workbuddy新手小白快速入门（一）

初识 WorkBuddy

WorkBuddy 是腾讯最新推出的全场景职场 AI 智能体工作台，

面向人力资源、行政、运营、销售、研发等不同职场角色，是一款能够像真正同事一样思考、执行任务并交付结果的 AI 办公应用。

从“回答问题”到“交付结果”

与传统 AI 助手不同，WorkBuddy 不只是陪用户聊天、回答问题或者给出建议。

用户只需要用一句自然语言描述需求，它就可以理解任务目标，在本地电脑中自主规划执行步骤，并完成复杂的多模态任务。

在获得用户授权后，WorkBuddy 可以读取和处理本地文件，自动完成批量文件处理、文档生成、表格分析、PPT 制作、多模态内容创作、行业调研、本地知识库构建等工作。

对于更加复杂的任务，它还可以自主拆解步骤，并通过多个智能体（Agents）并行，减少人工在不同工具、文件和任务之间反复切换的成本。

例如，用户可以直接告诉 WorkBuddy，分析这个文件夹中的销售数据，并生成一份汇报 PPT。

WorkBuddy 会自主读取相关文件，理解数据内容，完成分析和总结，并生成最终可以查看和修改的工作成果。

整个过程中，用户不需要手动上传每一个文件，也不需要一步一步告诉 AI 下一步应该做什么。

WorkBuddy 面向的是完整的工作任务。

它的核心能力可以概括为三点，听得懂人话，能够自主思考规划，也真的能够操作电脑交付成果。

为了完成不同类型的任务，WorkBuddy 还提供了多模型切换（混元/DeepSeek/GLM/Kimi/MiniMax 等）、MCP Server、Skills 技能包等能力。

用户可以根据不同任务选择合适的模型，也可以通过 MCP 和 Skills 扩展 WorkBuddy 的工具和专业能力。

同时，针对本地文件操作、终端执行等场景，WorkBuddy 还提供高危指令拦截和权限控制机制，降低 AI 自主执行过程中的风险。

第 2 章 WorkBuddy的下载、安装、登录与更新

WorkBuddy下载

下载WorkBuddy，点击官方地址（https://www.codebuddy.cn/work/），选择WorkBuddy，点击“下载WorkBuddy”即可下载。

