三个月前我把 WorkBuddy 下载下来初衷特别朴素让周报少写二十分钟。三个月后的现在它已经是我日常内容产出、方案整理和数据初筛的第一站甚至敢把完整的客户方案初稿交给它跑一遍。这篇不是产品说明书是我自己从“能用”到“敢用”这段时间里踩过坑、试过错之后整理出的 30 个实战技巧。如果你刚开始用 WorkBuddy或者用了很久总感觉差点意思这篇应该能帮你把它从“玩具”变成“搭档”。我想先给一个整体判断WorkBuddy 这类工具的能力上限取决于你喂给它的信息质量和任务结构。它不是搜索引擎不是聊天玩具它更像一个上手极快、但需要你持续调教的协作伙伴。下面这 30 个技巧我按“搭底子、拆任务、做文档、搞协作”四个阶段来写每一招都是我实际跑过的。1. 先把“底子”搭对WorkBuddy 的全局设置和入口设计很多人拿到 WorkBuddy 第一件事就是丢一个任务进去然后等着看结果。我一开始也这样效果忽好忽坏。后来才发现问题不在工具在于我没把“环境”搭对。这个阶段有四件事值得认真做。1.1 全局设置只调三处剩下交给习惯技巧 01给 WorkBuddy 固定一个“默认模型”不要频繁切换。WorkBuddy 支持多个模型选项看起来是好事但实际用下来频繁切换是大坑。模型之间的表达习惯、表格能力、代码能力、对长上下文的态度都不一样。你今天用 A 模型跑方案明天切到 B 模型跑同类方案出来的是两种风格后面所有流程都要跟着重新适应。我的做法是日常 80% 的任务固定用一个默认模型只在遇到特定任务时才临时切到更擅长的模型。比如需要深度推理时换推理型模型需要写代码时换代码能力强的模型。至于“哪个模型火了就切哪个”我建议克制住让一个模型至少陪你跑完一周的完整工作流再判断要不要换。技巧 02在全局输出偏好里写清楚“语气、格式、默认结构”。刚用 WorkBuddy 时我每次都在对话里补一句“请用正式语气、输出 markdown 格式”后来发现这是浪费。WorkBuddy 的设置里有“输出偏好”或类似入口你可以直接写死默认正式语气、标题层级不超过三级、列表用短句、需要结论先行。之后每次生成都会自动遵守。这个操作的价值在于“减少重复指令”。你少说一句废话AI 就少一次理解偏差输出稳定性会明显提高。我用了一个月之后几乎不再在任务里重复类似“请详细一些”“请用表格”这样的话全部靠全局偏好兜底。技巧 03长记忆开关要分场景不要一刀切全开。WorkBuddy 的长期记忆确实好用它能记住你偏好的表达方式和历史任务习惯。但这里有个隐患记忆是被“污染”的。如果你在闲聊式对话里提到过随手写的、不准确的、甚至过期的信息AI 下次可能当真。我的经验是日常项目任务可以开启记忆但涉及敏感或仅供临时查看的信息我会在独立会话里处理不加入长期记忆范围或者手动关闭当前会话的记忆。记住一个原则记忆是用来降低重复沟通成本的不是用来让 AI 替你保存机密文件的。1.2 用“任务模板”统一入口而不是每次重新解释技巧 04把高频任务存成模板比如周报、会议纪要、方案初稿。我见过太多人每天花十分钟把同样的背景资料重新粘贴一遍。这完全没必要。WorkBuddy 支持把常用任务保存为模板你可以把固定动作固化下来比如“周报生成”“竞品分析”“需求梳理”。模板化之后的优势很直接第一流程一致你不容易漏掉关键字段第二质量稳定同样的输入结构会带来更接近的产出水平第三交接方便同事接手你的工作流时不用猜你的习惯。我自己的模板库里长期放着七八个模板都是三个月里逐步迭代出来的。技巧 05在模板里使用变量让同一套模板适配不同项目。进阶玩法是给模板加变量比如 {项目名}、{截止日期}、{目标用户}。每次新建任务时只需要把变量替换掉剩下的内容 WorkBuddy 会自动套用你写好的任务结构和输出要求。