三个月前我把 WorkBuddy 从“试用软件”转正成了每天打开的第一款工具。说实话最初那一周我只能算“能用”让它写个周报、改个措辞、解释一段看不懂的代码图个新鲜。真正让我改变态度的是某天下午我用全局规则给它定死了三条纪律然后让它一口气处理完三十条客服工单的分类和风险标注——它干完活我复核了一个小时居然只挑出两处小问题。也就是从那天起我开始认真系统地把 WorkBuddy 当“正式员工”来带而不是当玩具。现在我整理出这 30 个实战技巧写给那些刚装上 WorkBuddy、还只会拿它当聊天框的人。这篇文章不聊空泛的“AI 时代来了”只聊我怎么从“能用”一步步走到“敢把活儿交给它”。1. 先说清楚WorkBuddy 到底是什么它凭什么值得你用三个月1.1 它不是一个“大号聊天框”一句话定义 WorkBuddy它是一个把“模型、规则、技能、记忆”缝在一起的 AI 工作台。它和 Cursor 这类代码编辑器不一样Cursor 更偏重在代码上下文里帮你改文件而 WorkBuddy 更像一个围绕“任务与业务场景”展开的助手台子。它和普通聊天 AI 也不一样的地方在于它允许你写全局规则让这些规则对后续所有任务生效它支持挂载 Skill把固定流程打包成可复用的技能它还有任务与知识库的设计让一次任务的产出可以被下一次任务继续引用。打个比方普通聊天 AI 是“你随时能叫来的顾问”WorkBuddy 则更像一个刚入职的实习生。你需要给它立规矩、给它工具包、给它工作流程它才能按你的方式干活。刚用的人很容易忽略这点觉得它“不就是个对话框嘛”于是所有的提示词都在现场临时写这就像每天给实习生重新讲一遍公司流程——费嘴效果还差。所以这三个月我做的最重要的一件事不是学更多“高级提示词”而是先把这个“实习生”的岗位职责、红线规范、常用工具都配置清楚。前面的基础工作越扎实后面的技巧才有意义。1.2 从“能用”到“敢用”我跨过的三个坎第一道坎是上下文断层。普通聊天 AI 开个新会话就失忆昨天说好“先给结论再给依据”的格式要求今天全忘。WorkBuddy 的全局规则帮我把这个坎迈过去了一大半规则写在配置里不管新开多少个会话它都排在上下文最前面。第二道坎是规则约束弱。我跟很多工具都说过“不要客套直接说重点”但经常第一句还是“很高兴为您服务”。后来我明白了要让 AI 少说废话光提正向要求是不够的你得把“禁止什么”写死。第三道坎是输出质量忽高忽低。同一个问题状态好的时候它能给你一份漂亮的分析状态差的时候能编出一堆看起来很有道理的数据。跨这道坎靠的是后面要讲的“交付守门”系列技巧包括标注来源、二次自检、小步提交等等。这三道坎都没有百分百被填平但三个月下来我能摸清它什么时候靠谱、什么时候需要人盯这才是“敢把活儿交给它”的真正含义。1.3 不同岗位的人该怎么用它研发人员用它的重点在代码生成、代码审查、解释老旧项目以及把一段需求拆成可落地的技术方案。你需要的 Skill 大多是“代码角度”的规则里可以写死代码风格、注释语言、禁止伪造 API。客服/运营负责人重点是话术质检、工单分类、投诉升级判断、周报生成。全局规则里写清楚“先结论后依据、禁止编造数据、引用真实话术要标来源”配合一个自建质检 Skill效率能翻不少。市场/内容岗位让它做内容矩阵、竞品速览、标题打磨。关键是给它 3 篇范文学风格而不是说一句“写高级一点”。学生/研究岗文献综述、资料整理、会议记录摘要都可以丢给它。但要记住一条铁律AI 给出的文献信息必须回原库核验它可以帮你干活不能替你背书。每个岗位用法差异很大但底层逻辑同一套就是“全局规则 Skill 任务拆解”。把这套逻辑跑通了它才从一个“什么都会一点但什么都没准话”的助手变成一个“懂你规矩、按你流程交付”的干活工具。2. 搭工作台先打地基安装、缓存、模型与全局规则很多人拿到工具第一件事是到处找技巧我反而建议先把地基打好。下面这四件事做完后面那 30 个技巧才真正站得住。我没开玩笑前两周我就是省了这一步后面一直在还债。2.1 安装与初次启动官方渠道是第一原则WorkBuddy 有桌面客户端也支持网页工作台还能用 Docker 在服务器上自托管。