数字，不新增未经证实的数据。
结构：背景、现状、问题、方案、计划、需要决策。
使用 reference/brand-guide.pdf 中的颜色与字体规范（如有）。
输出 output/项目汇报_v1.pptx，同时提供逐页内容清单。
验收：每页只有一个核心观点，数字与原文一致，正文在投影状态可读。

六、Skill：把成功的方法沉淀下来

当你用同样的方式成功完成任务 3~5 次后，就该把它做成 Skill。

Skill 和 Prompt 的区别

最简单的理解：Prompt = 一个任务；Skill = 一套方法论。

什么时候该做 Skill

• 同样的任务你已经成功完成了 3~5 次
• 输入类型、处理步骤、验收标准都相对稳定
• 每次都要写一大段类似的 Prompt
• 不要把每个临时想法都做成 Skill

Skill 的渐进式加载机制

WorkBuddy 的 Skill 系统有一个精巧的设计——三层渐进加载：

1. 第一层（启动时）：Agent 只看到所有 Skill 的名称和描述（每个几十 token）
2. 第二层（匹配时）：当你的任务描述匹配某个 Skill 时，才加载完整的 SKILL.md
3. 第三层（执行时）：脚本和参考文件只在需要时才加载

这意味着你装了 100 个 Skill 也不会撑爆上下文窗口。

七、专家团：让多个 AI 角色帮你做决策

当任务复杂到一个 Agent 搞不定时，就该用专家团。

实战案例：用「私董会」做多角色辩论

这是一个真实案例，用了三步：

第一步：上传图表，让 AI 做技术面分析

我上传了一只 A 股的 K 线日线图和技术指标图（MACD）。
请你作为一位专业的技术分析师，完成以下任务：
1. 识别标的信息：这是哪只股票？当前股价大约是多少？
2. K 线形态分析：近期呈现什么形态？近 5 日 K 线的具体表现？
3. 均线系统分析：MA5/MA10/MA20 的排列状态，是否出现金叉或死叉
4. MACD 分析：DIF 和 DEA 的位置关系，柱状图趋势，是否出现背离
请以表格 + 文字结合的方式输出技术面速读报告。

第二步：上传财报截图，做综合分析

我又上传了这只股票的三季度报数据和全年预增数据。
现在请你：
1. 先识别截图中的所有财务指标数据
2. 结合第一轮的技术面分析，做一次全面分析：
   - 技术面总评（K线、均线、MACD、KDJ）
   - 基本面总评（营收增速、盈利能力、估值水平）
   - 资金面观察（成交量变化趋势）
   - 综合评级
3. 给出短期（1-2周）、中期（1-3月）的观察建议
4. 明确标注关键支撑位和压力位

第三步：启动「私董会」，四个角色辩论

现在请帮我启动一场私董会，请四位幕僚来讨论：
- 角色 A：从价值投资的角度（内在价值、护城河、安全边际）
- 角色 B：从科技趋势和颠覆性创新的角度
- 角色 C：从商业模式和行业格局的角度
- 角色 D：从产品力和用户体验的角度

讨论要求：
1. 每位幕僚先各自发表独立观点
2. 进入交叉质询环节——幕僚之间互相挑战对方观点
3. 每人用一句话给出最终判断
4. 你作为主持人，综合四位意见给出最终方案
请基于前两轮的分析数据来展开讨论。

