企业官网建设流程全解析

1. 先搞明白WorkBuddy到底是什么，再决定装不装

我在社群和私信里被问到最多的一个问题，就是"WorkBuddy和普通AI聊天网站有什么区别"。这问题很关键，因为如果你只是把它当成一个能打字的对话框，那你根本用不上后面那些折腾安装、配规则、调记忆的功夫，直接用网页版聊天就完事了。

WorkBuddy本质上是一个带工作态的任务型AI工作台。它和聊天工具最大的区别在于三件事：第一，它把每一次对话组织成"工作任务"，而不是一条条孤立的问答流；第二，它允许你给AI设定全局规则，这些规则会像公司制度一样对后续所有任务生效；第三，它通过Skill、记忆库、MCP这类机制，把AI从"问一句答一句"变成"持续干活的老员工"。理解透这三个区别，后面所有操作你都能自己推导出来，而不是死记按钮位置。

从热搜词里我注意到，很多人关心"WorkBuddy和CodeBuddy的区别""国际版""Linux版""本地化部署"，这说明这工具的实际用户早就超出了"只会点鼠标"的范围。它被用来生成网站、整理备考资料、做自动化脚本、管理跨对话的长期项目，甚至有人拿它当团队协作的知识库前端。所以这篇教程我不会只讲"怎么装怎么问"，而是把零基础最容易卡住的几个环节——安装、工作流、规则、记忆、部署、插件——全部拆开讲清楚，附带我实际跑过的配置和踩过的坑。

适合看这篇的人有三类：一是刚下载WorkBuddy不知道从哪下手的新手；二是已经用了几天但觉得"AI还是不够聪明"、想通过自定义指令和Skill提升效果的中度用户；三是想在Linux服务器或本地上做部署、把缓存目录改到D盘、接入MCP外部工具链的进阶玩家。我会按这个顺序来，就算你只看前两章也能正常上手。

2. 安装与首次配置：版本选型、系统要求和最容易被忽略的账户设置

2.1 桌面版、网页版、Linux版到底选哪个

WorkBuddy现在的发行形态比我刚接触那会儿丰富多了，大体上有这么几类：

• 桌面客户端（Windows/macOS）：最推荐新手用。理由是它自带完整的任务工作台界面、上下文管理、记忆库入口，且可以在本地文件系统里直接读写项目文件，生成代码、文档后落地保存很方便。
• 网页版：适合临时用、或者在别人电脑上应急。功能上会有阉割，尤其是本地文件读写和部分插件能力，因为浏览器沙箱限制死了。
• Linux版（含Ubuntu发行版对应的安装包）：适合做本地化部署、跑批处理任务、或者你本身工作机就是Linux。不少人是装在服务器上通过网页端远程访问，这个我后面第五章单独讲。
• 命令行版本：严格说不是独立版本，更像是桌面端内置的终端交互模式，适合批量调用和脚本化操作。

选型建议就一条：你的主要使用场景在哪台机器上，就把完整版装在哪台机器上。不要试图用网页版完全替代桌面版，尤其你要用到"生成网站并发布"这种涉及文件工程的功能时，本地版体验会稳非常多。

2.2 安装过程中三个容易出问题的点

安装本身不复杂，但我在不同电脑上装过七八遍，有几个坑值得提前说：

第一，安装包来源要认准官方渠道。这工具热度上来之后，第三方下载站开始出现各种捆绑包。我只从官方站点下载，判断标准是域名和软件签名，国内用户直接在搜索引擎里找官方站点时注意别进推广位。装完看数字签名是否有效，无效的直接删。

第二，首次启动时建议关闭代理类软件。这不是什么敏感操作，纯粹是因为这类工具的登录和更新需要连官方服务，代理类软件可能导致验证码刷新失败、登录超时，我遇到过两次卡在"正在同步账户信息"界面。关掉后一次就过了。

第三，默认缓存目录在C盘，建议一开始就改掉。热搜里有人问"系统缓存目录能改到D盘吗"，能，而且最好是安装完第一时间改。Win版通常在设置里的"存储/缓存路径"直接改；如果没有这个选项，可以用文件系统软链接的方式。命令大概是：