无论选哪个第一原则都是只走官方渠道。我一直用官方安装包升级也走官方推送凡是让你下载“破解版”“绿色版”“一键优化版”的一律拉黑。这类东西轻则缺功能重则夹带私货账算不过来。如果你还在用 Win7 这类老系统启动闪退的概率不低多半是系统依赖不满足别指望打个补丁就能救。我的建议是直接改用网页工作台功能虽然比桌面版少一点但胜在打开就能用不需要跟系统环境较劲。Linux 用户则有两种选择依赖图形界面的用桌面版团队统一部署的直接上 Docker。Docker 的好处是版本一致、数据落在内网升级也方便后面我会单独讲部署的时候容易踩哪些坑。初次启动后不建议马上建一大堆东西先花十分钟把个人资料和偏好填上让工作台有个基本盘。2.2 把系统缓存目录迁走C 盘立刻减负这是热词里很多人问过的问题“WorkBuddy 怎么更改系统缓存目录”。我实测下来用一阵子后缓存可能涨到几个 G如果装机时 C 盘给得小很快会告急。原因是它在跑多步任务时会缓存中间结果、模型加载文件以及各类临时数据这些都默认落在系统盘。我的操作路径是设置 → 存储 → 缓存目录 → 把它改到数据盘比如 D:\WorkBuddyCache。改完之后先退出应用等两秒再重启让程序重新扫描目录。有几个细节值得注意新目录必须有读写权限否则重启后可能白屏迁移成功之后旧目录里的残留文件确认无误再手动删别在运行中硬删如果发现改完没有生效八成是权限问题而不是设置项问题。这步做完C 盘瞬间松快后面持续用也不会反复报警。2.3 多模型配置别让一个模型干所有活我身边的很多用户包括我自己早期习惯一个模型用到底。后来我发现不同类型的任务模型之间的差距能大到离谱代码类的活儿代码能力强一点的模型写出的代码更稳中文长文写作专门调优过的模型明显少一点“翻译腔”本地小模型虽然能力弱但它可以处理一些不想出内网的内容。实操上你可以在配置里把常用模型都加上然后给它们分配不同场景。比如我的全局规则里写了“代码相关任务默认用模型A长文写作默认用模型B涉及内部数据的任务用模型C。”这样我不用每次手动切模型规则会自动分流。有人会问模型越多越乱吧我的体会是两三个就够别贪多。重点不是“用上所有模型”而是“让合适的模型干合适的活”。2.4 全局规则一句话让所有任务都听你的这里给 WorkBuddy 定几条规则对后续所有任务都生效——这是整个工作台里杠杆率最高的事。原理不复杂你每次发消息之前系统会把“全局规则 项目规则 当前会话指令”按顺序拼进上下文全局规则排在最前面所以它天然压住后面所有任务。我第一次认真用全局规则是在一次客服质检任务前夕。当时我在全局规则里写了一段话大概意思是你是客服团队质检负责人。所有回复必须遵守1. 先写结论再给依据2. 引用真实话术时标注来源3. 禁止编造任何数据4. 遇到不确定的信息直接写“需人工确认”不要猜测。设完之后神奇的事情发生了之前让它“别客套”说了无数遍都没用这次它真的不再客套了。后来我才理解全局规则不是“建议”它被固定拼进了每一次请求的上下文里。所以你写的时候要像写员工手册别写“请你尽量专业一点”这种空话要写“禁止出现没有出处的数据、禁止使用可能/大概这类词、所有结论必须在段落开头”。全局规则最好控制在三条以内重点先用禁止项把下界兜住再谈上界。3. 30 个实战技巧从能用变成敢用前两章是基础配置这一章才是真正的“上路”。我把这三个月整理出来的 30 个实战技巧分成五组覆盖全局规则、Skill、提示词、业务场景和交付质量。你不用一天全消化先挑和自己工作最相关的 5 条用起来再说。3.1 全局规则与工作台管理技巧 1-6这组技巧解决的是“让 AI 长期稳定地按你的方式干活”。不需要每次会话重复交代配置一次长期受益。开场白先上岗每个新会话的第一句不要直接丢任务先写 10 秒的“身份要求”。比如“你是我的数据分析助手所有结果先给结论再给过程”。这等于给全局规则种一颗种子让本次会话不至于跑偏。优先写禁止项而不是夸夸其谈的要求AI 天生倾向于把话讲圆滑你让它“认真负责”它只会回你一堆正确废话但你说“禁止使用‘可能’‘大概’‘也许’”输出立刻收紧。我现在的全局规则里一多半是禁止项。