企业官网建设流程全解析

三个月前，我下载 WorkBuddy 的时候，想法其实挺简单的：听说它能把一堆杂活接过去，就想着写点文案、改改代码、整理整理资料，省点时间。结果第一天我就差点卸载它。让它帮我整理一份上线检查清单，它一口气列了 57 项，里面一半和我当时的系统架构对不上；让它写个 SQL，它自信地用了一个我库里根本不存在的函数。我当时的结论是：这东西中看不中用。但因为我手头那阵子确实忙不过来，就硬着头皮又用了几天。现在三个月过去，我可以负责任地说：WorkBuddy 不是不能干活，是我一开始根本没用对。

所谓"用对"，本质上是在解决一个问题：你怎么让一个能力很强但缺乏判断力的助手，按照你的规则、你的场景、你的交付标准去干活。从"能用"到"敢把活儿交给它"，中间隔着的不是某个神奇参数，而是一整套使用习惯。这没人系统教过我们，官方文档也不会写，全靠自己踩坑。所以我把自己三个月里摸出来的 30 个实战技巧整理出来，按使用阶段分成五个部分：先是地基配置，再是全局规则，然后是 Skill 管理，接着是信任边界，最后是几个真正帮我挣回时间的业务场景。如果你刚开始用 WorkBuddy，建议从头按顺序读；如果你已经用了一阵子但总觉得它"差点意思"，直接跳到第二部分，十有八九能解决你的问题。

1. 第一周别急着干活，先把 WorkBuddy 调成"自己人"

1.1 安装包选对，缓存早点挪走

技巧 1：装对版本，比什么都重要。WorkBuddy 客户端覆盖 Windows、Linux、macOS，不同平台甚至不同硬件架构的安装包完全不一样。我第一次装在公司的老旧 Windows 7 机器上，双击最新版安装包直接提示系统版本不支持，后来找到官方渠道的兼容版本才装上。这里有两个容易被忽略的坑：第一，别从第三方下载站随手拉一个安装包，版本混乱不说，还有安全风险，认准官网或官方渠道；第二，Linux 下如果遇到依赖问题，优先看官方是否有 AppImage 或解压即用的版本，比硬解决依赖省事得多。

技巧 2：装完第一件事，把缓存目录搬离系统盘。WorkBuddy 长期使用以后，模型缓存、历史任务快照、临时文件会持续膨胀。我最初装在 C 盘，两周左右缓存就占掉好几个 GB，C 盘告急。如果你用的是 Windows，最好尽早把缓存目录迁到 D 盘或数据盘。最省事的办法是在设置界面里找到存储路径直接改；如果版本里没有这个选项，就用软链接迁移：先完全退出 WorkBuddy，把原缓存目录移动过去，然后在原位置建立一个指向新目录的软链接。这个操作做完之后，WorkBuddy 完全无感知，但系统盘能喘过来。别嫌这事琐碎，我见过太多人用了一两个月才来问"缓存怎么清理"，那时候迁移成本已经很高了。

# Windows（管理员 PowerShell） # 先退出 WorkBuddy，再执行： Move-Item -Path "C:\Users\你的用户名\.workbuddy" -Destination "D:\WorkBuddyCache" New-Item -ItemType SymbolicLink -Path "C:\Users\你的用户名\.workbuddy" -Target "D:\WorkBuddyCache" # Linux / macOS mv ~/.workbuddy /data/workbuddy-cache ln -s /data/workbuddy-cache ~/.workbuddy

1.2 先立身份，再立规矩

技巧 3：别让 WorkBuddy 以默认身份给你干活，先给它立个人设。你把它当成什么，它就按什么标准回应你。同样是让它写一段代码，如果你不设身份，它可能默认给你一个"教学级"答案；如果你在全局设定里写明"你是一名有十年经验的后端工程师，代码要简洁、要考虑边界条件和可维护性"，输出完全是另一个档次。我的人设分两层：通用层写清楚专业背景和回答问题的方式，场景层在工作台里单独指定。比如我开一个"客服话术"工作台，会在工作台描述里写"你是客服运营负责人，熟悉投诉分级和情绪安抚话术"，同一个 WorkBuddy，到不同场景自动切换状态。

