老师如何用 WorkBuddy 打通备课全流程
本文分享了在承德应用技术职业学院进行的教师培训实录，核心在于如何利用 WorkBuddy 将 AI 应用从单点问答升级为 Agent 流程化工作。文章详细拆解了从阅读课程标准、搜索资源、映射材料到生成教案的完整备课链路，并介绍了 SGP 提示词结构、Agentic Search 搜索循环以及将流程固化为 Skill 的方法，旨在帮助教师掌握“给 Agent 派活”的高效工作模式。
相关文档
区分有效 Skill 与空谈文章的 9 条原则
作者提出九条原则，帮助判断 Agent Skill 是否真正有效，覆盖 Skill 生命周期三个阶段：被选中、可靠执行、经受现实检验。核心观点包括：元数据描述是触发与否的关键入口；上下文是共享预算，需渐进式加载；流程与检查点优于长篇散文；规则应解释原因以应对边缘情况；预先记录并反驳模型常见的跳过理由；确定性逻辑写成脚本代码而非依赖推理；严格限定修改范围；Skill 会随库更新和约定变化而腐化，需版本化管理；上线前必须用真实用例运行验证，从观察到的行为而非想象中调试。
实操记录：我用 WorkBuddy 跑通的第一条完整 AI 办公闭环
文章记录了作者使用 WorkBuddy 实现完整 AI 办公闭环的实战经验。详细解析了 Ask、Plan、Craft 三步执行法，以及工作空间、连接器、专家和技能的配置逻辑。对比了 Claude Code 等开发工具的差异，并分享了处理 Excel 生成周报、制作落地页及远程助理的具体案例，总结了六条使用铁律和避坑指南。
Windows 搭建 ComfyUI 环境 | 小白也能直接上手
本文介绍如何在 Windows 系统上快速搭建 ComfyUI 环境，适合零基础用户。作者使用 B站UP主秋葉aaaki 提供的整合包，只需解压和双击两步即可完成安装，一键启动后浏览器自动打开本地界面。模型下载与配置、工作流搭建（文生图、图生图、图生视频）等操作均可交给 WorkBuddy（AI Agent）完成，用户只需修改提示词点击生成即可，甚至可通过 API 让 Agent 全程自动完成并返回结果。文中还提供了 qwen-image-2.1-turbo 模型的下载示例及相关资源链接，遇到问题可将报错截图发给 AI 解决。
从微信群报修到周会复盘：用 AI 重构传统物业服务流程
作者以传统物业报修流程的痛点（信息零散、无留痕、周会凭印象）为切入点，分享了一套基于 NocoBase + n8n + 蚂蚁百灵 Ling-3.1-flash 的物业报修系统的构建过程。系统在三个环节接入 AI：住户端 AI 接待报修并自动建单、管理端通读一周记录生成服务质量周复盘、周会一键生成可投屏的单文件 HTML 演示稿。文章详细展示了提示词设计、隐私脱敏、引文校验、人审定稿等落地细节，并总结出 AI 落地三点体会：AI 只用于需要理解自然语言的环节、确定性数字交给系统计算、AI 产出先当草稿由人审核。
把微信消息一键转给WorkBuddy之后，我的工作流更丝滑了
作者发现微信新增了"转发到其他应用"功能，可一键将群聊记录转给腾讯WorkBuddy，基于此更新了工作流并开源两个Skill：一是wechat-group-digest，将群聊整理成日报长图，包含今日要点、"可以动手的事"（从群聊中挖掘工具需求和选题信号）、活跃榜等模块，实测93条消息12分钟出图；二是选题库Skill，将对标公众号文章拆解为五层信息（基础信息、选题、标题公式、结构、提示词及空白角度），通过飞书连接器存入多维表格，还支持选题簇去重提醒。作者强调此方式为官方认可路径，相比自动抓取微信更安全，并提供了详细配置说明和开源地址。
The Complete Guide to AI PM OS
文章介绍了 AI PM OS——一套面向产品经理的 Agent Skill 体系。作者强调：与其信任模型凭提示词自由发挥，不如为 Agent 配备结构化技能，确保输出质量稳定。核心方法论是'监督比你更聪明的人'：通过间接提示让 Agent 自己复述问题、避免被先入为主的假设带偏，并用 /first-principles、/mckinsey-issue-tree、/causal-tree、/jtbd-forces 等技能栈按'定义问题、选择赌注、理解用户、定义成功、塑造构建、写作、推动组织'分阶段组织工作。同时利用记忆和历史会话，让 Agent 继承过往决策背景，提升产品判断力。