规则范围最小化全局规则、项目规则、会话指令是三个层级。能用项目规则就不要用全局规则能用会话指令就不要改项目规则。范围越小越不容易误伤其他任务。会话摘要交接班长任务连续做几天时下班前让 AI 写一个三行摘要“当前进度/下一步动作/需要人确认的点”第二天把摘要贴回去接续。这等于给 AI 一个临时记忆。配置定期导出设置里把全局规则、Skill、项目配置导出成一个文件备份到自己的云盘或内部网盘。我换过一次电脑十分钟就恢复了整套工作台。把规则当代码管理每次改全局规则记一句改动原因。比如“3月2日新增禁止项因为上周出现过编造数据”。团队多人共用一套 WorkBuddy 时这样做能避免规则越改越乱。这里我想单独展开一下技巧 2。它是我个人觉得最值的一条因为多数人使用 AI 的习惯是“提要求”但 AI 对空泛要求的理解能力没有你想象中那么强。“认真、负责、严谨”这些词信息量很低模型只会生成听起来严谨的文本而不是真正严谨的文本。反过来“禁止编造数据、禁止使用模糊词语、禁止引用没有来源的内容”每一条都是可判定的模型执行起来也容易得多。试着把规则里的“要”改成“不要”效果通常立竿见影。3.2 Skill 的选、装、写、清技巧 7-12Skill 是 WorkBuddy 区别于普通聊天框的关键设计。它可以理解为一个“技能包”里面包含触发描述、执行流程、输出模板甚至还可以调用一些内置工具。普通提示词是话术Skill 是流程话术说一遍就完了流程可以反复跑。先分清 Skill 和普通提示词的区别提示词是一次性的一次对话策略Skill 是固定下来的流程资产。只有那种“你每周都要做、步骤又很标准”的事情才值得做成 Skill。先装两个刚需 Skill代码审查和文档校对是我建议优先装的。这类任务“低频但出大事”人工看容易漏AI 当第一道过滤器很合适。装完先小范围试几次再扩大使用。一次只试一个新 Skill很多人第一次接触 Skill看到什么都想装结果同时启用三四个输出立刻变得四不像。原因在于多个 Skill 可能会争抢同一段上下文。正确做法是一个一个加加一个验证一个。自己写一个最小 Skill从“客服质检”开始很合适。步骤不复杂建一个目录写清楚触发条件画一个执行流程定一个输出模板然后在测试会话里跑一遍。我建议先用手写流程不要一开始就搞复杂的自动化调用。用“最小验证集”测 Skill写完 Skill 别急着正式用先拿三五条脱敏的真实样本跑一遍。通过再发布不通过就继续改。不测试就上线的 Skill早晚会在正式任务里给你挖坑。每个季度清理一次 Skill留下的 Skill 必须是你反复用过的没用的就禁用或删掉。我发现很多规则冲突、输出混乱的问题背后往往有一个“僵尸 Skill”在捣乱。关于如何自己写 Skill不同版本的格式细节有差异核心结构是通用的。我发一个简化参考名称客服质检 触发当用户要求“质检”或“检查客服回复”时 流程 1. 读取会话中的客服回复记录 2. 对照质检清单逐条检查语气、信息完整度、合规敏感词 3. 输出评分与修改建议 输出模板 问题类型 | 原文摘录 | 风险级别 | 修改建议这就是一个最小可用的缩小版。你不需要一开始就做成“自动接入工单系统”先在会话里手动喂文本跑顺了再考虑挂更高级的触发器。3.3 任务拆解与提示词技巧 13-18提示词领域有个说法叫“Garbage in, garbage out”。我把最常用的模板和拆解思路放在这一组它们不炫技但确实能提高交付的确定性。五段式提问法每次复杂提问都按“背景—目标—约束—禁忌—交付格式”来写。背景让它理解现状目标让它知道方向约束控制范围禁忌阻止踩坑交付格式统一产出样子。熟练之后不用每段都长一两句话即可。大任务串行拆不要一上来就让它“写一篇完整报告”拆成串行步骤先列提纲再审提纲再逐节写最后统一润色。每一步做完都停下来确认再走下一步。我处理文献综述就是这么干的效果比一口气生成好得多。每步都设验收标准在指令里加一句“输出之前请先按三条标准自检1. 是否有来源标注2. 是否有模糊词3. 是否有逻辑跳跃”。让 AI 先自查一轮再交付给你。