网站会自动检查你当前设备，判断你是什么版本，Mac ARM64、Mac x64或者Windows x64。

切记：从官方入口进入下载，不从网盘或不明镜像获取安装包。

Windows 安装

1. 下载完成后双击安装文件。

1. 如系统弹出安全提示，先核对发布者与下载来源，再决定是否继续。

1. 按安装向导完成安装并启动 WorkBuddy。

1. 进入准备运行环境

macOS 安装

1. 打开安装文件，将 WorkBuddy 拖入“应用程序”；

1. 从“应用程序”启动；

登录

点击登录按钮

自动跳转网页登录

选择微信扫码登录，也可以手机号登录

完成后，即可使用WorkBuddy进行工作

PS：若公司电脑禁止安装软件，不要绕过终端安全策略，应联系 IT 管理员确认白名单或企业部署方式。

更新

点击左下角个人中心，选择“检查更新”，检查是否有新版本，若有新版本，可更新

常见问题

安装包打不开或提示损坏

先删除安装包并从官网重新下载，核对系统和芯片版本。仍失败时记录系统版本、安装包名和报错截图，通过官方反馈渠道处理，不要随意关闭系统安全功能。

登录后没有反应

检查默认浏览器是否拦截登录回跳、网络代理是否影响认证、系统时间是否准确。退出应用后重试，并保留日志与截图。

无法读取或写入文件

确认任务选择的工作目录是否正确、系统是否授予对应目录权限、文件是否被其他程序锁定。先用一个空白文本文件测试，不要直接拿重要文件反复试错。

更新前要不要备份

应用更新一般不应修改工作文件，但长期项目仍应把输入、产物、配置和自定义 Skill 纳入版本管理或定期备份。

第 3 章 WorkBuddy 的主界面、任务与工作区

WorkBuddy 主界面可以理解为三个区域：左侧（侧边栏）管理任务，中间（对话区）下达和追踪任务，右侧（结果区）查看文件、变更、预览和最终产物。

三个区域分别做什么

侧边栏的“任务”和“工作空间”的区别，在于你是否设置了“工作空间”目录。

“工作空间”是 WorkBuddy 为了管理任务而设置的目录，每个任务都有一个对应的目录空间，任务可以在目录空间内进行操作。

若未设置，会在默认安装的目录下执行任务，对话保存在“任务”目录下。

为什么要隔离工作目录

工作目录既是效率设置，也是安全边界。把发票、周报、客户材料混在同一个大目录里，会增加误读、误改和信息串用的风险。

推荐按任务建目录空间。

同时，可以对目录空间的权限进行设置，当开启“允许完全访问”（开启完全访问后智能体可读写授权目录外文件，请谨慎使用并优先按任务限定目录。）

三种工作模式

WorkBuddy 提供三种工作模式：

选择不同的模型

默认为自动模式，可以指定你想使用的模型，不同模型积分消耗不同。

第 4 章 快速完成第一个 WorkBuddy 任务

快速创建一个 WorkBuddy 任务

1. 点击“新建任务”；

1. 选择或创建独立工作目录；

PS：WorkBuddy 采用文件夹级授权与高危拦截，首次操作请先在演练目录进行、留意授权范围，处理真实业务数据前谨慎确认

1. 判断应该使用模式，默认为Craft，还可以设置成Ask或Plan；

1. 选择模型，可以指定你想使用的模型，不同模型积分消耗不同。

1. 输入任务说明，“帮我分析一下《电商销售数据.xlsx》数据，生成一份汇报 PPT。”

1. 如有必要，指定 Skill、专家、连接器或资料库，这里暂时忽略

1. 发送后观察计划、工具调用和文件变更；

1. 在结果区预览产物并验收。

文件可以本地打开、上传云端、或分享，注意分享前先确认产物不含敏感或涉密信息，按公司规范选择共享范围。

如何写一个任务说明

入门任务 A：整理文件

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。

入门任务 B：生成会议纪要

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。

入门任务 C：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。 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。

第 5 章 WorkBuddy加载一个真正用得上的 Skill

Skill 是什么

WorkBuddy 本身负责理解任务和组织执行；Skill 则是一组可复用的说明、脚本、参考资料和资源，告诉 Agent 某类任务应该怎样做、调用什么工具、交付什么格式。当我们遇到很多重复性的任务或流程时，就可以让 AI 把我们的对话，或者整个处理过程，封装成一个 Skill。

这样以后再处理相同的事情时，就可以直接调用对应的 Skill，复现之前的处理结果，让结果更加可控。这也是 Skill 的一大特点。

Anthropic 在 2025 年 10 月正式推出 Agent Skills，2025 年 12 月将其发布为开放标准。

一个最标准的 Skill，大概长这样：

my-skill/ ├── SKILL.md ├── scripts/ │ └── check.py ├── references/ │ └── guide.md └── assets/ └── template.pptx

其中只有 SKILL.md 是必须的。

--- name: tech-article-writing description: 用于撰写 AI 产品、模型评测和科技行业相关文章 --- 收到写作任务后： 1. 先确认文章核心角度 2. 查找一手资料 3. 对核心事实交叉验证 4. 根据用户写作风格完成初稿 5. 检查禁用句式和 AI 味表达

还可以带上：

references/style.md

Skill 是怎么工作的

Skill 最关键的设计，其实不是 SKILL.md，而是 Progressive Disclosure，渐进式披露。

假设你的 Agent 装了 100 个 Skill。

它不会一上来把 100 个 Skill 的完整内容全部塞进上下文。这样不仅浪费 Token，还会让模型被大量无关指令干扰。

标准做法分三层。

第一层，Agent 启动时只看所有 Skill 的名称和 description。

比如：

pptx 处理 PowerPoint 创建、编辑、读取任务 pdf 处理 PDF 提取、合并、编辑、填写任务 tech-article-writing 撰写 AI 和科技行业文章