技巧 4：开工前先定三条基础规则，让它们对全局生效。WorkBuddy 的全局规则是最被低估的功能。绝大多数"AI 干活不靠谱"的问题，其实都是规则没立好。我给新人最朴素的建议是：先只写三条。我最初这三条是——第一，所有回答先给结论，再解释原因，结论不超过三句话；第二，不知道的信息直接说不知道，禁止编造；第三，涉及代码修改时，先说明改动点和影响范围，再给出具体代码。就这三条，WorkBuddy 的输出立刻从"看起来合理"变成了"真的能拿来看"。规则不在多，在于能被稳定执行。

1.3 工作台别混着用，第一周从小活开始

技巧 5：按项目拆工作台，别把什么活都堆在一个会话里。WorkBuddy 的上下文是有记忆容量的，你让它在同一个工作台里又写方案又查资料又改代码，它会越来越糊涂，甚至把 A 任务的设定带到 B 任务。我的做法是：一个工作台对应一个项目或一类任务。写博客开一个，维护客服话术开一个，处理数据库问题单独开一个。这样每个工作台的上下文干净，全局规则和 Skill 也能按工作台单独配置，互不污染。尤其是同时推进三四个项目时，这个习惯能避免大量低级错误。

技巧 6：第一周只交小活儿，建立手感比追求效果重要。刚装好的前一周，不要一上来就让它写整站代码、做全案策划。目标不是产出，而是让你搞清楚它的脾气：它更擅长什么、哪里容易自作主张、你的提问方式它最听得懂。我第一周只让它干四类事：改写一段通知、把一段口语转成书面语、给现有代码补注释、把冗长的会议记录压成三行要点。这些活儿容错率高，就算出问题也不影响什么，但能帮你迅速摸清 WorkBuddy 的回应风格和规则生效情况。等手感建立起来，再逐步交给它真正的任务。

2. 全局规则和自定义指令：决定它是"玩具"还是"员工"

如果你只愿意从这篇文章里带走一个技巧，我建议是这一章里的任何一个。WorkBuddy 和普通聊天工具最本质的区别，就是它能记住你定下的规则，并在后续所有任务里持续生效。我认识不少人用了好几个月的 WorkBuddy，还停留在"每次都要重新说一遍要求"的阶段，这完全是没理解它的规则机制。

2.1 规则在精不在多，行为化才有效

技巧 7：规则总数控制在 5~10 条，超过这个数等于没定。我前期犯过一个错误：因为太想让 WorkBuddy 按我说的做，一口气写了三十多条规则，从"语气要专业"到"不要使用感叹号"，事无巨细。结果它反而像被施了定身术，回什么都带着一股"努力同时满足三十条要求"的僵硬感，而且经常顾此失彼。后来我把规则精简到 8 条，每一条只解决一个具体问题，严格执行率反而大幅上升。规则本质上是指挥，指挥太多，乐队反而乱。精简到只剩下那些最重要的、反复出错的、影响交付质量的规则，就够了。

技巧 8：规则要写成可观测的"行为"，别写成抽象的口号。同样是想让 WorkBuddy 更专业，"请专业一些"这条规则就没用，因为"专业"是个形容词，它不知道该怎么量化执行。但"所有回答先给结论，结论不超过三句话，再给具体依据"就是可观测的行为，它能清楚地知道该做什么。我写规则的时候有个习惯：念一遍，问自己"如果我是这台机器，这句话是否让我明确知道动作是什么"。写不出明确动作，就继续改，直到能写出动作为止。这是从"看似在管理 AI"到"真正管理 AI"的转折点。

2.2 画好边界，规定交付格式

技巧 9：告诉它"不要做什么"，比告诉它"做什么"更有效。WorkBuddy 很擅长发挥，这是优点也是麻烦。你让它写个活动方案，它可能自作主张编一堆数据；你让它改代码，它可能顺手引入一个你项目里根本不存在的第三方库。所以我的规则里专门加了一个"否定清单"：禁止编造数据和引用；禁止使用未在项目中引入的依赖；禁止在未确认前修改生产配置；生成外部文档时，没有把握的事实必须标注"待核实"。把边界划清楚，它反而不容易跑偏。人也是这样的，没有边界的时候，再聪明的人都容易给出不靠谱的答案。

