WorkBuddy实战教程：桌面AI Agent办公自动化上手

很多人用AI的方式还停留在“打开对话框、提问、复制答案”，这套流程看似省事，实际只是把AI当成了一个更聪明的搜索引擎。B站UP主的这套WorkBuddy系列教程提出了一个更实际的判断：提示词的本质只是建议，建议不值钱，执行才值钱。WorkBuddy要做的，就是把建议变成执行。

WorkBuddy是什么：能操作本地文件的桌面Agent

WorkBuddy^广告是一个桌面AI智能体（Agent），和普通聊天机器人的最大区别在于它能直接读写本地电脑文件、调用工具、自动拆解并执行任务。UP主用了一个形象的比喻：普通大模型是问答工具，WorkBuddy则像一个24小时待命的数字员工，你下达自然语言指令，它负责分派、调研、执行和交付。

这不是概念包装。教程演示的第一个任务就是文件夹整理：划定工作空间后，一句“帮我按类型整理下载文件夹”，WorkBuddy会先给出归类方案（图片、安装程序、视频、配置文件、文档各自成文件夹），询问是否执行，确认后完成归类并跳过系统隐藏文件，整个过程消耗28积分。

AI Agent（智能体） 与普通聊天机器人的本质区别在于“行动能力”。传统大模型只能根据输入生成文本，输出停留在对话框里；而Agent被赋予调用外部工具（读写文件、执行命令、访问网络、操作软件）的权限，能够把自然语言指令拆解为多步行动计划并逐步执行，最终交付一个可用的结果文件或操作。这一范式通常被称为“工具调用（Tool Use）”或“函数调用”，是当前大模型落地的核心方向。Agent的可靠性高度依赖权限设计与确认机制——权限越开放，自动化程度越高，但误操作风险也越大，这也是后文三种工作模式存在的根本原因。

WorkBuddy和CodeX怎么选

教程里有一个务实的类比：CodeX像特种兵，能力强但需要长官制定详细作战方案，得说清楚哪个文件、哪个目录、用什么参数；WorkBuddy像大学生，处理不了特别复杂的任务，但“把这个文件发给谁”“整理什么档案”这类活绰绰有余。

对普通职场人来说，WorkBuddy的优势集中在三点：装好即用，不需要配置环境、不需要敲命令行；与飞书、钉钉、企业微信、腾讯文档深度打通；每日签到可领100积分，轻度使用基本够用。CodeX则是订阅付费制，且更偏向海外生态。UP主的建议是先用WorkBuddy把工作落地，觉得不够用再学CodeX，这条路径学习成本最低。

CodeX 最初指OpenAI发布的代码生成模型系列，后来也泛指一类面向开发者的命令行/IDE内编程智能体。这类工具的设计前提是使用者具备一定的工程基础：需要理解项目目录结构、依赖管理、命令行参数和版本控制，才能把任务描述准确。它们通常在终端或编辑器里运行，能力边界更宽（可重构代码库、跑测试、提交PR），但学习曲线陡峭，且多数按订阅或API用量计费。对没有编程背景的办公人群，直接上手这类工具往往卡在“不知道该怎么描述需求”和“环境配置报错”两关，因此教程建议先用低门槛的桌面Agent建立使用习惯。

三种工作模式：先问、先规划、还是直接干

WorkBuddy实际有三种模式，入口分散在两个位置。输入框加号菜单里有plan（计划）和ask（问答）两种；默认权限下拉菜单里则藏着权限最高的“允许完全访问”。

• ask模式：只读不写，能读取本地文件回答问题，适合查资料、分析本地文档和代码，积分消耗最低。
• plan模式：先输出方案，确认后再执行，适合需求复杂、表述模糊、风险较高的任务。
• 允许完全访问：收到指令直接执行，减少确认步骤，但可能触发系统防护机制，WorkBuddy需要绕开防护反而浪费积分，UP主建议非必要不开启。

教程给出了一个清晰的选择逻辑：查阅本地资料用ask，让AI实际干活时99%的情况选plan，简单明确的任务保持默认权限即可。

三大生态：技能、专家、连接器

这是WorkBuddy从“聊天工具”变成“数字员工”的关键设计。UP主用公司架构来类比：

技能是单项能力，比如PDF图片文字提取、腾讯自选金融数据查询，点一下就能让AI掌握。专家相当于请外援，遇到某个领域的复杂问题，与其让AI现学技能，不如直接召唤该领域的专家，还有“专家团”可选，但会消耗更多积分。连接器扮演商务部角色，打通飞书、钉钉等需要登录授权的办公软件。