举个例子我做一个售前方案模板里面就写了这行提示词“请针对{客户名称}所在的{行业}围绕{核心需求}输出一份方案建议初稿包含现状分析、解决思路、实施计划和风险提示。”每次换客户我只是替换这三个变量整个方案的结构不会变形。用变量之后模板的复用率至少翻了一倍。下面是我目前常用的几个模板结构供参考模板名称常用变量适用场景示例周报模板{本周重点} {下周计划} {风险}每周总结输出 300 字周报结论先行会议纪要模板{议题} {结论} {待办}同步会议结果输出结论、待办、责任人清单方案初稿模板{客户名称} {行业} {核心需求}售前方案输出现状、思路、计划、风险问题排查模板{系统现象} {报错信息} {已做尝试}技术支持输出排查路径和下一步操作2. 任务拆解从一句话需求到可交付结果如果说全局设置决定了 WorkBuddy 的“状态”那任务拆解就决定了它的“上限”。我前一个月的最大问题就是把一个巨大、模糊的需求直接丢给它然后嫌它答得差。后来我学会了一件事给 AI 的任务必须像给新同事的任务一样清晰。2.1 指令五要素每个字都花在刀刃上技巧 06角色要素先告诉 WorkBuddy“你是谁”。同样一段方案如果你让它“以资深销售顾问的身份”来写和让它“以技术工程师的身份”来写产出的侧重点会明显不同。这不是玄学是模型在根据身份调整语气、用词和信息筛选偏好。我每次写正式任务的第一句都是“你是一名有 X 年经验的某某角色”。比如做数据分析时我会说“你是一名资深数据分析师”做内容校对时我会说“你是一名严谨的编辑”。角色给得越具体输出越容易贴近真实工作场景。技巧 07背景要素只喂“必要背景”不要堆砌原材料。最典型的错误是把几十页资料、聊天记录、历史方案一股脑扔进对话框然后说“基于这些内容帮我做个总结”。结果 WorkBuddy 经常被无关信息带跑。正确做法是先把背景压缩成几句话。比如“我们是一家做企业服务的公司目标客户是中小企业本次需求是帮客户梳理会议室预约系统的优化方案。当前系统存在的问题是预约冲突频发、管理员手动调整成本高。”这些信息足够支撑它理解任务。至于深层的细节等它问到再给或者放到知识库里按需引用。技巧 08目标要素说清楚“要什么”和“不要什么”。“帮我看看这份方案”这种指令AI 不知道你是想要夸、想挑错还是想改。一定要写明目标“请列出这份方案中的三个致命逻辑漏洞并按严重程度排序。不要给鼓励性评价不要提修改建议。”加上“不要什么”很多模糊空间就被堵住了。我尤其推荐在目标里写“不做什么”。因为模型有时候会过度发挥你让它找问题它顺手帮你把解决方案也写了你让它总结它给你扩写成文章。把边界说清楚产出的可预期性会明显增强。技巧 09边界要素用字数、风格、禁忌词锁住生成范围。“复盘报告写 800 字左右”“全文不使用‘总之’‘综上所述’”“段落之间要有空行每个段落不超过 5 行”。这些看起来是在约束 AI实际是在帮它聚焦。给的工作台越大它越容易发挥给的工作台越合适它越容易稳定。我常用的一组边界是字数范围、段落数量、是否需要表格、是否允许使用英文缩写、是否允许添加个人观点。这五个维度可以覆盖大部分内容类任务。技巧 10输出格式要素直接告诉它“按什么结构输出”。如果你希望后续流程可以直接复用输出那格式一定不能模糊。比如任务里写“用 Markdown 表格输出包含序号、问题描述、影响范围、建议优先级”和“帮我梳理一下风险”最终得到的是完全不同的东西。我的建议是凡是会进入下一步流程的任务都指定输出格式。它可以是“三段式结论”“带有完成状态的任务清单”“含字段说明的 CSV”。格式一旦确定WorkBuddy 的输出就能像半成品零件一样直接嵌入你的工作流而不是每次都要手动二次整理。2.2 复杂任务拆成“子代理流程”技巧 11把大任务拆成“调研、提纲、初稿、自检”四段而不是让 AI 一口气做完。最开始我喜欢写一个巨长提示词让 WorkBuddy 一次性输出完整方案。