用 WorkBuddy 做老板爱看的PPT
作者分享了使用 AI 工具 WorkBuddy 制作企业汇报 PPT 的经验。文章首先分析了为什么不用 HTML 做演示文稿：固定模板留白过多、修改不便、企业协作接受度低，可编辑的 PPT 更适合汇报、演讲和文件交接。随后作者以上海线下分享为例，讲述了完整制作流程：先让 AI 整理大纲（对比 ChatGPT 和 WorkBuddy 的输出），再交给 WorkBuddy 生成，并回答配图、风格等设计问题。文章给出了详细的操作步骤和可直接复用的提示词，涵盖大纲整理、设计确认、按页修改、导出检查等环节。WorkBuddy 除生成可编辑 PPT 外，还附带 DESIGN.md 设计规范、逐页文稿和演讲稿。
Grok Bot 从入门到精通：从 1 个 Bot，到一支会自己干活的 AI 数字员工团队
作者 Fred-New 分享了如何将 Grok Bot 从单一聊天工具打造为长期数字员工团队的方法论。核心思路是：先给一个 Bot 一个窄岗位和明确验收标准，跑通真实任务；结果稳定后把流程保存成 Skill，再做回归测试；稳定后设置 Routine 让 Bot 定时自动工作。当出现稳定分工需求后，再组建多 Bot 团队（情报员、爆款分析师、Researcher、Writer、Reviewer、Visual Planner 六岗位）。文章强调岗位边界、工具接入、薄 Context Pack、固定交接格式（如 Research Pack 和 Handoff）的重要性，并指出真正的多 Agent 协作关键在于可替换的模块和清晰的接口，而非人数。
我们说的 AI 工程化，到底是什么？今天一篇文章讲清楚
文章系统梳理了 AI 工程化领域的各种新概念（Context、Harness、Loop、Eval、Graph Engineering），指出这些 Engineering 拆到最后，核心仍然是提示词。作者认为，现代提示词已不只是聊天框里的几句话，还包括系统规则、任务资料、工具说明、历史结果、失败反馈和完成标准。Agent 的难点在于把事情真正做完：避免重复步骤、选错工具、提前结束等问题。文章分别阐述了五大 Engineering 的职责——Context 管每轮给模型看什么，Harness 管工具与环境的接入说明，Loop 管根据反馈迭代，Eval 管验证任务是否真完成，Graph 管流程节点与路由。最终结论：代码管边界（权限、轮次），提示词管边界内的判断。
The Complete Guide to pstack Pt. 2
本文是 pstack 指南的第二部分，探讨如何利用 pstack 进行调研、规划、原型设计和架构。作者强调验证是基础，但之后需明确构建目标。文章介绍了间接提示、/teach、/how、/why、/recall 等技巧，帮助代理理解意图和上下文，并指出历史记录是丰富上下文的金矿。最后讨论如何指定解决方案，避免过度指定实现细节。
每次WorkBuddy培训我都会讲的Agent底层认知——构建项目分身
文章介绍了用AI推进真实项目时面临的两大痛点：材料多且杂导致AI抓错文件，以及新开对话后进度全丢失。作者提出「项目分身」方法：一是将项目文件夹规范为四区（01原始材料只读、02过程草稿、03内容底稿、04交付成果）；二是在根目录建立两份核心文件——CODEBUDDY.md写长期规则、00_项目总览.md记录动态进度，实现规则与进度物理分离。文章还讲解了用户提示词与系统提示词的区别、AGENTS.md跨生态通用标准及全局与项目规则分层，附上开箱即用的初始化提示词，并以「换对话不换文件夹，AI 10秒无缝接手」作为硬验收标准。
几个月心血搭好的 AI 元技能，我为什么全拆掉？
作者几个月前搭建了一套名为「刚柔」的元 Skill，用图 IR、契约闸和检查机制防止模型偷懒、打折扣执行任务。随着 GPT-6 Astra 发布，模型遵循指令和多步执行能力大幅提升，OpenAI 官方建议检查 AGENTS.md 和 Skills 中可能影响模型行为的指令。作者由此意识到，许多为弥补旧模型短板而设的约束如今反而妨碍任务完成，于是委托 Codex + GPT-6 在秘书 Grok Bot 协调下彻底拆除该元技能。文章详细记录了清理的难度、推理档位选择、具体执行过程（如取消从零重跑、自动三路候选）及打包脚本隐私问题的修复，最终指出：该留的是把工作可靠完成的目标，而不是特定的脚手架，技术条件变了就该果断调整。