技巧 10：在规则里规定"交付格式"，让每次输出都长一个样。这个技巧看着简单，实际带来的效率提升极大。我给 WorkBuddy 定了一套默认交付格式：结论先行、有分析、有方案、有风险提示。无论是让它写周报、给方案还是整理资料，它都会自动按这个结构输出。好处是我不用每次在提问时重复格式要求，而且看它的输出成本大幅下降——我知道结论要在哪里找，风险要在哪里看。客服团队的同事后来也用了这套格式，反馈是"至少不用全文通读才能找到重点了"。

2.3 模板化与规则复述

技巧 11：把高频任务固化成模板，一劳永逸。有些任务你每周都会做：生成周报、做会议纪要、整理待办清单、写上线检查单。把这些任务的指令设计成模板存好，每次直接套用，就不需要每次临时组织语言。我的模板通常是三段式：第一段交代背景和目标，第二段指定输入材料，第三段说明交付格式和注意事项。等你积累了一定数量的模板，会发现自己和 WorkBuddy 之间的协作越来越像和一个稳定同事配合，而不是每次重新磨合。

技巧 12：任务开始前，让它复述一遍规则和任务目标。这是防止"上下文漂移"最有效的办法。WorkBuddy 聊到一定轮次之后，容易忘了最初的设定和要求，回复质量会悄悄下降。我的做法是：任务开始的第一轮，先发一句"请先复述你将要执行的任务目标和我给你定的相关规则，然后开始"。它复述完，一方面提醒它自己接下来按什么标准干活，另一方面我也能确认它有没有理解到位。如果复述出来的内容偏离了，这时候纠正成本最低，总比它执行完了才发现跑偏要省事得多。

下面是我现在用的全局规则 v3.0 节选，可以直接当参考改自己的版本：

我的 WorkBuddy 全局规则 v3.0（节选） 1. 所有回答先给结论，结论不超过三句话，再展开解释。 2. 涉及代码修改，先输出修改计划和影响范围，确认后再给 diff。 3. 不知道的信息直接说"不知道/待核实"，禁止编造数据、文献和 API。 4. 没有把握的事实，统一标注"待核实"。 5. 生成表格类内容时，使用 Markdown 表格。 6. 一次任务超过三个步骤，必须分多轮执行，每轮结束询问是否继续。 7. 不要把敏感信息写进回复；如必须引用，用"[脱敏]"代替。 8. 禁止使用未在项目内引入的第三方依赖。

3. Skill 才是 WorkBuddy 的"分水岭"：会装和会用是两码事

如果说全局规则解决的是"按我的标准干活"，那 Skill 解决的就是"具备我需要的专项能力"。我用 WorkBuddy 的第三个月，性能提升最明显的阶段就是开始认真管理 Skill 之后。Skill 相当于给 WorkBuddy 插上不同的专业插件，会装和会用完全是两个维度。

3.1 Skill 优先装这几个，别贪多

技巧 13：刚接触 Skill，先装官方市场里好评率高、用途明确的几个，别一次性装三十个。我见过太多人一进 Skill 市场就跟逛超市似的，看着什么都好用，收藏了一堆，结果真正用的永远只有两三个，剩下全在后台空转，还可能互相干扰。我的建议是：第一周只装 3~5 个，选那种用途非常明确的（比如代码评审、SQL 优化、正则生成），用一周，留下真正顺手的，再逐步增加。Skill 的价值在于组合后的乘法效应，不在于数量本身。

技巧 14：这是我三个月里长期在用的 5 个 Skill，你可以按功能找同类。不同版本里 Skill 的名字和叫法可能有差异，不必纠结名字，按功能找即可。我自己沉淀下来的组合是：代码评审、SQL 优化、正则生成、Markdown 排版、长文总结。这五个覆盖了我 80% 的高频任务，其中代码评审和长文总结的使用频率最高，也最值得优先装。

3.2 组合与自写，把 Skill 玩明白

技巧 15：复合任务用"组合 Skill"，比让 WorkBuddy 裸答靠谱得多。举一个我处理慢查询的真实流程：先用"SQL 优化师傅"定位问题索引和慢查询原因，再用"代码评审助手"检查对应 ORM 层的代码改动，最后用"长文总结器"把整轮分析整理成一份给同事看的排查报告。三个 Skill 分步接力，每一段都有明确的目标。相比之下，如果我只扔一句"帮我看一下这个查询为什么慢"，WorkBuddy 经常只给一个泛泛的解释，而不是完整闭环。组合 Skill 的本质，是把一个大任务拆成多个有边界的子任务，每个子任务交给最擅长的技能去处理。