追问降维输出看不懂时别急着重写先来一句“请用大白话重新解释一遍假设我完全不懂这个领域”。这个简单操作往往比重新提问效果好因为它保留了第一次计算的信息只是换了一种表达方式。把资料放进项目再用 引用长文本直接粘进对话框会污染上下文也不要靠记忆让它“回忆你上周发过什么”。把资料文件放进项目知识库然后在提问里“文件名”它引用的准确度会大幅提升。否定提示最省钱花一句细说“不要什么”胜过三句夸“要什么”。这不是玄学模型对否定词的识别能力在变强明确的否定边界能省掉很多返工。举一个我用得最多的“周报五段式”例子背景我是客服负责人本周处理了 3 起升级投诉团队 5 人新人占比 40%。 目标生成一份给总监看的周报。 约束总字数 600 字以内先结论后数据。 禁忌不要写“整体平稳”不要编造未发生的事不要用“加强”“提升”这类空洞动词。 交付格式标题 / 本周结论 / 关键数据 / 下周计划。你可以发现比起“帮我写一份周报”这个模板给出的信息量完全不同。模型拿到的不只是任务而是任务的全部边界。3.4 三个典型业务场景技巧 19-24这一组是我在客服、内容、研究三个场景里摸出来的经验。虽然不是每个读者都是客服负责人但这套思路换到你的行业里一样成立。客服负责人先做两件事建“话术库”和“质检清单”两个 Skill话术库负责在回复前提供参考口径质检清单负责在回复后检查风险。一个管入口一个管出口核心链路就闭环了。真实工单先脱敏再喂姓名、手机号、地址、订单号一律替换成占位符。这既是安全要求也是防幻觉的要求。前几天我拿一个未脱敏的真实投诉让 AI 总结它居然“记住”了客户名字并在末尾写进感谢语——虽然没造成实际后果但冷汗已经下来了。让 WorkBuddy 生成“投诉升级判断树”把“出现人身攻击/重复投诉三次以上/涉及金额超过阈值/威胁公开曝光”等条件写给它让它输出一棵决策树再转成固定规则或 Skill。从此判断升级不再靠个人经验而靠流程。内容岗给它 3 篇范文学风格与其说“写高级一点、专业一点”不如直接丢给它三篇你认可的范文让它先提炼风格清单再按清单创作。风格模仿永远比抽象描述靠谱。文献综述先矩阵后空白点让 AI 先做“作者/方法/样本量/核心结论/局限”的矩阵表再基于矩阵找研究空白。注意它的文献信息不保证百分百真实必须回到原文或数据库中核验。AI 给的“矩阵结构”很有用但它给的“文献条目”需要人工验证。任务接力把产出存进知识库再开新任务一次任务的结果不要躺在会话记录里把它存进项目知识库下一次新会话用 来引用。比如我先让它生成“客户常见问题清单”再让它基于清单写“FAQ 回复模板”它就能一次比一次贴近实际。这里特别强调一下技巧 20。很多人觉得数据脱敏麻烦于是直接跳过。我的观点是这不是技巧是底线。AI 工作台处理的数据会经过模型服务端你永远不会希望客户的手机号、公司内部薪资数据出现在任何你不可控的地方。养成熟练症脱敏只需要十几秒但漏一次可能要你花几天去补救。3.5 交付前的质量守门技巧 25-30最后一组也是最接近“敢把活儿交给它”的一组。它不做生成只做守门。想让 AI 的产出可以直接交付就得在流程里塞进六道守门动作。关键数字必须让 AI 标来源凡是出现数字、日期、比例要求它写明来源例如“根据项目内文档《Q3 工单分析》第 2 段”。标不出来的数字你就当它不存在。强制二次自检一条指令能显著提升质量“请用审查者视角重新检查你上一步的输出列出三个可能的问题并给出修改后的完整版本。”这等于让它自己当一遍质检员可以拦住大部分粗心错误。红线词扫描把你自己深恶痛绝的表达方式写进规则比如“绝对没问题”“保证满意”“100%有效”要求输出前自查是否出现这些红线词。它不是万能药但能逼着模型少说大话。小步提交长任务千万不要让它一口气生成十个章节再给你看。让它每次交付一节你确认后再带着你的反馈继续下一节。每节确认的成本远低于最后整体返工的成本。版本存档重要任务让 AI 一开始就给两个方案明确说“方案一偏稳妥方案二偏创新”。两个都保留人工对比挑一个或者组合使用而不是只拿一个答案就定稿。教它说“不知道”在全局规则里写清楚“如果知识库里没有相关信息直接回答‘需要人工确认’禁止编造。”