WorkBuddy零基础教程:三大模式与自动化实战

拆解腾讯WorkBuddy三种模式、六大功能区与实战避坑指南。
本文基于B站UP主的分享,系统梳理腾讯AI智能体WorkBuddy的上手路径。文章先介绍日常办公、代码开发、设计创意三种工作模式及其适用边界,复杂编程建议转向CodeBuddy;再逐一讲解项目、专家、技能、连接器、自动化六大核心功能区,说明它们如何组合成团队可复用的AI工作流,其中自动化因支持定时执行被视为最具潜力的功能。实战部分演示了通过提示词让WorkBuddy生成并部署AI工具导航网站并返回访问链接的完整流程,最后强调涉及文件处理必须先选工作空间,并给出由小任务到连接器再到自动化的渐进式上手建议。
腾讯推出的AI智能体WorkBuddy正在成为日常办公的得力助手。对于刚接触的用户来说,如何从安装配置到实际跑通一个任务,往往缺少一条清晰的路径。这篇教程基于B站UP主的完整分享,拆解WorkBuddy的三种工作模式、六大核心功能,并附上一个真实的上线实战和避坑经验,帮你快速上手。
三种工作模式:先选对场景再动手
打开WorkBuddy广告首页,第一件事是选择工作模式。目前提供三种:日常办公、代码开发和设计创意。日常办公模式覆盖写文档、做表格、整理资料等常规需求;代码开发模式适合轻量化的代码任务,比如写个简单的小脚本或网页,但如果有复杂的编程需求,UP主建议转向腾讯另一个更专业的编程工具CodeBuddy;设计创意模式则用于网页、PPT等设计类工作。

模式选择决定了AI的默认能力边界,选错模式往往会让后续操作事倍功半。
六大核心功能区:从项目到自动化
左侧菜单是WorkBuddy的核心功能区:助理、项目、专家、技能、连接器、自动化。理解这六项,就能覆盖大多数常用办公场景。
项目:沉淀团队的AI对话资产
项目功能可以记录团队的AI对话资产,页面存放项目资料和成果,右侧配置能统一调整整个项目的描述指令、连接器、专家和技能。这样团队在处理任务时会自动带上这些工具,省去逐个单独配置和手动调整的时间。

AI智能体中的“工作空间”(Workspace)是AI读写文件时的默认目录边界,相当于为每次任务划定一个可访问的文件范围。它既是AI查找输入资料的位置,也是生成结果的存放位置。与普通对话不同,智能体需要真实操作本地或云端文件,因此必须先明确工作空间的路径,AI才能定位素材、保存产出,并在多轮任务之间保持上下文一致。若没有指定工作空间,AI只能看到对话中粘贴的内容,无法主动读取磁盘上的文件,也无法把生成的结果写回指定位置,这正是涉及文件处理时最容易出错的地方。
在WorkBuddy这类支持团队协作的智能体平台中,工作空间还承担着隔离与复用的作用:不同项目可以绑定各自的工作空间,避免文件互相覆盖;团队成员共享同一工作空间时,AI产出的文档、脚本和网站文件能够被统一管理,后续的自动化任务也能稳定地读写同一目录。因此教程中反复强调“涉及文件先选工作空间”,本质上是为AI建立清晰的文件读写上下文。
专家与技能:让AI带上专业身份和插件
专家功能相当于给AI一个专业身份。普通模式下AI是通用的,虽然所有领域都懂,但行业里的隐性知识和实操经验未必能用到项目里;选定专家后,AI会带着该领域的经验和方法做事,结果更专业。技能则像给AI装上的小插件,Word、PPT、Excel处理点一下就能添加,扩展具体操作能力。
连接器:打通飞书、邮箱与知识库
很多资料放在飞书、邮箱或知识库里,每次使用都要下载再上传给AI,流程繁琐。连接器的作用就是把这些外部平台接入WorkBuddy,接好之后AI可以自动读取平台内容,不需要再手动作为附件传给AI。