技巧 16：自己写一个最小的 Skill，比收藏 100 个都有用。WorkBuddy 的 Skill 本质是一组指令和示例的组合，并不神秘。我写的第一个 Skill 是个"周报压缩器"，用来把每天记的流水账压成三条工作要点，因为内置没有这个功能，而我又天天要用。结构也很简单：一个描述文件，写上这个 Skill 是干什么的、什么时候触发、执行步骤是什么；再来几条示例输入输出，让 WorkBuddy 知道你要的效果长什么样。写完放到技能目录里，刷新一下就能用。如果你用的版本还不支持自定义 Skill，把这套逻辑放进常用模板里效果也差不多。关键是：自己写 Skill 逼你把流程想清楚，这本身就是一次规则梳理。

--- name: 周报压缩器 description: 把用户的流水账式周报压缩成 3 条工作要点，每条不超过 20 字。 --- 执行步骤： 1. 阅读用户提供的周报内容。 2. 找出本周最重要的 3 件事。 3. 用"动词 + 结果"格式输出，每条不超过 20 字。 4. 不补充原文没有的信息。

3.3 Skill 的优先级和定期清理

技巧 17：搞清优先级：单次指令 > Skill 内置规则 > 全局规则。这是我自己使用中摸索出来的顺序。当你单次对话里明确说"这次不用某某流程"，那这次任务就以你的临时指令为准；如果没说，相关的 Skill 会按自己内置的流程执行；全局规则是兜底，在两者都没覆盖到时生效。理解了这层优先级，你就知道遇到冲突时该到哪个层面去改，而不是对着 WorkBuddy 发脾气。比如我某个 Skill 的输出格式和全局规则不一致时，我不会去改全局规则，而是直接改 Skill 的描述文件，或者这次任务单独用一句指令覆盖。

技巧 18：定期清理不用的 Skill，防止上下文膨胀。每个 Skill 在被调用时都会占用一定的上下文空间。我有一阵子装了二十多个 Skill，结果发现响应变慢、经常跑偏，尤其严重的是它偶尔会把两个相近 Skill 的指令混着执行。后来我清理了一轮，只保留真正高频使用的 6 个，问题立刻缓解。我的标准是：两周内没用过，先禁用；一个月内没用过，直接删。给 WorkBuddy 减负，它给出的答案会明显更干净。这个道理和整理书桌一样，工具太多的时候，寻找正确工具的代价反而更高。

4. 敢把活儿交给它之前，先守住这三条底线

标题里说的"敢把活儿交给它"，关键在"敢"字。我用了三个月，真正把 WorkBuddy 从"能用"推向"敢用"，靠的不是它能力变强了，而是我建立了一套底线机制，知道什么能交、什么不能交、交出去之前要做哪些保护。这一章没有效率技巧，但比效率技巧重要得多。

4.1 数据不脱敏不喂，代码不审不用

技巧 19：涉及客户数据、密钥、未公开项目的代码，先脱敏再喂给它。这是我最开始使用时最担心的问题。如果你处理的是客服聊天记录、用户信息这类敏感数据，我的习惯是：先把姓名、手机号、具体金额这些字段替换成[客户A]、[金额]这类占位符，再让 WorkBuddy 处理。能开隐私模式或本地优先模式的场景，尽量开着。WorkBuddy 处理数据的能力确实强，但作为使用者的底线是：不该出去的东西，一个字都不该出去。脱敏这个动作看起来麻烦，实际上你用顺了之后只需要一分钟，但它帮你避开的坑可能是无法挽回的。

技巧 20：代码改动必须看 diff，别直接点接受。WorkBuddy 生成代码的能力很强，但"能力强"和"完全正确"是两回事。我给自己定了一条死规矩：任何由 WorkBuddy 产生的代码改动，都要先让它列出改动点和影响范围，我再把 diff 过一遍，确认无误后才落地。尤其是涉及线上逻辑、数据库操作、权限控制这三类代码，我从来不会因为它给的代码看起来很专业就直接用。有一次它帮我重构一个函数，逻辑看着完全合理，但我顺手检查时发现它改动了一个外部接口的签名，影响面远超预期。从那以后，"先看 diff 再落地"成了铁律。

