【实战指南】WorkBuddy 深度体验:腾讯程序员实测 3 种核心模式与 Skill 技能包,5 分钟上手 AI 办公

【实战指南】WorkBuddy 深度体验:腾讯程序员实测 3 种核心模式与 Skill 技能包,5 分钟上手 AI 办公
摘要:WorkBuddy 是腾讯推出的全场景 AI 智能体桌面工作台,不同于传统 AI 对话工具,它能直接操控本地文件完成任务。本文从一线程序员视角,深度解析 Craft/Plan/Ask 三种工作模式的使用策略、Skill 技能包系统的扩展能力、Automation 自动化与远程操控实战,以及多模型切换与 MCP 协议的进阶玩法,附带效率提升实测数据和新手避坑指南。

目录


前言

用了两周 WorkBuddy,我最大的感受是:它不是一个更会聊天的 AI,而是一个真正能帮你干活的 AI 同事。 这个区别比听起来大得多。

市面上的 AI 办公工具多如牛毛,但大多数停留在"对话式助手"阶段——你问它一个问题,它给你一段文字,然后你还是得自己复制粘贴、打开 Excel、创建文件夹……真正的执行环节,AI 缺席了。

腾讯在 2026 年 3 月推出的 WorkBuddy,试图填补的就是这个空白。它不是 ChatGPT 的套壳版,而是一个拥有本地文件操作权限的 AI 智能体——你给它一句话需求,它直接帮你在电脑上把事情做了。

这篇文章不是产品评测,是一个程序员用了两周后的实战总结。我会告诉你哪些功能值得用、哪些坑需要避开、以及如何 5 分钟上手。


一、WorkBuddy 是什么?—— 从 “AI 对话” 到 “AI 干活”

1.1 核心定位

一句话概括:WorkBuddy = AI 大脑 + 本地执行引擎

你可以把它理解为一个坐在你电脑旁边的智能同事。你说"帮我把桌面上的文件按类型整理",它不会给你一段教程让你自己弄——它直接帮你分好了。

1.2 和传统 AI 工具的本质区别

对比维度传统 AI 对话工具WorkBuddy
交互模式纯文字问答理解需求 → 拆解任务 → 执行操作
文件处理只能生成文本,用户自己粘贴直接在授权目录中读写文件
任务复杂度单步骤简单问答多步骤复杂工作流
输出形式文字回复可验收的成品(文档/表格/PPT/代码)
安全机制无本地权限目录授权 + 多模式权限控制
💡 核心区别:传统 AI 只能「说」,WorkBuddy 能「做」。它在你授权的文件夹里直接操作文件,而不是给你一段文字让你自己复制粘贴。

二、三种工作模式:选对模式是关键 🎯

WorkBuddy 最核心的设计是三种工作模式。选对模式,效率翻倍;选错模式,可能误操作。 新建任务时就要选好。

2.1 Craft 模式 —— 直接干活的「执行家」

AI 拥有最高操作权限,一句话下指令就立刻动手执行。

适用场景:目标明确、风险较低的任务。

# 示例:一句话指令"帮我把 ~/Downloads 里的文件按扩展名分类到不同文件夹""把这份 Markdown 转成公众号 HTML 格式""读取 data.csv,生成柱状图并保存为 PNG"

实测体验:文件整理类任务效率提升超 90%(原来几个小时的手动分类 → 15 分钟自动完成)。

2.2 Plan 模式 —— 先规划的「项目经理」

AI 先列出执行计划,你确认没问题后才逐步执行。

适用场景:复杂任务、涉及多文件操作、有一定风险的操作。

# 示例:复杂任务指令"分析上周的销售数据,找出 Top 10 产品,生成周报 PPT"# AI 会先输出计划:# Step 1: 读取 sales_data.xlsx# Step 2: 按产品维度聚合,计算销售额排名# Step 3: 生成数据可视化图表# Step 4: 创建 PPT 模板,填入数据和图表# Step 5: 保存为 weekly_report.pptx# → 你确认后才开始执行
⚠️ 重要建议:涉及重要文件操作时,务必先用 Plan 模式确认。我有一次用 Craft 模式让它整理文件,它的分类逻辑和我预期不同,虽然没丢文件,但多花了时间重新调整。