结果它经常在写到中间时丢失前面章节的设定或者出现前后矛盾。后来我改成“子代理流程”先做资料调研再生成内容大纲按大纲写初稿最后做一遍自检。每一段都是独立任务拥有独立上下文。把大任务切小之后它的单步输出质量、稳定性和可控性都会上升。你付出的代价只是多启动几次任务但收获的是更高完成度的结果。技巧 12给每个子任务定义“完成标准”。“调研一下竞品”和“列出 5 个竞品案例每个用 100 字概括产品定位、目标用户、核心功能并标注信息来源”后者才是给 AI 的合格任务。没有完成标准它就不知道什么时候算干完也不知道输出应该长什么样。我在子任务描述里通常会加“可验收条件”这部分比如“输出必须包含至少三条数据证据”“如果找不到可靠信息直接说明未找到不要编造”。这能避免它在信息不足时强行合理化。技巧 13在关键节点设置“人工检查点”不要一键跑到底。我是个急性子一开始喜欢设置全自动执行看着任务一个一个跑特别省心。后来翻车翻多了才明白长链路任务如果没有人工中途参与错误会像滚雪球一样往下传。第一步调研错了方向后面所有内容都是在错误地基上盖楼。现在的习惯是每完成一个子任务我都会花一分钟过一眼结果。尤其审查“方向是否偏了、数据是否异常、表述是否离谱”。确认没问题再进行下一步。这不是对 AI 不信任而是对复杂任务负责。2.3 上下文管理窗口是有限的别让它装垃圾技巧 14长对话要用“摘要接力”而不是无限追加。WorkBuddy 的上下文窗口是固定的。一旦对话历史过长早期信息会逐渐被“挤出去”AI 会开始忘记你一开始提的需求。它不会主动告诉你“我忘了”只会一本正经地继续往下编。我发现对话快到两三万字时就会主动喊停给它一道指令“请把到目前为止的关键结论、待办事项、分歧点整理成 500 字以内的摘要不要展开解释。”然后我新开一个会话把摘要当成新任务的背景粘贴进去。这个操作看起来麻烦实际是让整个任务续航变长的核心技巧。技巧 15参考资料外置不要把所有原文都塞进对话。把一篇两万字的合同全文直接粘贴到对话里会占用大量上下文空间还容易让 AI 抓不住重点。更合理的做法是把文件放到 WorkBuddy 的项目知识库或附件区在任务描述里只写“请参考《合同终版》文件重点检查第三章和第七章的违约责任条款”。这样每个任务只加载需要的片段剩余空间全部留给推理和生成。这个改动让我处理长文档的速度和准确度提升了一大截。特别提醒一句大文件上传后不要指望 AI 自动知道你要什么使用文件时仍然要写明提取范围和处理目标。3. 文档处理与知识沉淀从“生成一次”到“复用一百次”内容生成只是开始真正让我离不开 WorkBuddy 的是把零散材料沉淀成可复用资产的能力。这个阶段我开始建立自己的知识库也让产出的文档质量进入可交付状态。3.1 把零散资料变成“项目知识库”技巧 16所有上传文件统一命名按“日期_类型_主题”来。知识库能不能用好一半取决于文件命名是否规范。我吃过亏把几十个文件随意丢进项目空间结果 WorkBuddy 检索时经常把不同版本的文件搞混。后来我统一用“20250212_调研_友商产品对比”“20250213_会议_版本评审纪要”这样的格式。好处很明显我能一眼看出文件时间和用途AI 也能借助命名中的关键词更准确地找到目标。命名不是形式主义是知识库的地基。技巧 17建立一套简单的标签体系让检索指令可以“按标签走”。WorkBuddy 的知识库一般支持标签或文件夹。我用的标签维度只有四个项目名、客户名、任务类型、紧急程度。比如“项目A/客户B/调研/高优先级”。这么做是为了让任务描述变得非常短“请在标签 ‘项目A-调研’ 下找出最近三份竞品分析汇总它们对价格策略的结论。”标签太多反而管理不住四个维度足够覆盖我 90% 的工作。如果你刚开始建建议少设标签边用边加不要一开始就搭建一个复杂的分类体系。技巧 18定期做“知识压缩”把中间产物变成精简档案。