这一步能把 AI 从“自信的骗子”变成一个诚实的助手。相信我你会更喜欢那个说“不知道”的它。技巧 26 是我用得最频繁的一条。它本质上是在流程里加了一层“同行评审”成本极低收益却很直接。尤其是当你觉得“这个输出看着挺好但总觉得哪里不对”的时候让 AI 自己挑自己的毛病它往往能一针见血指出逻辑漏洞。4. 三个月里踩过的坑常见问题与排查实录这章的内容是拿真金白银换来的。我把常见的问题按“现象—原因—解法”整理出来方便你直接对号入座。4.1 安全审核弹窗先别急着绕使用过程中有时会遇到安全审核提醒任务被中断页面弹出提示。第一次遇到时我也烦但后来想明白了这是工具的内容安全机制它在阻止任务越过边界保护的是使用者也是数据本身。有人试图通过改措辞、换说法“绕过去”我的建议是不要这么做。正确的处理方式是回到任务本身问一问是不是自己的指令写得过于宽泛或者涉及了不该涉及的领域。比如“给我写一封任何场景都能用的投诉回复”这种太泛的指令容易触发风险判断改成“基于项目里已有的话术库重写这三条投诉回复”任务边界清晰了问题通常就没了。如果调整多次还是被拦那就说明这个需求本身不该丢给自动化工具换条路人工处理。4.2 全局规则不生效八成是规则打架“我明明写了全局规则为什么它还是不听”这是我被问过最多的问题之一。排查顺序很关键先看规则的数量有没有超过五条太多了可能被截断再看有没有互相矛盾比如规则 A 说“回复要简短”规则 B 又说“每个问题要展开不少于 500 字”模型看到这种冲突只能随机挑一个执行最后看当前会话里有没有临时指令覆盖了全局规则单次会话指令通常优先级更高。我自己的排查方法是开一个全新的空白会话只加载全局规则发一条极简测试问题比如“我的第一条规则是什么”看它能不能准确说出来。说不出来说明规则没进上下文回去检查配置能说出来但不执行说明规则之间在打架需要精简或拆分。4.3 缓存目录改了还是满这种情况大概率是修改没有真正生效或者旧缓存还没清理干净。先确认新目录是不是在“设置—存储”里显示的当前路径再看旧目录里是不是还有大量残留文件最后检查运行中的任务是不是一直在把新缓存写到老路径。另外WorkBuddy 的多步任务会产生临时会话文件即使缓存目录改对了长期堆积也会越来越大。我的做法是设置自动清理策略让超过 30 天的临时会话自动删除保留归档摘要即可。数据备份的话备份知识库和 Skill 目录就够了缓存删了完全不影响使用。4.4 老设备与远程部署的取舍老设备上跑桌面版最常见的问题是启动闪退、界面卡顿。别硬凑直接切到网页工作台是个更省心的选择。如果一定要在本地跑大模型那就要有硬件和传输层面的基本认知显存不够就别硬跑云端接口在小体量任务上体验已经很好。团队要统一部署的话Docker 是常见方案但有三个坑我替你们踩过了。第一数据目录一定要做持久化挂载否则容器更新数据全丢第二端口映射要梳理清楚别跟内网其他服务撞车第三升级前先备份数据目录别信“小版本升级没事”这种话。另外日志要设置轮转不设的话一两个月日志文件能把你磁盘塞满。5. 三个月后我的几条真实心得最后不做什么总结就聊聊切身体会。我这三个月最大的认知变化是AI 工作台不是“更聪明的聊天框”而是一个“可以立规矩、带技能包的远程实习生”。你每天给它派活之前先想清楚三件事它的权限边界在哪里、它的工作流程是什么、它遇到不懂的事该怎么办。这三件事想清楚了工具才能替你扛活想不清楚它只会给你制造更多的“看起来正确的东西”。如果只让我从这 30 条技巧里选三件必做的事我会选第一写三条全局规则而且都以“禁止”开头第二挑一个你每周都会做的任务把它做成最小 Skill第三所有超过一屏的任务一律拆成串行步骤别贪多。就这三件事足够让你从“能用”跨到“敢用”的大门口。最后再分享一个小习惯我每周五会花十分钟给 WorkBuddy 做一次“体检”禁用掉这周没用过的 Skill检查一遍全局规则有没有互相矛盾的地方然后导出配置存一份。不是因为它会犯错而是因为工具一直在更新你的使用方式也该跟着迭代。三个月前的我和三个月后的我最大的差别不是会用更多技巧而是终于学会了“用规则管住 AI而不是被 AI 的输出带着走”。