# 假设原缓存路径为 C:\Users\你的用户名\AppData\Roaming\WorkBuddy\cache # 先在D盘建好新目录后，用管理员CMD执行： mklink /J "C:\Users\你的用户名\AppData\Roaming\WorkBuddy\cache" "D:\WorkBuddyCache"

macOS下同理用ln -s。这样做了之后，模型把中间文件、临时工程写到D盘，系统盘不会三天两头飘红。注意一个细节：要在登录前做这个迁移，否则登录后已生成的账户数据路径就固定下来了，再改会出现两处缓存并存的情况。

2.3 账户设置里决定后续体验的三件事

登录之后别急着开问，先去账户设置里确认三件事：

一是地区/语言设置。WorkBuddy有国际版和国内常规版的区分，国际版在语言包、更新节奏上会更激进一些，有海外协作需求或者想用新功能的人可以切；常规版胜在稳定，账号体系与国内生态打通。你按自己实际场景选就行，核心是别中途反复横跳，因为两边的数据是隔离的。

二是模型优先级和积分策略。默认情况下它会自动给你选一个"推荐模型"，但很多新手不知道不同模型消耗积分的速度差了十倍不止。我的建议是：日常闲聊、文案润色用轻量模型；代码生成、复杂推理用强模型。你得先在设置里把"自动切换模型"关掉，手动固定好，否则钱包会悄悄变薄。

三是全局指令的初始模板。有些版本第一次进入时会引导你设置"工作台规则"，千万别跳过，这就是热搜里"给WorkBuddy定几条规则，后续对所有任务都生效"的那个功能入口。如果你已经跳过了，可以在工作台右上角的规则/指令设置里补上，下一节我给你一套可以直接抄的规则模板。

3. 核心工作流走一遍：从一个需求到网站发布的全过程

3.1 工作台的基本布局到底怎么用

WorkBuddy和普通聊天的最大区别，在于它把任务拆成了"项目-任务-对话"三层。

• 项目：相当于一个文件夹，承载某个业务场景下的所有任务。比如"个人博客站"是一个项目，它下面有一堆任务。
• 任务：一次有明确目标的工作单元。比如"生成首页布局"是一个任务，"写三篇SEO文案"是另一个任务。
• 对话：任务内部的多轮交互记录。

强烈建议从第一天就养成"先建任务再发指令"的习惯，不要在一个任务里连续干八小时毫不相干的事。我见过太多人把这个工作台用成聊天框，最后上下文塞满，AI越答越偏。正确姿势是：每接到一个新需求，新建任务，填目标，再开聊。

3.2 零基础也能照抄的Prompt公式

在任务对话框里写需求，新手最容易犯的毛病是只给一句话："帮我做个网站"。这就像你跟一个刚入职的实习生只说"你去搞个方案"一样，他大概率给你一份谁都用不了的垃圾。

我长期在用的Prompt结构是四段式：

• 角色：你是什么身份。比如"你是一个资深前端开发工程师，擅长Tailwind CSS和响应式设计"
• 目标：交付物是什么。比如"生成一个单页落地页，包含顶部导航、产品卖点区、常见问题区、底部CTA"
• 约束：不要什么、必须什么。比如"不要使用重型UI框架，用原生HTML/CSS；全中文；移动端优先"
• 验收标准：你怎么判断它干完了。比如"代码能直接在浏览器打开预览，且图片位留了可替换的占位符"

举一个我今天刚跑过的实例。我给自己建了个"博客导航页"任务，输入是：

你是一个前端开发工程师。请生成一个博客大全导航页，包含顶栏、分类筛选区、站点卡片列表。要求：纯HTML+CSS，无依赖，移动端自适应，卡片包含站点名、一句话简介、标签。先输出文件结构，再逐文件输出完整代码。

结果它先列了三个文件的目录结构，然后一个文件一个文件地吐代码。我不需要它一次输出三千行把自己写崩，这个"分步骤交付"的对话节奏就是靠约束定义出来的。

3.3 生成的内容怎么验收、怎么发布

拿到代码后不要直接信，按这套流程验收我用了半年零翻车：

1. 先把代码保存到项目文件夹里，在本地浏览器打开，看看布局是否正常，有没有中文乱码（乱码多半是缺<meta charset="utf-8">）
2. 让AI自查一遍："上面的代码有没有语法错误？有没有我替换图片时可能漏掉的硬编码路径？"
3. 让AI补充项目说明："给这个项目写一个README，说明目录结构、部署方式、如何替换内容。"