2.3 Ask 模式 —— 只聊不碰的「顾问」

纯咨询问答,不操作任何文件。适合不确定的时候先问问。

# 示例"这段 Go 代码有什么性能问题?""Kubernetes 的 HPA 和 VPA 分别什么场景用?""帮我 review 一下这个 SQL,有没有注入风险?"

2.4 三种模式实战搭配策略

场景推荐模式原因
文件整理/批量重命名Craft目标明确,直接执行最高效
数据分析出报告Plan → Craft先确认分析维度,再执行
代码审查/技术咨询Ask只需建议,不需修改文件
生成公众号文章Craft输出结果可直接预览验收
重构大型项目Plan必须先确认改动范围
不确定能不能做Ask → Plan → Craft逐步确认,降低风险
💡 老码农经验:我的使用习惯是——日常小任务用 Craft(文件整理、内容生成),大工程用 Plan(涉及多文件操作先看计划),不确定的先 Ask(问清楚再决定要不要让它动手)。三种模式搭配使用效果最好——先 Plan 确认方案,再 Craft 执行。

三、Skill 技能包系统:给 AI 装外挂 🔌

3.1 Skill 是什么?

Skills 本质上是功能模块包,每个 Skill 都是一套针对特定场景的知识 + 能力 + 工作流的集合。相当于给通用 AI 装上了领域外挂。

3.2 内置 Skill 分类

WorkBuddy 开箱自带 30+ 预设 Skills,覆盖主流办公场景:

类别典型 Skill能力说明
✍️ 内容创作ai-content-creator一个主题 → 公众号文章 + 小红书帖子 + ZEEKLOG 博客 + 配图
📊 数据分析xlsxExcel 数据清洗、图表生成、报告输出
📁 文件处理pdf / docx / pptxPDF 解析、Word 编辑、PPT 制作
🔧 开发运维playwright-cli浏览器自动化、截图、表单填写
🌐 浏览器自动化Browser Automation网页交互、Web 内容提取

3.3 三种扩展方式

如果预设 Skill 不够用,有三种扩展途径:

# 1. SkillHub 市场 —— 官方技能商店,一键安装# 在左侧栏点击"技能"→ 浏览市场 → 点击安装# 2. 社区生态 —— 兼容 OpenClaw 技能生态# 社区开发的数百个技能包直接可用,无需额外适配# 3. 自定义创建 —— 把工作流封装成 Skill# 创建 SKILL.md 文件,定义角色、流程、参考资源# 放到 ~/.workbuddy/skills/ 目录即可使用

3.4 自定义 Skill 示例

以我自己创建的 ai-content-creator Skill 为例:

# SKILL.md 核心结构 ## 角色定义 以专业自媒体内容策划师的身份运作 ## 执行流程 1. 搜索相关内容(web_search) 2. 确定输出目录 3. 生成小红书内容(文案 + 卡片图) 4. 生成公众号文章(HTML + 封面图) 5. 生成 ZEEKLOG 博客(Markdown + 封面图) 6. 输出检查清单 ## 参考资源 - references/html_template.md - references/ZEEKLOG_template.md 

这套 Skill 能让我用一句话指令,同时生成三个平台的内容。实测单次完整执行大约 5-10 分钟,手动做同样的事至少要 2-3 小时。

3.5 安全注意事项

⚠️ 安装第三方 Skill 前一定检查安全等级:LOW/MEDIUM:可以安装HIGH:需谨慎审查EXTREME:建议不装

重点关注是否有:网络访问异常、索要 API 密钥、访问 ~/.ssh 等敏感目录的行为。

四、自动化 + 远程操控:让 AI 帮你自动打工 ⏰

4.1 Automation 定时任务

WorkBuddy 的 Automation 功能让 AI 变成了你的「定时打工人」:

# 自动化典型配置示例自动化任务: 每日行业新闻日报 频率: FREQ=DAILY;BYHOUR=9;BYMINUTE=0 # 每天早上 9 点工作目录: ~/WorkBuddy/daily-news/ 任务描述: 搜索 AI 行业最新动态,生成日报 Markdown 文件 

实测场景

自动化场景频率节省时间
AI 行业新闻日报每天 9:00~30 分钟/天
数据分析周报每周一 10:00~2 小时/周
文件夹自动归档每天 18:00~15 分钟/天
热点内容追踪每 2 小时持续监控

4.2 远程操控

通过企微、QQ、飞书、钉钉等 IM 连接电脑后,手机发条消息就能让办公室电脑干活

# 远程操控配置流程(1 分钟搞定)1. WorkBuddy 设置 → 连接 → 选择 IM 平台 2. 扫码绑定 3. 在 IM 中给 WorkBuddy 发消息 = 在电脑上下指令 
💡 亲测在地铁上发了条消息让它准备会议材料,到公司打开电脑就看到做好的 PPT 了。通勤时间 → 生产力时间。

4.3 效率提升实测数据

任务类型传统方式WorkBuddy效率提升
文件整理(100+文件)2-3 小时15 分钟90%+
周报生成30 分钟5 分钟83%
数据清洗 + 图表1 小时15 分钟75%
多平台内容生成2-3 小时10 分钟90%+