连接器(Connector)是智能体平台与外部系统之间的标准化接口,通常基于各平台开放的 API 或授权机制实现。它让AI能够在获得用户授权的前提下,直接读取飞书文档、邮箱邮件或企业知识库中的内容,而不必由用户手动下载再上传。这一机制解决了智能体最大的现实瓶颈:AI本身无法访问外部数据源,只有通过连接器把数据“接进来”,才能基于真实资料完成任务。
使用连接器时需要注意权限范围与数据安全:接入平台通常要求授予特定范围的读取权限,团队应确认授权粒度是否最小必要;同时,连接器读取的内容会成为AI的上下文,涉及敏感信息时需评估是否适合交由智能体处理。合理配置连接器后,AI可以在项目中自动获取最新资料,配合自动化实现无人值守的信息整理与汇总。
自动化:让任务按时间自动执行
自动化是UP主认为最实用、最有潜力的功能。前面多数功能还是“发一个任务、AI干一个任务”,自动化则可以按照设置好的时间和提示词自动执行。比如让它在你睡觉前把当天的AI新闻整理好,第二天直接查看结果。
自动化背后依赖的是“定时任务”机制,即按照预设的时间规则(如每天固定时刻、指定间隔)触发智能体执行一段预先写好的提示词。与手动发起对话不同,定时任务需要在无人值守的情况下完成从读取资料、调用工具到输出结果的全过程,因此对提示词的明确性和工作空间的稳定性要求更高。常见实现方式包括基于 cron 表达式的时间调度,以及由事件触发的任务流。
在WorkBuddy中,自动化可以理解为把“提示词+工具配置+工作空间”固化成一条可重复执行的流水线:到点后AI自动读取连接器中的最新内容,按提示词整理成指定格式,并保存到对应目录。这也解释了为什么自动化被认为是潜力最大的功能——它把一次性的AI对话转化为持续运行的生产力工具,适合新闻汇总、日报生成、数据巡检等重复性场景。
实战:生成并部署一个AI工具导航网站
UP主用一个真实任务演示了完整流程:让WorkBuddy生成一个常用AI工具导航网站,提示词写明“给我做一个常用AI工具导航网站,部署上线并给我访问链接”。任务执行完成后,WorkBuddy给出了一个可以访问的链接,打开后导航网站可以正常使用。

这个案例说明,WorkBuddy不仅能生成内容,还能把结果部署上线,形成可交付的成品。提示词中把目标、交付形式(访问链接)写清楚,是任务顺利跑通的关键。
避坑经验:涉及文件先选工作空间
UP主特别强调一条最重要的避坑经验:不选工作空间就处理文件,是最常见的坑。不选工作空间,AI就不知道从哪里读文件,也不知道结果要放到哪里。所以只要涉及文件读取,一定要先选好工作空间。
上手建议
WorkBuddy的价值在于把零散的AI能力组织成可复用的工作流。建议新手先从一个具体的小任务开始,比如用日常办公模式整理一份资料,熟悉项目与专家配置后,再尝试连接器接入外部平台,最后用自动化把重复性任务交给AI定时执行。每一步都先确认工作空间,避免文件读写混乱。
相关推荐

Cognition SWE-2 实战:一个提示词搞定产品发布全流程
解析 YouTube 创作者用 Cognition SWE-2 发布产品的完整提示词:落地页、七封邮件序列与未购买用户跟进工具三段式结构,以及"测试并汇报"这一约束如何改变 AI 的交付质量。
AWS AgentCore Gateway:用MCP打通AI Agent与企…
AWS AgentCore Gateway:用MCP打通AI Agent与企业后端
AWS AgentCore Gateway如何作为主MCP服务器聚合REST API、Lambda与已有MCP服务?解析其AST实时映射、零冷启动、语义搜索治工具过载、会话隔离与密钥注入安全设计,以及企业AI Agent解耦后端的架构思路。

一个链接给Figma AI装上新技能:MCP连接器实战
通过粘贴一个MCP服务器链接,Figma中的AI Agent就能获得新工具能力。本文拆解配置流程、超过20个一键接入应用、读写权限与执行策略设置,以及公开HTTPS链接这一关键限制。