发布这一步，WorkBuddy提供了"生成网站并发布"的选项，本质上是把你的静态文件推送到一个预览托管服务上，生成一个临时链接。我实测下来很方便，适合发给朋友看效果、给客户临时验收。如果你要正式上线，我仍然建议把生成的纯静态文件下载下来，传到自己的服务器或托管平台，这是更可控的路线。WorkBuddy生态里也有这块的插件/扩展，但属于锦上添花，新手阶段没必要纠结。

3.4 顺带说下"OPC考试"这类特殊场景

热搜里出现了"workbuddy opc考试"，我在使用中确实见过有人用它来整理备考资料。做法很简单：把考点大纲或历年题粘贴进去，用规则限定"只输出精简笔记+记忆口诀+自测题"，然后让AI按章节分批生成。这属于典型的信息整理类任务，不需要任何复杂配置，核心就是把大任务拆成一个个小任务逐批喂给它，避免上下文爆炸。如果你为这东西专门下了WorkBuddy，那一章2.3的模型策略就更重要了——轻量模型干这个活完全够用，别开贵价强模型。

4. 自定义指令：人人都该给自己配一套"工作规章制度"

4.1 为什么必须给AI立规则

WorkBuddy这类工具默认是"有问必答、即时失忆"的，每个新任务开始时AI对你一无所知。你当然可以每次都把背景、偏好、格式要求重复一遍，但那太累了。自定义指令的存在，就是把这些重复劳动变成一份"入职手册"，让AI在每次开工前先读一遍，再干活。

我打个比方：你把AI想象成外包员工，每次发任务是一个新项目。如果你有一个"公司规章制度"文档，不管谁来干活都先被要求读三遍、签承诺书，那执行质量自然稳定。WorkBuddy的全局规则就是这个"制度文档"。它直接影响AI的思考过程、回复风格、输出格式，而且对后续所有任务生效——这正是热搜里那句"给WorkBuddy定几条规则，后续对所有任务都生效"的背后含义。

4.2 一套可以直接抄的规则模板

以下是我正在用的全局指令模板，覆盖了输出质量、格式、底线行为三类。你可以直接用，也可以删掉几条再替换成自己的风格：

【全局规则】 1. 回答语言：默认使用简体中文，术语可保留英文原词并加括号注释。 2. 专业性要求：涉及技术方案时，必须给出理由，不要只给结论。所有参数、命令、步骤必须可执行。 3. 代码输出约定：先列文件结构，再逐文件输出；代码必须包含必要注释；优先使用通用标准库，尽量减少第三方依赖。 4. 拒绝幻觉：当你不确定某个事实时，明确说"不确定"，并建议查证方式，不要编造数据。 5. 输出格式：长文先给大纲再展开；要点用列表；对比情况用表格；代码用代码块标明语言。 6. 安全红线：不输出任何违法违规、涉及隐私破解、绕过安全限制的内容。当用户要求明显违规时，直接拒绝并说明原因。 7. 项目协作：在同一项目的多个任务间，如用到之前的决定，先简要说一句"沿用XX任务中的结论"，再继续。

这里第七条很关键。它是把"跨对话记忆"和"自定义指令"结合在一起用的技巧，后面第五章讲记忆机制时你会更理解为什么要有这条规则。

4.3 规则优先级与常见失效原因

规则设好了不等于万事大吉。我实际用下来，发现存在一个"局部优先于全局"的逻辑：某个单独任务里手动指定的要求，优先级高于全局规则。比如你全局规则写了"回答默认中文"，但某个任务开头你顺手写了"用英文回复"，那这条任务会用英文。这是正常现象，不是Bug。

还有一个常见失效场景：如果你在长对话里明确让AI"忽略之前的规则"，它会倾向于遵从你最新的指令。这就像公司制度写着"上班不能摸鱼"，但老板今天亲口说"下午随便放松"，员工自然听老板的。所以当你发现AI突然不守规矩时，先检查是不是自己在最近的对话里说了什么"例外要求"。