五、多模型切换与 MCP 协议:进阶玩法 🔀

5.1 内置模型矩阵

WorkBuddy 内置了多个主流大模型,不用自己配 Token,一键切换

模型擅长领域推荐场景
混元(腾讯自研)中文理解、内容创作写文案、写文章
DeepSeek代码生成、逻辑推理编程、代码审查
GLM数据分析、结构化输出数据处理、报告生成
Kimi长文本处理长文档分析
MiniMax多模态图文理解
💡 选模型经验:写代码用 DeepSeek,写文案用混元,数据分析用 GLM,各取所长效果最好。

5.2 MCP 协议扩展

MCP(Model Context Protocol) 让 WorkBuddy 可以连接各种外部工具和服务:

// ~/.workbuddy/mcp.json 配置示例{"mcpServers":{"playwright":{"command":"npx","args":["@playwright/mcp@latest"]},"github":{"command":"npx","args":["@github/mcp-server"]}}}

MCP 典型扩展场景

  • Playwright:浏览器自动化、网页截图、表单填写
  • GitHub:代码仓库管理、Issue 跟踪、PR 审查
  • 数据库:直接查询 MySQL/PostgreSQL,数据分析
  • 文件系统:扩展文件操作能力

六、5 分钟新手上手指南 🚀

Step 1: 下载安装

# 访问官网下载 https://codebuddy.cn/work/ # Windows 和 Mac 都支持,下载即用

Step 2: 登录 & 领取额度

  • 新用户注册即送 5000 Credits 体验额度
  • 够用好一阵子了,先充分体验

Step 3: 授权工作目录

首次使用需要授权工作文件夹,AI 只能在授权范围内操作,安全可控。

Step 4: 选模式下任务

# 建议新手第一个任务用 Ask 模式"介绍一下你能做什么?"# 第二个任务用 Plan 模式"帮我分析一下这份 Excel 数据,列出执行计划"# 熟悉后用 Craft 模式"把这些文件按日期整理到对应文件夹"

Step 5: 查收结果

右侧结果区查看生成的文件,支持预览和下载。

避坑清单

  • 重要文件操作 → 先用 Plan 模式确认
  • 第三方 Skill → 安装前检查安全等级
  • 远程操控 → 建议第一时间配好(企微/QQ/飞书)
  • 模型选择 → 不同任务切换不同模型
  • 授权目录 → 不要授权根目录或系统目录
  • 定时任务 → 设好 Automation,让 AI 替你值班

七、总结与综合评价

7.1 核心结论

用了两周的真实感受:WorkBuddy 是目前我用过的最接近「AI 同事」概念的产品。它不是让你更好地跟 AI 聊天,而是让 AI 直接帮你干活。

三个最值得用的功能:

  1. 三种模式的智能切换——既有 Craft 的高效执行力,又有 Plan 的安全兜底
  2. Skill 技能包系统——让 AI 的能力可以无限扩展,自定义工作流复用价值极高
  3. 远程操控——通勤时间变成生产力时间

7.2 综合评分

维度评分说明
易用性⭐⭐⭐⭐⭐自然语言交互,零学习成本
功能深度⭐⭐⭐⭐⭐三种模式 + Skill + Automation + MCP
执行能力⭐⭐⭐⭐复杂任务偶尔需要多轮调教
安全机制⭐⭐⭐⭐⭐目录授权 + 模式分级 + Skill 安全审查
生态扩展⭐⭐⭐⭐兼容 OpenClaw,社区生态持续壮大
性价比⭐⭐⭐⭐⭐免费 5000 Credits,足够深度体验

7.3 适合谁用?

人群核心价值
程序员代码审查、文件批处理、文档生成
自媒体人多平台内容一键生成
数据分析师Excel 清洗 + 可视化 + 报告一条龙
项目经理周报日报自动化、会议材料准备
运营人员数据监控、竞品分析、内容排期

八、参考资料


📢 你最想让 AI 帮你自动化哪项工作?Craft / Plan / Ask 你最常用哪个模式? 欢迎评论区聊聊,分享你的使用经验!

如果本文有帮助,欢迎 点赞 👍 收藏 ⭐ 关注,持续输出 AI 工具实战干货!