4.2 反向验证和产品安全设置

技巧 21：让它做"反向验证"，自己挑自己方案的毛病。这是我把 WorkBuddy 从"执行工具"升级为"协作对象"的关键技巧。具体做法很简单：比如它给了一套 SQL 优化方案，我会在同一轮里追加一句"现在请你站在数据库管理员的角度，审查你刚才的方案，指出它可能存在的问题和适用边界"。你会发现，同一个模型的反向审视通常能找出不少前面生成时忽略的漏洞。这种感觉很像让一个写方案的人自己当验收员，虽然做不到绝对客观，但至少能多一道内部审查，整体质量会稳定很多。重要的任务我都会让它先自审一轮，再交给人来终审。

技巧 22：提前确认内容安全过滤的设置，知道哪些任务会被拦截。多数 AI 工具产品都内置了内容安全相关的能力，WorkBuddy 也不例外。我在用它的过程中发现，某些特定表述或敏感场景下，任务可能被过滤机制直接拒绝或改写。正确做法是：早点找到设置里的相关开关，了解你的工作场景会触发哪些限制，这样就不会在关键时刻发现任务被拦下来，白忙一场。这从来不是让你去规避产品设定的边界，而是提前校准预期——哪些活儿它确实接不了，就老老实实换人工处理。把它当成工具边界的一部分，使用时会从容很多。

4.3 任务拆小，边界分清

技巧 23：越是重要的任务，越要拆成小步骤逐轮确认。我最开始的错误是直接扔过去一个很大的需求："帮我写一个完整的活动策划方案"。结果它交回来的东西宏观上没问题，细节上有大量经不起推敲的地方。后来我改成：第一轮先聊目标、受众、资源；第二轮确定结构和重点；第三轮才让它输出完整方案。每一轮我都会确认方向没问题再继续。这样做的代价是多花几分钟交互，但收益是最终输出基本能用，返工率大幅下降。人和 AI 协作最怕的就是"一次性甩大活儿"，拆开来做才是效率最高的方式。

技巧 24：给自己建一张"敢与不敢"清单，贴在常用工作台旁边。这是三个月下来我认为最实用的一张表，它帮我在信心和能力之间建立了边界。

这张表不是一成不变的。随着你越来越了解 WorkBuddy 的实际表现，"敢"的范围会慢慢扩大，但"不敢"的那几栏，我建议永远保留。敢和不敢之间没有明确的分界线，唯一的判据是你对风险有足够的认知，而不是对 AI 有足够的信任。

5. 三个月里真正帮我挣回时间的三类场景

前四章解决的是"能不能用"的问题，这一章讲几个具体的场景。我不打算把所有场景都写一遍，只挑三个我真实做过、并且确实省下大量时间的场景，外加两个延伸想法：一个是把 WorkBuddy 变成团队工具，一个是多工具分工。如果你所在岗位完全不在这些场景里，同样值得读完，因为方法本身就是通用的。

5.1 文献综述有方法，别直接复制

技巧 25：用 WorkBuddy 做文献综述，关键在于"结构化拆文献"和"防幻觉验证"两步。我写过一篇行业相关的文献综述，最开始尝试直接把几篇 PDF 丢给它让它"写综述"，结果它写出来的东西读着很顺，但细看有几处引用的观点和原文根本对不上，典型的 AI 幻觉。后来我调整了做法：第一步，让 WorkBuddy 逐篇拆解文献，按"研究问题、方法、结论、局限、与本文关系"这五个维度输出结构化笔记；第二步，把多篇笔记合在一起，让它找共性和争议点；第三步，让它在生成综述每一段的观点时，必须写明依据来自哪篇文献的第几页或哪个段落，凡是给不出来源信息的内容一律标注"待核实"。这样生成的综述初稿虽然还要花时间核对，但骨架和思路已经基本省去我一半工作量，比完全从零开始写快很多。