规则模板设置完之后，建议做一次"规则生效测试"：开一个新任务，输入"请复述你的全局规则，然后告诉我你准备好干活了"。如果它能准确复述，说明配置生效了；如果它一脸茫然，回去检查设置是否真的保存成功、是否选对了作用范围（全局 vs 当前项目）。

5. 跨对话记忆和Skill：让工具从"聪明"变"懂事"

5.1 先区分三个容易混的概念：记忆、Skill、MCP

热搜词里同时出现了"workbuddy跨对话记忆skill""workbuddy mcp skill""workbuddy插件"，很多人分不清这三者，我在社区里也被问过很多次。这里用最直白的话拆开：

• 记忆：是AI对"你这个人/这个项目"的长期了解。比如你告诉过它"我的网站主要面向30岁以上的职场用户"，下次新任务它还记得。
• Skill：是把一段"做某类事情的完整流程"固化成可复用的技能包。比如你写了一个"生成落地页"的Skill，里面规定了文件结构、设计风格、验收清单，以后执行这个Skill就相当于一键调用那整套流程。
• MCP（Model Context Protocol的缩写）：是外部工具接入的标准协议。通过MCP，WorkBuddy可以调用本地或远程的工具服务，比如操作文件、查数据库、调浏览器渲染。

三者协同工作的方式是：记忆提供背景，Skill提供流程，MCP提供工具能力。一个是"知道你是谁",一个是"知道怎么干"，一个是"手上有家伙"。

5.2 跨对话记忆是怎么实现的

WorkBuddy的跨对话记忆并不是AI自己在脑子里记住了你，而是通过"记忆库"这个机制实现的——本质上是一份结构化或半结构化的文本记录，AI在每个任务开始之前会把相关记录注入上下文。

理解这一点后，你就明白两件事：第一，记忆是可以手动编辑和维护的；第二，记忆需要"让AI写进去"的机制。所以我建议在全局规则之外，单独设一条记忆维护规则：

当对话中出现以下信息时，需要主动写入长期记忆： - 用户的项目背景、目标人群、业务场景 - 用户明确表达的个人偏好（如技术栈偏好、界面风格偏好） - 做过的关键决策及原因 - 用户明确要求记住的事项 写入时用简洁的条目式描述。

这样每次对话结束，AI就会自己把值得记的沉淀下来。从一开始就养成这个习惯，用两周后，你会发现它越来越像你的老搭档。

5.3 手写一个最简单的Skill并跑通

说实话，新手没必要一上来就写高深的Skill，先从"模板化日常高频任务"开始最实际。我这篇教程以代码类场景为例，但逻辑适用所有领域。

在WorkBuddy里，Skill通常是一个包含指令、示例和参数定义的配置包。最简形式是这样：

name: "generate_landing_page" description: "生成一个移动端优先的静态落地页" version: "1.0.0" instructions: | 你是一个前端工程师，根据用户提供的主题生成静态落地页。 必须遵循以下流程： 1. 先输出文件结构（index.html / style.css / script.js） 2. index.html 必须包含：顶部导航、Hero区、卖点区、FAQ、底部CTA 3. 样式使用原生CSS，不引入任何框架，移动端优先 4. 输出完成后列出自定义项清单（标题、文案、颜色、图片替换位） examples: - input: "主题：咖啡豆订阅服务" output: "（此处粘贴一次标准输出的完整示例）" parameters: theme: type: string description: "页面主题"

在Skill面板新建时，直接把上面内容粘进去，保存后新建一个任务，输入"使用generate_landing_page生成一个主题为'咖啡豆订阅服务'的落地页"，它就会按Skill的流程走。这里最关键的经验是：示例一定要给。没有示例的Skill相当于只有规章没有案例，AI执行起来容易飘；有了示例，它就有了"锚点"，输出风格会更稳。

5.4 Skill、MCP和插件之间的搭配思路

进阶一点讲，这三者可以组合出很强大的工作流。比如你可以写一个Skill叫"weekly_report"，流程是：读取项目记录、汇总本周进展、生成结构化周报；然后给它挂一个MCP工具，让它能直接读取本地项目文件夹里的git提交记录；最后通过插件把周报推送到团队协作群里。