第二层，当用户说：

帮我写一篇 WorkBuddy 的公众号文章

Agent 根据 description 判断 tech-article-writing 可能相关，这时才加载完整的 SKILL.md。

第三层，执行过程中发现需要模仿你的写作风格，才继续读取：

references/style.md

需要检查 AI 味，才执行：

scripts/check-ai-phrases.py

标准规范建议，所有 Skill 启动时只加载数十至上百Token的元数据，Skill 激活后再加载完整说明，其他资料和脚本继续按需读取。OpenAI Codex 也采用类似机制，先向模型暴露 Skill 的名称、描述和路径，再在模型决定使用时读取完整内容。

所以 Skill 解决了一个长期困扰 Agent 的问题：

怎么给 Agent 很多知识和工作方法，又不把所有东西永远塞在 Prompt 里。

Skill 跟 Prompt 到底有什么区别

这是最核心的问题。

最简单的理解是：

Prompt = 任务 Skill = 做法

Skill 有哪些作用

第一个作用，是给模型补充程序性知识。**大模型往往知道大量知识，但未必知道你的事情具体应该怎么做，比如它知道 SQL，但它不知道你公司的：

canonical user_id 在哪张表 subscriptions 表是 append-only 查询退款时必须排除某个状态 Grafana 对应 dashboard ID 是多少

这些知识非常适合做 Skill，Anthropic 在内部使用了数百个 Skill，最终发现主要集中在 API 和内部库使用、产品验证、数据分析、业务流程自动化、代码脚手架、代码审查、CI/CD、故障 Runbook 和基础设施运维九类场景。

第二个作用，是固定复杂工作流，比如做一次行业调研。

普通 Prompt 可能是：

详细调研一下 WorkBuddy

模型每一次都会重新思考：

去哪里找资料 先查什么 怎么验证 跟谁对比 输出什么结构

Skill 可以把流程固定下来：

1. 官方网站 2. 官方公众号和发布会 3. 产品文档 4. 实际产品测试 5. 同类产品对比 6. 核心观点提炼 7. 事实核验

这种能力称为 Encoded Preference Skill。模型本来能完成每一个单独步骤，但 Skill 把这些步骤按照团队或个人的工作方式组织起来。

另一类是 Capability Uplift Skill，给模型补充它原本做不好或不稳定的能力，例如复杂文档、PDF 和 PPT 处理。

第三个作用，是减少重复 Prompt。

你现在跟 AI 合作，其实有大量内容是在重复说，比如你经常告诉我：

不要写得太 AI 长短句结合 不要过度点列 要有自己的判断 技术内容要克制 不要编造例子

这些其实已经天然适合做成一个 writing-style Skill。

以后你的 Prompt 只需要：

写一篇 WorkBuddy 文章

写作习惯、资料标准、禁用表达、文章流程，都由 Skill 提供。

第四个作用，是把个人经验和组织经验资产化。

传统 Prompt 最大的问题是容易散落在：

聊天记录 飞书文档 Notion 个人脑子里

Skill 是文件，所以它可以：

Git 管理 版本回滚 团队共享 A/B 测试 自动评测 持续更新

这件事情很关键。

WorkBuddy里找到合适的Skill

打开左侧“专家·技能·连接器”，可以从技能市场搜索，也可以用“查找技能”描述需求。

也可以在SkillHub技能市场里找到合适的Skill

除了从推荐列表里直接安装，还可以导入自己下载的技能。

比如你在网上看到一个好用的技能包，下载下来是一个 zip 压缩文件，操作流程是这样的：点击"上传技能"，把 zip 文件加载即可

使用Skill解决一个任务

比如，你让AI写了一篇文章，需要去除AI味，你可以找到“文章去AI味工具 ”Skill，安装之后，使用时，直接 “/” 可以换出。

你只需要引用Skill内容，把文章给到即可，

WorkBuddy 会先加载skill的内容，

根据skill中的规则，来执行，比如要去除不是而是、双引号等内容，

修改之后，可以得到结果，确实去除了AI味。

Skill的关闭和卸载

从全部技能中，点击我安装的

按钮关闭（则关闭该Skill）

点击“···”，可以选择删除或编辑该Skill