用户12689684 · 2026-08-14
本文记录了一次完整的 WorkBuddy 协作经历：从一个专业问题发现，到标准反馈、论文撰写投稿的全过程。重点分享如何高效使用 WorkBuddy、踩了哪些坑、以及省积分的实操经验。
一、任务背景
我是一名电力企业的安全管理人员。在工作中学习某项国家安全标准时，发现其中两张安全距离表的数值在部分电压等级存在逻辑矛盾——同一距离参数，两张表给出的数值大小关系是反向的。
这个发现引发了一条完整的任务链：
- 确认问题是否真实存在
- 向标准化技术委员会提交正式反馈
- 将发现撰写成技术论文投稿期刊
- 论文格式调整、数据核对、去 AI 痕迹
整个过程在 WorkBuddy 中完成，历时约 25 轮对话。本文复盘其中的经验教训。
二、工作流拆解
2.1 问题确认阶段
做法：把标准原文的表格数据直接发给 WorkBuddy，让它做数值比对分析。
效果：WorkBuddy 准确完成了 12 个电压等级的逐一比对，找出了 5 处数值反向的差异，还自动溯源了设计规范中的 A1 值推导过程。
教训：AI 在初次分析时，试图"解释"矛盾不存在——给出了类似"应理解为""实际上不矛盾"的表述。这是 AI 的常见倾向：面对权威标准时倾向于自我修正而非确认缺陷。这时候必须靠人的专业判断来纠正，明确告诉它"这就是矛盾，不要强词夺理"。纠正之后，后续分析就回到正确轨道了。
经验一：AI 是助手不是权威。遇到它"和稀泥"的时候，人的判断力是最后一道防线。
2.2 反馈文件起草阶段
做法：让 WorkBuddy 起草一份正式的反馈邮件文档，包含问题描述、条文引用、修改建议。
效果：一次生成质量不错，结构完整，措辞规范。
技巧：这类公文类任务，关键是在指令里说清楚三件事——写给谁、要达到什么目的、语气是什么风格。我原文说的是"起草一份正式的反馈问题的电子邮件"，WorkBuddy 自动选择了公文风格，效果符合预期。
2.3 论文撰写阶段（积分消耗最大的环节）
这是整个过程中返工最多、积分浪费最大的环节。
问题出在哪：我先让 WorkBuddy 直接写初稿，写完之后才开始查期刊投稿简则。这时才发现格式要求与初稿差异很大，不得不重写。
教训：做任何长文本任务前，先收集并喂入所有约束条件。期刊投稿简则、格式模板、参考文献规范，这些都应该在第一步就给 WorkBuddy，而不是写完再改。
经验二：先约束，后生成。规则先行，避免返工。
2.4 格式调整与去 AI 痕迹
做法：分两步走——先让 WorkBuddy 按期刊格式调整，再手动修改明显 AI 痕迹（过于工整的排比句、"综上所述"等套话）。
效果：两轮调整后，编辑基本没提出异议。
经验三：AI 生成文本后，人必须做"去机器味"的二次加工，尤其是开头结尾段。
三、省积分实操经验
3.1 一次给足上下文
不要零散提问，把背景资料一次性喂入，让 WorkBuddy 在同一个会话里完成全流程，避免重复描述。
3.2 善用 Plan 模式
复杂任务切换到 Plan 模式，让 AI 先出计划再执行，比 Craft 模式直接干少走很多弯路。
3.3 及时止损
如果某一步反复出错（比如本文的初稿返工），立刻停下来重新梳理需求，不要一条道走到黑，否则积分消耗会指数级放大。
四、总结
这次用 WorkBuddy 完成一个从发现问题到论文投稿的全流程任务，核心收获：
- AI 是助手不是权威，关键时刻人要敢于纠正
- 规则先行，先喂约束再让 AI 生成
- 复杂任务用 Plan 模式，避免无效返工
- 长文本生成后必须人工"去 AI 味"
整个过程累计消耗约 800 Credits，相比人工完成节省约 3 天工作时间。