结果：四位「幕僚」给出了 2:2 的分歧，最终主持人按不同偏好类型分别给出了方案。

⚠️ 重要提醒：以上所有 Prompt 和案例仅用于「研究辅助」目的，不构成任何投资建议。AI 是帮你梳理事实和分歧的工具，最终判断和后果由你自己承担。

八、连接器与 MCP：让 AI 接入外部系统

连接器让 WorkBuddy 访问授权的第三方服务；MCP 是 Agent 调用外部工具的标准接口。

接入前必须回答的 5 个问题

💡 建议：先用只读权限 + 测试账号验证，再逐步开放写入。 数据库、CRM、邮箱等生产系统，第一次测试不要授予全量写权限。

九、自动化：让 AI 每天替你干活

自动化适合满足这 6 个条件的任务：

回答「是」越多，越适合自动化。

实战模板：每日 AI 行业简报

任务名称：每日 AI 行业简报
触发时间：每天 08:00，时区 Asia/Shanghai
工作目录：automation/ai-daily

输入：
- 检索过去 24 小时的 AI 产品、模型和行业新闻
- 仅使用可以访问并保留出处的公开来源

处理规则：
1. 合并重复事件，按产品、技术、商业三类整理
2. 每条包含标题、100 字摘要、来源和发布时间
3. 无法确认发布时间或来源的内容放入"待核验"，不要编造
4. 不登录未知网站，不下载可执行文件，不向外部发送消息

输出：
- 保存为 output/YYYY-MM-DD-ai-daily.md
- 正文最多 10 条，末尾附完整来源清单

验收：
- 文件存在
- 日期范围正确
- 每条均有可核对来源
- 重复新闻已合并
- 失败时保留日志并停止，不覆盖上一期文件

更多自动化场景

💡 第一次自动化建议：先设为单次或低频试运行，连续观察几次后再提高频率。涉及发送消息、修改业务数据、产生费用的动作，必须保留人工确认点。

十、自定义模型 API 与本地模型

接入自己的 LLM API

在设置 → 模型选项中添加供应商或自定义 API。

⚠️ API Key 应通过客户端安全配置保存，不要写进 Prompt、文档、代码仓库或截图。

使用本地 Ollama

1. 在本机启动 Ollama 服务（默认端口 11434）
2. 通过兼容接口接入 WorkBuddy

优势：数据留在本机、可离线、无远程 Token 费用 限制：效果取决于所选模型和硬件配置

十一、安全使用的 10 条底线

这 10 条是我踩过坑之后总结的，每一条都能帮你避免一次事故：

1. 一项任务一个工作目录，默认使用最小权限
2. 原始资料与输出目录分开，重要文件先备份
3. 首次执行优先 Ask 或 Plan，不直接开放完全访问
4. Prompt 中明确写出「不删除、不覆盖、不外发」的边界
5. API Key、密码、Token 不写入对话和普通文件
6. 第三方 Skill、MCP 和连接器先审来源与权限
7. 生产系统先只读 → 后测试写入 → 最后正式写入
8. 对数字、引用、日期、合同条款进行人工复核
9. 分享产物前检查客户信息、个人信息和公司机密
10. 不可逆操作、外部发送和付费动作必须设置人工确认

十二、常见问题速查

十三、推荐的学习路线

不要第一天就连接所有系统。按这个顺序来，成功率最高：

第1天：用 Ask 总结一份脱敏文档（只读理解）
    ↓
第2天：从 Excel 生成 PPT 汇报（生成新文件）
    ↓
第3天：在副本上做格式整理或批量处理（受控修改）
    ↓
第4-7天：把重复成功的任务整理成模板或 Skill（固化方法）
    ↓
第2周：用只读连接器接入测试账号（接入外部系统）
    ↓
第3周：配置一个低频自动化任务，保留日志和人工验收（自动化运行）
    ↓
第4周：统一目录、权限、模板、验收规范，分享给团队（团队推广）

总结

WorkBuddy 的价值不是「帮你生成更多文字」，而是把目标、资料、工具和结果串成一条可执行链路。

真正决定效果的，不是模型有多强，而是：

• 工作目录是否干净
• 任务说明是否完整（目标/输入/动作/约束/输出/验收）
• 权限是否克制
• 产物是否经过验收

先从一个小而真实的任务开始。 跑通后记录 Prompt、输入、异常和验收标准；重复成功后再做 Skill；稳定运行后再做自动化。

这样得到的不是一次「AI 演示」，而是一套可以复用、可以审计、可以逐步放大的工作方法。

WorkBuddy 的界面、模型、价格、权限与可用范围具有时效性，请以官方渠道为准。

← 返回社区贡献