更多 AI 实战干货,关注公众号「一粒黑子」,扫码关注不迷路 👇

Read more

GitHub Copilot提示词终极攻略:从“能用”到“精通”的AI编程艺术

摘要:GitHub Copilot作为当前最强大的AI编程助手,其真正的价值不仅在于自动补全代码,更在于开发者如何通过精准的提示词工程与之高效协作。本文系统解析Copilot提示词的核心原理、设计框架与实战技巧,涵盖从基础使用到高级功能的完整知识体系。通过四要素框架、WRAP法则、多场景应用指南,结合表格、流程图等可视化工具,帮助开发者掌握与AI协作的编程范式,提升300%以上的开发效率。文章深度结合当今AI技术发展趋势,提供理论性、可操作性、指导性并存的全面攻略。 关键词:GitHub Copilot、提示词工程、AI编程、代码生成、开发效率、人机协作 🌟 引言:当编程遇见AI,一场思维范式的革命 “写代码就像与一位天才但有点固执的同事合作——你需要用它能理解的语言,清晰地表达你的意图。”这是我在深度使用GitHub Copilot六个月后的最大感悟。 2023年以来,AI编程助手从概念验证走向生产力工具的核心转变,标志着一个新时代的到来。GitHub Copilot不再仅仅是“自动补全工具”,而是具备问答、编辑、自动执行能力的AI开发伙伴。然而,许多开发者仍停留在基础使

GitHub Copilot 在 VS Code 上的终极中文指南:从安装到高阶玩法

GitHub Copilot 在 VS Code 上的终极中文指南:从安装到高阶玩法

GitHub Copilot 在 VS Code 上的终极中文指南:从安装到高阶玩法 前言 GitHub Copilot 作为 AI 编程助手,正在彻底改变开发者的编码体验。本文将针对中文开发者,深度解析如何在 VS Code 中高效使用 Copilot,涵盖基础设置、中文优化、核心功能详解,并提供多个实战场景配置模板。 一、安装与配置全流程 1. 完整安装步骤 1. 扩展安装 * 打开 VS Code → 点击左侧活动栏的 Extensions 图标(或按 Ctrl+Shift+X) * 搜索框输入 GitHub Copilot → 点击安装按钮 2. 账号授权 * 安装完成后右下角弹出通知 → 点击 Sign in

AI绘画:数字艺术的未来

AI绘画:数字艺术的未来

AI绘画:数字艺术的未来 随着人工智能技术的飞速发展,AI绘画正逐渐成为艺术创作的新趋势。GPU算力租赁的出现,为广大创作者提供了前所未有的机会,使得无论是专业艺术家,还是普通用户,都能轻松进入AI绘画的创作世界。本文将深入探 随着技术的不断进步,传统的艺术创作方式正在发生深刻变革。AI绘画,作为人工智能技术在艺术领域的重要应用,已经成为数字艺术创作的一大亮点。过去,创作一幅精美的艺术作品往往需要画家拥有扎实的绘画基础和艺术技巧,且创作过程中需要大量的时间和精力投入。而现在,AI绘画则通过机器学习和深度学习算法,模拟艺术家的创作过程,快速生成充满创意的艺术作品。 AI绘画的出现,降低了艺术创作的技术门槛,使得普通人也可以轻松体验到创作的乐趣。尽管AI绘画具有极大的潜力,但其背后也依赖着强大的计算资源。AI绘画的实现需要进行复杂的图像生成和模型训练,这些计算任务对硬件的要求极高。因此,想要进行高质量的AI绘画创作,往往需要昂贵的GPU设备和强大的算力支持。 GPU算力租赁的崛起 在这种背景下,GPU算力租赁应运而生。对于创作者来说,租赁GPU算力意味着他们无需承担高昂的硬件费用

FPGA读写DDR4 (一)MIG IP核控制信号

FPGA读写DDR4 (一)MIG IP核控制信号

前言         这几个星期在倒腾DDR4内存的读写控制,期间看了不少资料,这几天终于完工了于是想着把做过的内容总结一下,于是有了这篇文章,由于控制DDR4的内容很多,这一篇文章就只讲基础的,也就是DDR4的控制IP核 MIG的控制信号。         主要参考内容:【正点原子】MPSoC-P4之FPGA开发指南_V2.0,[XILINX] pg150-ultrascale-memory-ip-en-us-1.4 MIG IP核控制信号 IP核创建界面         MIG IP核(memory interface generator)是用户与DDR4进行沟通的桥梁,因为如果我们自己去写直接DDR4代码的话,其内容将会非常复杂,而且即便写出来其性能可能也不会好,以XILINX提供的MIG IP核为例,在综合布线后查看utilization,能发现MIG IP核足足使用了约7500个LUT和9000个register资源,足以看出其编写的复杂,不过对于我们普通用户,能够操作MIG提供的用户接口就我觉得就算差不多了,既然要使用IP核,我们就从IP核的创建界面开始说起,