1. 为什么我要认真聊聊 WorkBuddy 这个 AI 工作台第一次接触 WorkBuddy 是在一个做企业数字化的朋友推荐下。他当时说了一句话让我印象很深“这东西不是又一个聊天框它更像一个能帮你干活的同事。”我一开始是持怀疑态度的毕竟市面上挂着“AI 工作台”名头的产品太多了大多数用下来无非是套壳对话加几个预设提示词。但真正把 WorkBuddy 装到本地、跑通第一个 Skill、看着它自动完成一份周报整理和数据分析之后我改变了看法。WorkBuddy 是腾讯推出的一款 AI 工作台产品核心定位是让 AI Agent 真正落地到日常办公和开发场景中。它和普通的对话式 AI 最大的区别在于它有一套完整的 Skill 机制、有 models.json 这样的模型配置体系、有工作台级别的任务编排能力。你可以把它理解成一个“AI 中台”的轻量版——既能当聊天助手用也能通过 Skill 插件让它执行具体任务比如生成网站、处理表格、做数学建模、甚至写代码。这篇文章适合几类人看一是刚听说 WorkBuddy 但不知道从哪下手的新手二是已经装了但卡在配置环节、搞不清 models.json 和 Skill 关系的人三是想拿它做 AI Agent 练手项目、或者想对比它和 CodeBuddy 区别的开发者。我会从安装讲起把配置逻辑、Skill 机制、实操流程、常见坑全部拆开说清楚尽量让你看完就能自己跑起来。2. WorkBuddy 的核心设计逻辑与选型思考2.1 它到底解决什么问题传统 AI 工具的使用路径是你打开一个对话框输入问题拿到回答然后自己复制粘贴到需要的地方。这个过程中AI 只参与了“生成”环节剩下的“执行”全靠人。WorkBuddy 想做的事情是把“执行”也接过来。它的工作台模式允许你定义任务、挂载 Skill、配置模型然后让 Agent 按流程自动跑完。举个例子你要做一份竞品分析。传统方式是你问 AI 要框架然后自己去搜资料、填内容、排版。WorkBuddy 的方式是你创建一个任务挂载“网页抓取 Skill”和“文档生成 Skill”配置好模型Agent 就会自己去抓信息、整理、输出成文档。这个差异是本质性的。2.2 为什么是 Skill 机制而不是单纯提示词提示词工程有个天然缺陷它依赖模型的上下文理解能力任务越复杂、步骤越多提示词就越长、越容易失控。Skill 机制相当于把复杂任务拆成可复用的模块每个 Skill 负责一个具体能力比如“读取 Excel”“调用 API”“生成网页”。这样做的好处是任务可编排、能力可积累、结果可预期。我实测下来一个配置得当的 Skill 组合完成同样任务的稳定性比纯提示词高出不少。因为 Skill 内部可以写死逻辑、做参数校验、处理异常而提示词只能靠模型“自觉”。2.3 models.json 的角色models.json 是 WorkBuddy 的模型配置文件。你可以把它理解成工作台的“大脑注册表”——里面定义了当前可用的模型、每个模型的接入方式、参数默认值等。很多人安装后卡住就是因为没搞明白这个文件的作用以为装完就能直接用。它的存在意义在于WorkBuddy 不绑定单一模型你可以同时配置多个模型在不同任务里切换使用。比如简单问答用轻量模型复杂推理用重量级模型代码生成用专门优化的模型。这种灵活性是它作为“工作台”而非“聊天工具”的关键。2.4 和 CodeBuddy 的区别这是被问得最多的问题之一。简单说CodeBuddy 更偏向代码场景定位是开发者的编程助手WorkBuddy 的覆盖面更广办公、数据分析、内容生成、轻量开发都能做。CodeBuddy 的 Skill 更聚焦代码相关能力WorkBuddy 的 Skill 生态更杂、更通用。如果你主要写代码CodeBuddy 更顺手如果你需要处理多种类型的任务WorkBuddy 更合适。两者在底层模型接入上有相似之处但工作台的编排逻辑不同。3. 安装与初始配置的完整实操3.1 安装前的环境准备WorkBuddy 目前支持 Windows、macOS 和 Linux。我分别在 Windows 11 和 Ubuntu 22.04 上装过整体流程差不多。安装前建议确认几件事系统版本不要太老、磁盘留出至少 2GB 空间、网络能正常访问模型服务。有一个容易被忽略的点WorkBuddy 的系统缓存目录默认在 C 盘用户目录下。