三个月下来我的项目空间里堆了很多中间稿、旧版本、半成品。这些东西留着占检索空间删掉又怕以后要用。我的办法是月底做一次压缩把每类内容压缩成“结论、依据、下一步”三条然后删除原对话和中间稿。这个操作有点像给知识库“瘦身”。瘦身之后我再让 WorkBuddy 检索资料时命中的基本都是干净结论而不是一堆过期的推理过程。效果非常明显。技巧 19让 WorkBuddy 反过来帮你维护知识库。很多人只是单向地给 AI 喂材料却忘了让 AI 帮你整理材料。我会定期丢给它一道任务“检查当前项目空间里的文档列出标题和标签不一致的文件并给出修改建议。”它很快就能扫描完一批文件帮我找出命名混乱、标签缺失的地方。让 AI 参与知识库维护本质上是把“分类整理”这个低频但耗时的活外包出去。一开始你可能觉得没必要但文件数超过三十个之后这招会变得非常值。3.2 长文档生成用“多段交付”替代“一键生成”技巧 20写长文档之前先让它产出大纲并确认。我写一篇万字方案时如果直接让 WorkBuddy“写一篇完整报告”翻车概率非常高。它很容易在结构上失衡比如前两章特别详细后面几章草草收尾。所以我现在养成了习惯任何超过 2000 字的内容第一步都是让它先输出大纲包含章节标题、各章要点、预估字数。大纲出来后我会亲自看一下结构是否合理需要调整就说出来比如“第二章删掉合并到第三章”。确认后再让它按大纲展开。这个前置动作看着多花了几分钟实际帮你省掉的是后面大改的痛苦。技巧 21长文档按章节分段生成而不是一次写完。确认大纲后我建议一章节一个任务地生成尤其当文档超过 3000 字时。每一章的任务描述里粘贴上一章的结尾或结论这样可以保持连贯性又不会让整个文档占用过大的上下文。分段生成还有个额外好处如果某章写得不好你只需要重新跑那一章不用让整份文档重来一遍。对我这种经常要反复修改的人来说这个操作性优势太大了。技巧 22建立术语表和禁用语表写进全局偏好或任务描述。长文档最容易出现的问题之一是“用词漂移”。前文叫“用户”后文变成“客户”前文叫“启动流程”后文变成“开启流程”。要解决这个问题我会在任务描述里放一小块“术语表”“用户使用产品的人客户付费购买的企业请全文统一使用‘用户’。”同时加一条禁用语表“正文中不要出现‘毋庸置疑’‘众所周知’‘综上所述’这类空话。”这么做之后文档的一致性会有一个肉眼可见的提升。术语表其实就是在给 AI 立规矩规矩越清晰它越像一个受过训练的写手。技巧 23不满意的时候用“重写”指令不要用“改一下”这种模糊指令。“这一段改一下”是我见过最无效的指令。WorkBuddy 收到之后会猜你想改成什么猜来猜去大概率跑偏。正确说法是“第三段逻辑跳跃请用‘现状-问题-方案’结构重写保留原有数据删除观点性描述控制在 200 字以内。”这个技巧的核心是“提供重写方向”。你给的方向越具体重写结果越接近你想要的。比起反复叠加修改意见让 AI 前后矛盾重写通常会得到更干净的段落。3.3 表格与数据初筛让产出可复用技巧 24处理数据时用表格输入再用表格输出禁止用自然语言糊过去。有一次我丢给 WorkBuddy 一段销售流水摘要让它“分析一下”它给我回了一整段文字我看完还得自己提取数据。后来我改成把原始数据整理成 Markdown 表格或 CSV 格式再上传并要求它输出表格明确指定行和列。比如任务这么写“按产品线分组输出每个产品线的月度销售额、环比变化和异常波动提示表格列依次为产品线、月份、销售额、环比、说明。”这样输出可以直接复制到报表里省掉二次整理。技巧 25让它“先解释算法再给结果”避免黑箱数字。AI 处理数据时最危险的是直接给出一堆数字但你看不出计算口径。如果口径错了所有结果都没意义。我会在数据任务里加一条硬性要求“先列出你使用的统计口径和计算规则再给出计算结果。”