这种组合能力的价值在于：WorkBuddy不再是"对话框里的AI"，而是一个真正能指挥工具链干活的工作台。这也是为什么很多人把它拿来当本地方案的核心枢纽。Skill的价值会随着你积累越来越多而指数上升——每次给客户做不同类型的交付，你都可以沉淀一套Skill，做得越久越值钱。

6. 本地化部署、Linux环境和工程化配置

6.1 真需要本地部署吗，先想清楚这三个问题

每次有人看到"workbuddy本地化部署"几个字就热血上涌，恨不得立刻把一切都装在自家服务器上。我的建议是，动手前先回答三个问题：

1. 你是否有隐私或合规需求，不希望项目数据经过云端服务？
2. 你是否需要7x24小时运行，比如定时任务、自动化批处理，不能依赖本机开关机？
3. 你是否有一定Linux基础，能看懂服务日志、改配置文件、处理端口占用？

三个里中两个以上，才值得走本地化部署这条路。如果只是好奇，建议先玩熟桌面版再考虑，不然大概率装到一半就失去耐心。

6.2 Ubuntu环境安装的完整步骤与避坑

我在Ubuntu 22.04上装过WorkBuddy（Linux版），整体流程不算复杂，但有几个坑必须提前知道。基本步骤是：

# 1. 下载对应发行版的Linux安装包 # 2. 安装依赖（部分旧系统缺 libfuse2，导致AppImage不能运行） sudo apt update sudo apt install libfuse2 # 3. 给安装包赋执行权限 chmod +x workbuddy-linux.AppImage # 4. 运行 ./workbuddy-linux.AppImage

如果是Debian系之外的系统（比如CentOS/RHEL系），依赖包名会有些差异，需要装的是fuse-libs。装完运行后，如果界面出不来，多半是缺字体或者缺GTK依赖，用sudo apt install gtk2-engines之类就能解决。日志文件在工作目录下的logs/里，排查启动问题先看它。

6.3 资源占用与性能调优

本地部署最大的现实问题不是装不上，而是跑起来之后内存和CPU哗哗涨。我个人的阈值是：空闲内存低于4GB的服务器别硬上重模型，让模型走远程API、只把工作台本体部署在本地，这样最省资源。如果一定要本地跑推理模型，建议限制并发任务数，把"同时运行的任务数量"从默认的4改成2，内存占用能降30%左右。

另外，千万记得在服务器上开一个定期清理缓存的任务，尤其是本地部署模式下，生成的中间文件都留在工作目录，跑上一两个月能吃掉几十GB。我写了一个cron脚本每周清理一次超过三天的临时文件：

# 每周日凌晨3点清理3天前的临时目录 0 3 * * 0 find /opt/workbuddy/tmp -type f -mtime +3 -delete

6.4 把缓存改到D盘/数据盘：软链接大法再强调一遍

不管是Windows还是Linux，只要系统盘吃紧，都可以用软链接把缓存目录指到大容量磁盘。Linux下是：

# 先把现缓存目录整个挪过去 mv ~/.workbuddy/cache /data/workbuddy_cache # 再建软链接 ln -s /data/workbuddy_cache ~/.workbuddy/cache

注意顺序不能反，先搬后链。搬之前先把WorkBuddy完全退出，否则文件占用会导致搬运失败。做完了启动客户端，去"存储设置"里确认它显示的新路径确实生效了。这个操作对长期使用者来说，属于"早做早享受，晚做必后悔"级别的经验。

7. 积分体系、账户策略和怎么样不当冤大头

7.1 积分到底扣在哪，很多人根本没搞懂

积分是这类工具的默认计费单位，但新手很容易无意识浪费。我观察下来，消耗积分的典型大头有三个：

• 开重模型：哪怕是解释一句话，强模型也要比轻量模型贵数倍。
• 长上下文对话：在一个任务里无节制地对话，每轮都要把之前所有历史重新算一遍，越聊越贵。
• 自动生成图片/图表：这类多模态能力通常单独计费，而且单位积分很高。

省积分的第一原则：按任务难度选模型。别拿大炮打蚊子。第二原则：任务内不闲聊，聊废了就开新任务，别让上下文膨胀。第三原则：关闭"自动重试"或"自动扩写"这类增强性选项，这些都默认烧积分。

