WorkBuddy 保姆级指南（1/N）

最近在和电子工业出版社合作录一门 WorkBuddy 的实战课，我会持续把文字版本分享出来。这篇文章出自其中一节「初识 WorkBuddy」。如果你正在用 WorkBuddy 或者打算用，这篇能帮你省掉大量瞎摸的时间。

先给个判断：WorkBuddy 是国内目前功能做得最全面、也是上手门槛最低的 Agent 产品。我推荐所有想尝试 Agent 的小白和知识工作者，首选它。

下面我把打开 WorkBuddy 之后你需要搞清楚的每一件事，从头到尾走一遍。

功能区全景：左上角四个入口

WorkBuddy 界面左上角是功能配置区域，核心入口都在这：助理、项目、专家、自动化。

助理，就是 WorkBuddy 版本的龙虾。有人格、有记忆，可以配置到微信的 ClawBot 里，这样以后直接从手机微信就能操控电脑。这个功能我用了段时间，确实方便：在外面跑的时候，手机发一句话，电脑上的 WorkBuddy 就开始干活了。

主要是在微信里面使用 clawbot 可以生活场景和工作场景不分开，之前想用 Hermes 总是要额外打开飞书。

项目，是团队协作能力。通过「项目」和「任务」两层结构，让团队成员共享上下文、标准与知识。如果是个人用，这个功能暂时不用管。

专家，这个是重点。里面包含了 subagent、skill、MCP 的配置。

专家分两种：「专家中心」里可以按行业分类浏览，也可以用自然语言描述创建自己的专家。这里需要调用一个内置的「设计 subagent」的 skill，叫做 expert-manager。

专家是「角色切换」机制：以「人设 + 方法论 + 工具链」让 WorkBuddy 用特定领域专家身份执行任务。专家团更进一步，由多位专家分工协作，由团长自动拆解、并行执行并整合交付。

专家、专家团、Skill 三者的关系：Skill 的本质是工具能力，让 AI 能做某件事，适用于需要 AI 具备某种工具能力时；专家是 Agent 型，本质是 AI 顾问、懂某个领域的角色，适用于有一个明确的单点问题时；专家团是 Team 型，本质是 AI 协作团队，自动拆解、并行、完整交付，适用于任务复杂、需要多角色配合时。

一句话：Skill 是能力，专家是能力加经验，专家团是多位专家加协作流程。

自动化，就是定时任务。按固定周期把预设好的提示词发给 WorkBuddy 执行，成果还能推送到小程序。逻辑简单，但用好了很省事。

以上先建立个全局意识就行，后面结合实操展开。

新建任务：每个选项该怎么选

新建任务栏是 WorkBuddy 最重要的界面。它解决一个问题：这次任务，要让哪个 Agent、带着哪些材料、用什么权限、在哪个目录里干活。

很多人一上来就输入一句话让 AI 开干，能出结果，但结果散、文件乱、权限风险高。下面逐项说清楚。

场景选择：三层预设

WorkBuddy 把上手门槛做得非常低，通过三层预设把用户的提示词门槛大大降低。

第一层，按工作场景分：职场、开发、设计。日常默认选「日常办公」就行，也能做开发任务，这是 WorkBuddy 的主推场景。

第二层，场景下的任务分类。比如选了日常办公，下面就是文档处理、数据可视化、深度调研这些。选中一个分类，底层会自动路由到某个专家团或者 skill 包，确保任务质量更高。

这里有个值得拆一下的东西：「深度研究」。

深度研究既不是单一 Skill，也不是 MCP，更不是一段 Prompt。它是 WorkBuddy Teams Marketplace 里的一个 Expert Agent 包（deep-research@cb_teams_marketplace），本质是「主 Agent 编排 + 子 Agent 执行 + 多工具协作」的 Agent Team 系统。

这个设计是 WorkBuddy 的一个亮点。它不是简单地在提示词里说"你是一个调研专家"，而是真正拆成了多个子 Agent 各干各的，有编排层、有执行层。后面实操部分你会看到它并行干活的效果。

第三层，具体任务。比如竞品对比分析。选完之后输入框自动填入提示词模板，改一改就能用。

三层的作用就是把用户原本需要通过提示词表达的意图给选项化了。这是 WorkBuddy 相对于黑黢黢终端里的 CLI Agent 最大的优势：上手门槛低很多。

工作模式：Ask、Plan、Craft

三种模式，理解成三种「派活力度」。Ask / 问一问，用在只想了解、分析、确认，不希望它改文件的时候，先问清楚；Plan / 想一想，用在长线程复杂任务、需要先制定计划的时候，先让它说怎么做；Craft / 做一做，用在目标明确、可以直接生成或修改文件的时候，让它开始干活。

我的习惯：不确定任务边界时用 Ask，重要文件或复杂任务用 Plan，明确要生成文件时用 Craft。

这不是保守，是稳定。Agent 能干活，也可能理解错任务。让它先解释计划，是把控制权留在人手里。

模型选择：按任务类型匹配

第一个要关注的是上下文窗口。目前只有 GLM 5.2 和 Deepseek V4 系列支持 100 万上下文窗口，适合长线程任务或者你想长期使用某个对话 session。

多模态这块要注意：目前只有 GLM 5V Turbo 和 Kimi 系列是真正支持多模态的，也就是能像人眼一样看到并理解图片。理论上你可以给它传网页截图让它复刻，它做前端任务时也能自己截图、自己评估结果。