如果你 C 盘空间紧张建议在安装前就规划好装完后把缓存目录改到 D 盘或其他数据盘。这个后面会详细说怎么改。3.2 安装步骤拆解安装本身不复杂但有几个细节决定了你后面用起来顺不顺。从官方渠道获取安装包注意区分国际版和国内版。两者在模型接入和部分 Skill 可用性上有差异根据你的实际使用场景选择。运行安装程序选择安装路径。建议不要装在系统盘避免后续缓存和日志把 C 盘撑满。安装完成后首次启动会引导你进行初始配置。这一步不要跳过否则后面手动补配置更麻烦。登录账号并完成基础设置包括工作目录、默认模型等。注意安装过程中如果杀毒软件弹窗拦截选择允许。WorkBuddy 需要读写本地文件、调用网络接口这些是正常行为。3.3 models.json 配置详解这是整个配置环节的核心。models.json 通常位于 WorkBuddy 的配置目录下你可以通过设置界面找到它的路径也可以直接在工作台里编辑。一个典型的 models.json 结构包含这几个关键字段{ models: [ { name: default-chat, provider: xxx, apiKey: your-key, baseUrl: https://api.example.com, maxTokens: 4096, temperature: 0.7 } ] }几个参数的选择逻辑maxTokens控制单次生成的最大长度。设太小会导致长内容被截断设太大浪费资源。一般对话场景 2048-4096 够用长文生成可以到 8192。temperature控制输出的随机性。做创意类任务可以调到 0.8-1.0做数据整理、代码生成建议 0.2-0.5保证稳定。baseUrl如果你用的是兼容接口的模型服务这里填对应的地址。填错会导致连接失败。我踩过的坑是一开始只配了一个模型后来想切换发现要改文件重启。其实可以一次性配多个模型在工作台里直接切换省事很多。3.4 缓存目录迁移到 D 盘C 盘空间不够是很多人的痛点。WorkBuddy 的缓存主要包括模型响应缓存、Skill 运行日志、临时文件等用久了能占几个 GB。迁移方法先关闭 WorkBuddy找到配置文件里的缓存路径设置项把默认路径改成 D 盘的目标目录然后把原有缓存文件手动复制过去再重启。注意目标目录要有读写权限路径中尽量不要有中文和空格避免某些 Skill 读取时出问题。4. Skill 机制深度解析与实战用法4.1 Skill 是什么怎么理解Skill 可以理解成 WorkBuddy 的“插件”或“能力模块”。每个 Skill 封装了一类具体操作比如读写文件、调用接口、生成网页、处理数据。Agent 在执行任务时会根据任务描述自动调用相关 Skill。这和手机装 App 的逻辑很像WorkBuddy 是操作系统Skill 是 Appmodels.json 是系统设置里的账号和网络配置。你装了什么 SkillAgent 就能干什么活。4.2 Skill 的获取与安装Skill 的来源主要有几种官方内置的、社区分享的、自己编写的。官方内置的 Skill 覆盖了常见办公场景装完就能用。社区 Skill 需要你手动导入通常是一个配置文件或脚本包。安装 Skill 的步骤在工作台找到 Skill 管理入口。选择导入或添加指向 Skill 文件。检查 Skill 的依赖项是否满足比如某些 Skill 需要额外的运行环境。启用 Skill 并做一次测试调用确认能正常工作。提示不要一次性装太多 Skill。Skill 之间有可能会冲突尤其是功能重叠的。建议按需安装用不到的先禁用。4.3 给 WorkBuddy 定规则让后续任务都生效这是很多人不知道的实用功能。你可以在工作台里定义全局规则比如“所有输出都用中文”“生成代码时加注释”“处理数据时先备份原文件”。这些规则一旦设定后续所有任务都会自动遵守不用每次重复交代。设定方法是在设置里找到规则或偏好配置用自然语言描述你的要求。规则写得越具体执行越稳定。比如“生成网站时使用响应式布局”就比“做好看一点”有效得多。4.4 几个高价值 Skill 场景实测场景一自动生成网站并发布。挂载网页生成 Skill 后你描述需求Agent 会生成 HTML/CSS/JS 文件并可以配置发布到指定目录或服务。我实测生成一个产品落地页大约需要 2-3 分钟改版调整也很快。场景二数学建模。挂载计算和绘图 Skill 后可以处理数据拟合、方程求解、图表生成。