7.2 批量任务怎么做才省钱

如果你需要处理一批相似任务，比如把20个产品各写一段介绍文案，千万不要在同一个任务里一个个发指令。正确做法是：写一个通用模板（相当于一个微型的Skill），然后循环调用：

请基于以下参数生成20个产品的介绍文案，每条200字，输出为CSV表格： 产品1：名称A，卖点B，目标人群C 产品2：名称D，卖点E，目标人群F （...以此类推）

一次输出比二十轮对话便宜得多。这是我在日常使用中总结出的最实用的省钱技巧之一，尤其适合文案、信息整理、代码片段生成这类批量场景。

7.3 免费额度与订阅怎么选

每个新账户通常都有一笔初始体验额度，足够跑几十个轻量任务。用完后的策略我建议是：重度用户直接订阅，比单独充值积分划算；偶尔用的用户就按需购买积分包，别囤太多。积分有有效期，囤了不用到期作废，那才是真的冤大头。另外注意国际版和常规版的计价单位不同，切换账号体系时先算清楚。

8. 和CodeBuddy到底啥关系，选哪个不纠结

8.1 一张表看懂两者的定位差异

每次WorkBuddy和CodeBuddy一起出现在热搜上，就会有人问"是不是同一个东西换皮"。我的判断是：两者是同一家族的两个产品，但定位有明显侧重。简单粗暴地理解：

如果你主要工作是写代码，建议两个都装，各干各的专长；如果你不是程序员，只想要一个通用AI工作台，那WorkBuddy是更对路的选择。

8.2 为什么我日常主力是WorkBuddy而非CodeBuddy

说句实话，过去几千行代码级的大工程，我也会切到CodeBuddy这种纯代码向的工具，因为它对仓库索引、符号跳转这类能力确实打磨得更细。但当我发现WorkBuddy的任务记忆加全局规则组合起来后，它能在写代码时保持风格一致性、跨文件改需求时不会漏掉之前的约定——比如全局规则里写了"项目里一律用双引号、函数命名用驼峰"，它在多个任务之间真的能一直遵守——这就省了我大量"又忘了"的沟通成本。

如果你的核心痛点是"代码助手每次都要重新交代背景"，那WorkBuddy的跨对话记忆优势会非常明显。

9. 零基础上手最容易踩的五个坑，按严重程度排序

这一节是我在带几个朋友从零上手时总结出来的真实翻车案例，给新朋友提前打预防针。

坑一：跳过所有引导，直接开问，然后骂" AI 好蠢"。实际上绝大多数"蠢"是因为你没给它角色、目标、约束、验收标准。这不怪AI，怪你把它当成了真人。解决方式：先花十分钟配好全局规则，再按3.2的四段式公式发指令。

坑二：一个任务跑到天荒地老。聊天式习惯在面对任务型工作台时是灾难，上下文越长，AI越容易在细节上自相矛盾，积分消耗还快。解决方式：每个目标单一、边界清晰的新需求，都果断开新任务。

坑三：乱装插件。热搜里有"workbuddy插件"，这工具的插件生态确实丰富，但很多插件会改变默认行为，有的还会走外部服务烧积分。我见过有人装了一堆插件之后，A插件改过的规则被B插件覆盖，AI行为变得诡异。解决方式：新手期只装你确定要用的三个以内插件，磨合稳定后再做加法。

坑四：不读日志/不看错误输出，只会重新安装。遇到崩溃或异常，先在日志目录找最近一个错误日志，再考虑重装。真正解决不了的问题再卸载重装，而且重装后记得恢复全局规则配置（建议平时就导出备份一份）。

坑五：跨对话记忆没用起来，导致每天都在重复教AI。解决办法看第五章：要专门给AI下一条"值得记的东西要主动写入长期记忆"的规则，而且要定期手动维护记忆库，删掉过时的、合并重复的。养成这个习惯之后，这工具的价值才算真正发挥出来。

我最后再分享一个个人操作习惯：每天结束工作前，花三分钟看一下当天的任务列表，把已完成的归档，把还需要继续的任务附上一句"已做到哪一步"。这样第二天新任务一开，AI结合跨对话记忆，能无缝接着干。这比任何插件都管用，也是我用了这么久WorkBuddy最想推荐给零基础朋友的一个小动作。