其他模型的「图片输入」功能，是 WorkBuddy 预制了 OCR 工具：上传图片后先 OCR 提取文本，再把文本传给模型。不是真的多模态。

每个模型后面标了积分消耗比率，数值越大消耗越多，其他意义我也不确定，简单理解就行。

综合来说，我日常怎么选模型：日常办公任务默认 Deepseek V4 Pro，能力强、上下文空间大、性价比最高；复杂开发任务、Skill 设计直接用 GLM 5.2，整体能力水平跟 Claude Opus 4.6 差不多；视觉审查任务（网页复刻、做 PPT 等）用 Kimi 2.6 或 Kimi 2.7 Code。

如果哪天 GLM 5.2V Turbo 出了，那就是最完美的选择：顶级智力 + 100 万上下文 + 视觉能力 + 高输出速度。

技能：给 WorkBuddy 拓展能力边界

Skill 大部分由三部分组成：工具本身、使用工具的说明书、做成功某件事的最短成功路径。

举个例子。最近 Seedance 2.5 很火，如果想让 Agent 制作宣传视频，就得设计一个 Skill：包含 Seedance 2.5 的 API 和 Key，让它有调用权限；说清楚 API 怎么用；再把宣传视频制作的方法论打包进去。这样就能全流程制作出高质量视频。

用 Skill 有两种方式：点技能按键直接选，或者在输入框打斜杠输入前几个字母匹配。

初始状态下 WorkBuddy 已经内置了几个官方 Skill，确保高频场景不额外配置也能用。

想加新 Skill 也简单，两种方法。方法一：从 Skill 商店添加。商店里的 Skill 基本是 WorkBuddy 官方一对一邀约上传的，安全和质量没问题。比如卡兹克开源的「卡兹克公众号写作」，点个加号就加了。方法二：用自然语言让 WorkBuddy 帮你找。直接在输入框说需求就行。底层原理是 WorkBuddy 内置了一个叫 Find-Skills 的元 Skill，通过关键词去 SkillHub（腾讯官方的 Skill 社区）上搜索。

还有个细节：WorkBuddy 把一些热门 Skill 预制到了本地文件夹里，查找时先从本地找，更快。有些 Skill 需要特定网络环境安装，预制到本地就绕过了这个问题。

工作目录：先给 Agent 一个干净房间

新建任务时，默认不会选择本地工作空间。

不选的话，系统每次会自动划定一个临时目录，命名规则是 WorkBuddy/YYYY-MM-DD-HH-MM-SS。

我的建议是：下达任何任务之前，提前选好自己本地的文件夹作为工作空间。我自己是把所有任务都放到 Obsidian 仓库里，这样个人上下文归集起来，以后 Agent 可以随时调用。

打开新文件夹作为工作空间时，首次交互会触发初始化：WorkBuddy 会问你一些问题来了解你，形成自己的身份认知。

固定使用一个文件夹还有个好处：你可以在根目录放一个 AGENTS.md 文件。目前除了 Claude Code 不支持，其他任何 Agent 都支持这个文件作为系统提示词，任何对话中都会初始加载。所以在这个文件夹里跑的 Agent，比如 Claude Code、比如 Codex，都会加载这个文件来获得对你的静态认知和运行规则。

独立工作目录的好处：材料清楚、文件不乱、风险可控。

连接器：能不用就不用

连接器本质就是 MCP，用于把 WorkBuddy 和外部服务连起来：邮箱、腾讯文档、乐享知识库、会议工具等。

去 WorkBuddy 商店一键添加，简单授权就能用。比如授权完乐享之后，WorkBuddy 就能读取、编辑、管理乐享知识库的内容。

但我的判断是：现在任何 MCP 能实现的功能，几乎都可以通过 API + Skill 实现。不建议折腾 MCP，占用上下文空间大，我现在已经几乎不用了。

权限：我的选择是完全开放

WorkBuddy 能读写文件、整理目录、生成文档，也可能执行脚本或调用外部程序。两种权限模式：默认权限下，危险操作（比如删文件）会被拦截，系统发权限申请让你确认；完全访问则跳过所有权限申请，确保任务连贯性。

我是任何 Agent 产品都默认开放最高权限。原因很简单：Agent 任务通常时间很长，开默认权限会频繁弹出权限申请，而大多数权限申请对普通用户来说根本看不懂。我选择完全相信 Agent，到现在没遇到过误删文件的情况。模型智力越来越强，这种极端边界情况会越来越少。

不过有一点：开完全访问权限时，建议选最顶级的模型，比如 GLM 5.2。选个垃圾模型，它真有可能做出比较呆的事情。

跑一个真实任务：让 WorkBuddy 调研 Loop Engineering

还是用我的 Obsidian 仓库作为工作空间，日常办公模式，选深度调研任务类型。让 WorkBuddy 调研最近火爆的 Loop Engineering，产出一个白皮书。

这是个比较长线程的复杂任务，所以我开了 Plan 模式。

任务一开始，WorkBuddy 就体现出了非常强的并行能力：同时调用多个工具，还额外调了一个 Explorer 的 subagent。

我不确定是 WorkBuddy 的 Harness 工程做得好，还是 GLM 5.2 这个模型本身就强，大概率是两者综合的效果。

Plan 模式的好处是在关键决策点，WorkBuddy 会用 Ask user question 工具向你提问，而且是选择题，确保跟你对齐需求。

计划产出一个 Markdown 格式的详细方案，你审核没问题后点「确认计划」，WorkBuddy 自动退出 Plan 模式进入 Craft 模式开始执行。

有新产物的时候它会在右侧直接打开。有时候不打开也没关系，直接去工作空间里按路径找就行。

用好 WorkBuddy 的核心不是「会用每个按钮」，是知道每个功能选项背后意味着什么。界面会更新，按钮会变化，但「给 Agent 派活」这件事的逻辑是稳定的。