5.2 客服负责人部署话术库

技巧 26：客服负责人用 WorkBuddy，先做三件事：话术库、规则集、每日总结。这是我的客服管理岗朋友亲测有效的路径。第一步，把团队自己整理的高频问题清单和对应回复逻辑交给 WorkBuddy，让它生成一版结构化的话术库，包括礼貌开场、问题定位、解决方案、安抚话术和结尾收口，之后每月按新问题迭代；第二步，把投诉分级和处理流程写成全局规则，让 WorkBuddy 在处理每个工单时自动按照分级标准给出处理建议，而不是每次重新解释一遍；第三步，每天把当天客服聊天记录脱敏后交给它做总结，自动输出高频问题 TOP 5、满意度风险点和新人薄弱项。这三件事大概花了一个下午配置，之后每天能省下客服主管接近一个小时的整理时间。但同样的提醒必须再说一遍：聊天记录涉及用户信息，先脱敏再使用。

5.3 知识库、Docker 与多工具分工

技巧 27：把 WorkBuddy 当个人知识库的加工厂，而不是数据库。我最开始试图把 WorkBuddy 当成所有资料的存储器，发现它聊完就忘，根本不适合当数据库。后来我调整思路：它负责加工，我负责存储。具体流程是：看到一篇好文章，先让 WorkBuddy 压缩成 300 字摘要并提炼出 3~5 个标签，我再把摘要和标签存进自己的笔记系统。写博客的时候反过来，先扔给它一堆零散笔记，让它整理出大纲和素材清单，我再逐节展开。这样 WorkBuddy 扮演的是"信息加工厂"，而最终的知识沉淀还是握在自己手里，既高效又不会丢东西。

技巧 28：需要定时任务或服务端运行时，用 Docker 部署更干净。如果你想把 WorkBuddy 的某些能力变成定时自动跑的服务，比如每天早上整理待办、定时抓取数据并生成报告，Docker 部署是一个省心方案。大致思路是：拉取官方镜像，把数据目录挂载到宿主机，映射需要的端口，让容器跑起来。之后配合 cron 之类的任务调度工具，到点自动执行。具体镜像名、挂载路径和端口以你使用的版本官方文档为准，但整体套路是通用的。容器部署的好处是环境隔离、迁移方便，你本地折腾坏了也不会影响宿主机，尤其适合在 Linux 服务器上干活的人。

技巧 29：WorkBuddy 和 CodeBuddy、Cursor、Trae Work 这类工具不是取代关系，是分工关系。这几个产品我都用过一段时间，各自的侧重点确实不一样。我的个人分工是这样的：重度代码原生开发场景，比如长期在 IDE 里写业务逻辑、调试、做代码重构，我会用更偏编辑器的 Cursor 或 Trae Work 这类工具；而 WorkBuddy 我主要拿来做跨场景的工作台任务，比如写文档、整理资料、处理客服话术、做分析报告，以及把一系列任务用规则和 Skill 串起来。实际使用下来，与其纠结"哪个更强"，不如确认"哪个更适合当前场景"。很多人的问题不是工具不够好，而是用错了战场。

5.4 每周复盘，让 WorkBuddy 持续进化

技巧 30：每周花 15 分钟复盘规则和 Skill，让 WorkBuddy 跟着你一起进化。这是最后一个技巧，也是我认为最重要的一个。WorkBuddy 不是那种配置好就一劳永逸的工具，你的需求在变，它的能力边界在被你一点点试探出来。我每周五下午会做一轮简单复盘：这一周它在哪些任务上表现最好，哪些任务上让我不满意，是因为规则没定清楚，还是因为 Skill 不匹配，还是因为它真的做不到。然后把复盘结果转化成行动：新增一条规则、改一个模板、启用一个 Skill，或者把某个任务从"敢"挪回"不敢"。三个月下来，我的规则从最初的 3 条迭代到 8 条，Skill 从 20 个精简到 6 个，WorkBuddy 的输出稳定性肉眼可见地变高了。工具本身没有变，变的是我对它的使用方式。

最后说点个人体会。三个月前我差点因为第一次使用体验卸载掉 WorkBuddy，三个月后我敢把文献综述初稿、客服话术库、上线检查清单这类正经活儿交给它。中间没有发生什么奇迹，我只是按上面的步骤一步步把规则立起来、把 Skill 理清楚、把边界想明白。如果你刚拿到 WorkBuddy，我建议你只做两件事：先把缓存目录换了（技巧 2），再定三条基础规则（技巧 4）。其他的，留着遇到具体问题时再回来翻。希望你能少走一点我走过的弯路，早点把活儿放心地交给它。