连接器的实际操作流程是：安装依赖、登录账号、创建头像昵称、授权权限，状态变为绿色圆点即表示打通。教程演示了用一句话让WorkBuddy把当天AI资讯汇总成文档，以飞书原文档形式发送到消息栏，执行过程可查看，成品包含OpenAI自研芯片跑分、测试模型突破隔离入侵Hugging Face等条目。

MCP（Model Context Protocol，模型上下文协议） 是理解“连接器”这类设计的背景。它由Anthropic提出并开源，目标是给大模型访问外部数据源和工具提供一套统一接口：外部服务（如飞书、数据库、本地文件系统）按协议暴露自己的能力，模型端只需按标准方式调用，而不必为每个服务单独写适配代码。这解决了早期插件生态各自为政、难以复用的问题。文章中的“连接器”在功能上就属于这一类——通过标准化授权与调用，让Agent安全地读写第三方办公软件中的文档和消息。了解MCP有助于判断一个Agent平台的扩展潜力：支持标准协议的平台，可接入的工具会持续增长。

实战：从图片转视频到开发个人网站

图片转视频的案例展示了多模态能力：上传四张带标号的图片，要求每张停留3秒、按标号顺序播放、带转场、输出MP4。开启“增强提示词”后，WorkBuddy会自动补充分辨率、清晰度、转场细节等参数，最终消耗18.35积分。UP主强调这个案例的重点不是幻灯片本身，而是理解WorkBuddy能处理图片、文本、视频等多种文件类型，换成视频素材和精准提示词，就能做简单的自动剪辑。

个人网站开发则演示了plan模式的价值。多数人没有前端经验，说不清需求，所以先让AI出方案：问技术栈（推荐纯HTML+CSS+JS）、问内容用真实信息还是占位、问视觉风格、问本地还是云端部署。确认后生成，耗时约10分钟，消耗70多点积分，页面包含个人简介、作品集、关于我、联系我等模块，交互和布局都到位。模型选择上，UP主推荐GLM-5.2，更强的模型积分消耗更高。

记忆、全局规则与自动化

记忆功能记录“你是谁”，包括背景和偏好，支持从豆包、DeepSeek^广告等其他AI导入记忆。自定义指令则规定“AI怎么干活”，包括输出格式和说话风格，上限1500字。UP主的区分很到位：记忆解决反复自我介绍的问题，自定义指令约束AI的输出行为，两者搭配使用体验提升明显。

自动化定时任务的核心是三要素：触发时间、执行任务、通知方式。官方提供12套模板，覆盖每日新闻推送、英文单词、睡前故事等场景。教程演示了设置儿童睡前故事任务：填提示词、追加“以文档形式发送到飞书”、设置每日执行频率、选生效日期，保存后到点自动运行，无需登录WorkBuddy。测试时可用右上角播放键手动触发，避免设置过长等待时间。

记忆（Memory）与自定义指令（Custom Instructions） 在技术实现上是两条不同的路径。记忆通常依托向量数据库或结构化档案，把用户的历史偏好、背景信息持久化存储，每次对话时按相关性检索注入上下文，属于“动态召回”；自定义指令则是每次请求都会固定拼接到系统提示词（System Prompt）中的静态规则，优先级高、开销稳定。前者适合承载大量、零散的个人信息，后者适合约束输出格式与语气。两者结合相当于给Agent同时配了“档案柜”和“员工手册”，但都要注意长度上限——上下文窗口是有限资源，堆得越满，留给当前任务的推理空间就越少。

几个值得注意的避坑点

• 每天记得点头像领取100积分，积分可累积。
• 先选工作空间再下指令，否则结果可能偏离预期还多耗积分。
• 默认权限下WorkBuddy策略保守，整理文件都会询问，不必担心它擅自删除本地文件。
• 开启“允许完全访问”容易触发系统防护，反而绕路浪费积分。
• 记忆不要一次性堆满，要配合实际对话逐步积累。
• 沙箱安全建议保持开启，隔离文件命令和网络访问策略，避免影响本机系统。

这套教程的定位很清晰：不追求炫技，而是让零基础办公族先把WorkBuddy用起来，从整理文件夹、生成视频到开发网页、对接飞书、设置定时任务，逐步把AI从问答工具变成能交付结果的工作流节点。