对于做数据分析的人来说省去了在多个工具间切换的麻烦。场景三文档处理。读取 Excel、生成报告、批量重命名文件这些重复性工作交给 Skill 组合后基本可以一键完成。场景四代码辅助。虽然不是 CodeBuddy 的主场但 WorkBuddy 挂载代码相关 Skill 后也能完成脚本编写、简单调试等任务。4.5 Skill 开发入门如果你想自己写 Skill核心是理解它的输入输出规范。一个 Skill 本质上是一个函数接收参数执行操作返回结果。WorkBuddy 提供了 Skill 开发指南和模板照着改就能上手。开发时注意几点参数要做校验异常要捕获并返回明确错误信息不要假设运行环境。我写第一个 Skill 时没做异常处理结果一个空输入就把整个任务卡死了排查了半天。5. 从零搭建一个 AI Agent 任务的完整流程5.1 任务定义与拆解假设我要做一个“每日行业资讯汇总”的 Agent。第一步是拆解任务抓取资讯源、筛选相关内容、摘要生成、排版输出。每一步对应一个或多个 Skill。任务拆解的原则是每个子任务尽量独立、可验证。如果一个子任务需要多个 Skill 协作考虑是否还能再拆。5.2 配置模型与参数这个任务里摘要生成需要语言模型抓取和排版用 Skill 完成。模型选择上摘要用中等能力的模型就够temperature 设 0.3 左右保证信息准确。如果资讯源是英文的还要考虑模型的翻译能力。5.3 编排与调试在工作台里把 Skill 按顺序连接设置好数据传递方式。然后跑一次测试看每一步的输出是否符合预期。常见问题是数据格式不匹配比如上一步输出的是 JSON下一步期望的是纯文本。这时候需要在中间加一个转换步骤。调试技巧把每个步骤的中间结果打印出来看不要只看最终输出。问题往往出在中间环节。5.4 定时与自动化任务跑通后可以设置定时触发比如每天早上 8 点自动执行。这样你到工位时资讯汇总已经躺在工作台里了。定时任务的稳定性取决于运行环境建议先手动跑几天确认没问题再开定时。6. 常见问题与避坑经验实录6.1 安装与配置类问题问题现象可能原因解决方法启动后无法连接模型models.json 配置错误检查 apiKey、baseUrl 是否正确缓存占满 C 盘默认缓存路径在系统盘迁移缓存目录到其他盘Skill 导入失败依赖缺失或格式不对检查 Skill 说明补齐依赖国际版和国内版功能差异版本选择问题根据使用场景选择对应版本6.2 运行类问题Agent 执行到一半卡住。最常见的原因是某个 Skill 等待外部响应超时。排查方法是看日志找到卡住的那一步检查它的输入和网络状态。输出结果不符合预期。先检查规则设置是否生效再看模型参数是否合适。有时候是 temperature 太高导致输出发散调低就好。Skill 之间冲突。两个 Skill 都想操作同一个文件时会出问题。解决方法是明确执行顺序或者给它们分配不同的工作目录。6.3 我的独家避坑心得第一先跑通最小闭环再扩展。不要一上来就配一堆 Skill 做复杂任务先用一个 Skill 跑通一个简单任务确认环境没问题再往上加。第二规则要写具体。模糊的规则等于没有规则。把你能想到的约束都写进去后面省心很多。第三定期清理缓存和日志。尤其是做大量任务测试的时候缓存增长很快定期清理能避免一些莫名其妙的错误。第四备份配置文件。models.json 和 Skill 配置改之前先备份改坏了能快速回滚。我就因为手改配置没备份重装了一次。第五不要迷信自动化。Agent 适合处理重复性、规则明确的任务。需要判断力和创意的环节还是人工介入更靠谱。7. 关于 WorkBuddy 后续扩展的一些想法WorkBuddy 的 Skill 生态还在成长中目前官方和社区的 Skill 数量已经能覆盖不少场景但离“万能”还有距离。我个人的用法是把它当成一个可编程的办公助手重复性的、有固定流程的活交给它需要灵活判断的活自己来。如果你刚开始用建议从“文档处理”和“信息汇总”这两个场景入手门槛低、见效快。等熟悉了 Skill 机制和模型配置再尝试搭建更复杂的 Agent 任务。至于 Skill 开发等你用熟了别人的 Skill自然就知道自己需要什么样的了。最后分享一个小技巧WorkBuddy 的工作台支持保存任务模板。你把调试好的任务存成模板下次类似需求直接套用改几个参数就能跑。这个功能帮我省了大量重复配置的时间强烈建议用起来。