比如计算“客户续费率”是分母算新增客户还是存量客户是按合同金额还是客户数量口径不同数字天差地别。让 WorkBuddy 先把口径写出来你一眼就能发现问题。这条技巧让我的数据初筛可信度高了很多。4. 协作、复盘与稳定性敢把活儿交给它的最后一步工具用得顺不顺前三个阶段解决的是“能不能用”。真正让我敢把活儿交给它靠的是建立了稳定的协作和复盘机制。这一阶段我踩的坑最多收获也最大。4.1 多人协同时的权限与审查流技巧 26在 WorkBuddy 项目空间里区分“只读、可编辑、审核”三种角色。如果你和同事共用一个项目空间一定要解决“谁能改、谁能看、谁能审”的问题。不然你辛苦调教好的任务模板可能被同事改得面目全非或者某个实习生误编辑了一份重要初稿你半天之后才发现。我负责的项目空间信息提供者只读我本人有编辑权关键任务的最终输出需要审核后才能归档。这个机制看起来约束了协作速度实际上保护了产出质量。尤其在多人群组同时使用同一个知识库时权限混乱会直接导致内容污染。技巧 27用“批注式建议”让 AI 参与审稿而不是直接让它改稿。团队协作时最怕的是 AI 直接改完稿子结果没人知道改了哪里。我现在的做法是让 WorkBuddy 输出“原句、问题、修改建议”三列清单我或同事审阅后再统一落地修改。这个流程既保留了人工终审权又能利用 AI 快速发现逻辑和表达问题。做客户文件时尤其推荐因为你要能说清楚每个改动的理由而不是“AI 改的我也没细看”。4.2 复盘与稳定性效果波动不是玄学技巧 28遇到特别满意的输出立刻存成模板并标注“可用性高”。很多人的习惯是这次 AI 回答得好开心一下然后关掉下次再碰运气。我不会这样。只要某个输出质量远超平均水准我马上把这个任务和提示词存进模板库如果时间允许还会在备注里写一句“为什么好用”。三个月下来我的模板库里积累了二十多个“高分模板”。它们存在的意义不是替代后续思考而是让我在时间紧的时候有一个可靠起点。记住持续稳定地拿到 80 分比偶尔拿到 100 分、经常拿到 50 分更有价值。技巧 29建一个“输出质量记录”记录翻车案例和修复方案。翻车不可怕可怕的是同样的问题反复翻车。我会在一份表格里记录每次明显的失败任务是什么、我用了什么提示词、输出错在哪、后来怎么修好的。一个月后回头看你会发现自己对同类任务的判断越来越准。比如我记录过一个规律让 WorkBuddy 做“行业分析”时如果我不限定地区和时间范围它很容易编造宏观数据。后来我在所有行业分析任务里都强制加上“基于中国大陆市场只使用 2024 年以后公开可得的信息数据不确定时标注存疑”。这条记录直接让这类任务的质量上升了一个台阶。技巧 30最后一条也是最关键的一条永远保留人工终审权。用 WorkBuddy 三个月我已经敢把方案初稿、会议纪要、代码初版都交给它但我从来没有让任何一份文件不经我检查就直接发出去。凡是涉及对外交付、金额计算、法律承诺、用户沟通的内容我都会亲自过一遍。这不是对工具的不信任而是对结果负责。把重复劳动交给 AI把决策权留在自己手里这才是“敢把活儿交给它”的真正含义。如果有人让我只留一条建议我会留这条AI 是放大器它能放大你的效率也能放大你的疏忽。整理这 30 条心得时我重新翻了一遍过去三个月的会话记录有一个特别明显的感受真正让我从“能用”走到“敢用”的不是某个神奇功能而是输入质量的稳定提升。一开始我也指望一句模糊需求就得到完美答案后来才想明白给它的信息越结构化它越像老手让它背着又长又乱的上下文它连及格都勉强。WorkBuddy 这个工具的功能边界一直在变我三个月前总结的经验可能再过半年就过时了。但那些底层的思路比如固定模型、拆解任务、管理上下文、维护知识库、保留终审权应该能陪你走很久。如果你现在刚开始用别急着追求“一句话生成一切”先把第一个模板建好把第一份资料整理好你会发现“敢把活儿交给它”这件事其实没有想象中那么远。