概述
WorkBuddy 使用教程、AI Agent 工作台评测、腾讯云 WorkBuddy 体验、AI 自动生成 PPT。
适合只想了解信息、不想让它动你文件的场景。这三种模式切换没有任何学习成本，但这个设计的价值很大——它把"效率"和"安全"的平衡权交还给了你。
三个模式：从"只看不碰"到"全权托管"
WorkBuddy 提供三种交互模式：
- Craft 模式：AI 直接操作你的桌面应用（Excel、PPT、浏览器等），适合复杂办公任务
- Plan 模式：AI 先规划再执行，适合多步骤复杂任务
- Chat 模式：传统对话模式，只回答问题不动你的文件
这三种模式可以自由切换，没有任何学习成本。这个设计的核心价值在于——把"效率"和"安全"的平衡权交还给你。
五个高频实战场景
场景 1：办公自动化——Excel 合并与 PPT 生成的"魔法"
这是职场最痛的场景之一。以前做周报，要打开十几个 Excel 表，复制粘贴、调整格式，再手动插入 PPT。
直接对 WorkBuddy 下达指令："把桌面'2026Q1 销售数据'文件夹里所有的 Excel 合并，生成柱状图，并写一份分析报告，最后做成 PPT。"
它没有像普通 AI 那样给我一段 Python 代码让我自己跑，而是直接在本地调用了 Excel 和 PPT 应用。屏幕上的鼠标开始自动移动，文件一个个被打开、数据被提取。几分钟后，一份排版整齐的 PPT 直接弹了出来。数据准确，图表逻辑清晰，至少节省了 2 小时的机械劳动。
操作要点：在 Craft 模式下直接用自然语言描述需求，越具体越好，比如指定文件夹路径、明确输出格式。
场景 2：代码生成——从一句话到可运行代码
WorkBuddy 的编程模式跟 GitHub Copilot 那种"代码补全"完全不一样。Copilot 是你写个函数名它补全函数体，而 WorkBuddy 编程模式是：你能让它理解整个项目，读你的代码库，理解架构，然后帮你改代码、修 Bug、甚至重构。
遇到过一个 Bug：用 Python 的 json.loads() 解析 API 返回的 JSON 时，数据里包含换行符和特殊引号导致报错。传统做法是自己写正则手动处理特殊字符，繁琐且容易漏。
直接跟 WorkBuddy 说："帮我改一下这个 JSON 解析函数，让它能处理包含换行符、引号的 JSON 字符串。"它直接生成了完整的修复代码，包含清理特殊字符、尝试多种解析策略的完整逻辑。
更惊喜的是，WorkBuddy 内置了 Python 和 Node.js 运行环境，写完代码可以立刻执行。如果运行报错，它会自动读取错误信息，修改代码后重新执行，直到成功为止。
操作要点： - 用自然语言描述需求，说清"做什么、输入输出是什么、有哪些约束" - WorkBuddy 生成代码后，先在本地测试 - 把报错贴回去让它微调——这就是"生成—运行—迭代"的闭环
场景 3：读懂陌生代码
接手老项目时，面对一段看不懂的函数，直接丢给 WorkBuddy 说"用通俗语言解释它在做什么，并标出两个潜在隐患"。它会把复杂函数逐段讲清楚，帮你快速建立心智模型。这对代码评审和接手老项目特别省时间。
场景 4：文档结构化整理
把散落在多个 PDF、聊天记录、笔记里的内容，整合成一份结构化文档。WorkBuddy 可以读取多个文件，提取关键信息，按统一格式输出 Word 或 Markdown。
场景 5：定时自动化任务
设置每天自动执行的重复任务，比如： - 每天早上 8 点抓取行业资讯 - 每周一自动生成周报 - 每天收盘后记录行情数据
真实体验总结
WorkBuddy 最大的价值不是"回答问题"，而是"替你干活"。
从"问一句答一句"的传统 AI 对话，到"你说一句话，它就在本地完成整套任务链"的桌面智能体——这中间只差一个定位的转变。
建议入手方式： 1. 先从最重复的那件事开始（比如每周的周报、每月的数据汇总） 2. 让 AI 先跑一周，观察输出质量 3. 逐步增加自动化任务，建立自己的 SOP 4. 遇到复杂任务时，切换到 Plan 模式让 AI 先规划再执行
注意事项
- 自动化任务消耗 Credits，执行频率越高消耗越多，注意额度规划
- 涉及重要决策的内容，自动化结果仍需人工复核，不能完全甩手
- 依赖外部数据的任务，要确认数据源稳定
本文基于真实使用体验，所有场景和数据均来自实际工作记录。