本地AI工作台实战：用WorkBuddy自定义指令与Skill搭建述职报告生成器

上季度述职那天，我走进会议室只带了一台笔记本。汇报到一半的时候，老板突然打断了我的节奏，把 PPT 往前翻了两页，说：“这份总结有感觉，谁帮你写的？”我指了指屏幕上正在后台跑任务的终端——一个叫 WorkBuddy 的本地 AI 工作台。它没有替我“编故事”，而是把我扔进去的一堆周报、项目纪要、聊天记录、数据表，重新组织成了一份逻辑清晰、有数据支撑、有复盘有计划的述职材料。

今天这篇不写软文，而是我完整还原“如何用 WorkBuddy 搭建述职神器”的全过程。包括为什么选它而不是网页版大模型、自定义指令怎么写、skill 怎么设计、述职内容如何从“流水账”调成“老板有感觉”的版本，以及我在过程中踩过的坑：权限报错、内容输出慢、C 盘空间暴涨、模型切换。如果你也要年中述职、转正答辩、季度总结，这套流程可以直接照搬。

1. 为什么偏偏是 WorkBuddy：网页版对话解决不了的三个问题

很多人第一反应是：述职材料让 ChatGPT 写不就行了？我也试过，而且不止一次。网页版对话最大的问题不是“写得不好”，而是它压根够不到你的材料。

1.1 述职材料是本地素材，不是网上答案

真正的述职素材长什么样？一年下来十几份周报、三四个项目的复盘文档、群聊里随手记的决策信息、乱七八糟的 Excel 数据表、甚至还有几段会议录音转写的文字。网页版对话框里你只能一段段复制粘贴，贴到后面它早忘了前面的内容，更别提跨文档找逻辑关系。

WorkBuddy 这类本地工作台的第一个价值，是它可以直接读取你指定目录下的文件。我建了一个review/文件夹，把散落在各处的周报、项目文档、数据表全丢进去，然后让它“先通读一遍这个目录，总结出我今年主要做了哪几块事情”。这相当于给它配了一双能翻本地文件的“手”，而不是只能隔着屏幕听你描述。

1.2 输出要稳定遵循同一套框架

网页版大模型每次回答都像开盲盒。今天让它写述职，它给你分五点；明天再问，它给你分八点。格式不统一也就算了，关键是它经常写出“在领导的指导下”“积极响应公司号召”这种正确的废话——你复制进 PPT 里自己不尴尬，老板看着尴尬。

WorkBuddy 的自定义指令（Custom Instructions）解决了这个问题。你可以一次性定好规则：禁止喊口号、每个结论必须带数据佐证、按“结果-方法-复盘-计划”四段式输出、描述项目时用“动词+对象+量化结果”的句式。定完一次规则，之后所有任务都默认遵守，不用每次重新叮嘱。

1.3 工作流要能沉淀、复用

网页对话的另一个硬伤，是这次问完了，下次要从零开始。但述职不是一次性需求，季度总结、年度述职、转正答辩、项目复盘，结构其实高度相似。WorkBuddy 的 skill 机制让我可以把“述职报告生成”做成一个标准化的技能包，里面包含输入要求、处理步骤、输出模板。下次再写总结，一句“调用述职 skill”，整套流程自动跑起来。

2. 搭建 WorkBuddy 工作台：从安装到模型接入

如果你已经装了 WorkBuddy，可以直接跳到第三章；如果你还在犹豫，这一章把我从零到一的过程完整过一遍，包括最容易被卡住的环节。

2.1 安装：三个平台我都跑过一遍

我先说结论：WorkBuddy 对系统的要求不高，普通办公笔记本就能跑，但三个平台的安装方式不太一样。

• Windows：直接下载安装包，一路下一步就行。注意安装路径不要带中文，否则后续某些脚本工具解析路径会出幺蛾子，这点后面讲临时目录的时候还会再提。
• macOS：推荐用 Homebrew 装，命令就一条。装完之后首次启动如果提示“无法打开，因为来自身份不明的开发者”，需要去“系统设置-隐私与安全性”里点一下“仍要打开”。
• Linux / Ubuntu：终端跑官方安装脚本，依赖会自动装好。我测试时用的是 Ubuntu 22.04，Python 3.10 以上版本就没有兼容性问题。

装完之后，第一件事不是急着问东西，而是先确认它能不能正常读取你的项目目录。我当时建了一个测试文件夹，放了三个 txt 文件，让它总结每个文件的核心内容。能正常返回，说明基础环境没问题。

2.2 模型配置：为什么我最后接了 DeepSeek

WorkBuddy 本身是个“壳”，它要跑起来必须接一个大模型 API。默认会引导你配置 Anthropic 或 OpenAI 的 Key，但我实测了一圈之后，日常跑述职工作流用的最多的反而是 DeepSeek。

原因很实在：便宜，而且中文表达更对味。述职材料全是中文，DeepSeek 对中文语境的理解和措辞拿捏明显更自然，不会出现“优化业务流程赋能生态闭环”这种拗口的机器味表达。成本上更是天差地别，我整个季度跑下来，模型费用几乎可以忽略不计，用的还是官方 API。

配置方式也不复杂，在模型设置里选择自定义接口，填入 DeepSeek 的 API Base 和 Key，测通之后设为默认。我建议不要只配一个模型，而是配至少两个：

• 逻辑要求高、内容量大的任务（比如通读所有周报提炼亮点），用更强的模型，慢一点没关系；
• 快速修改、格式整理、数据重新排版这类轻任务，用便宜快速的模型，省钱还快。

2.3 第一个坑：502 write eacces 权限报错

安装完还没跑几个任务，我就撞上了报错：502 write eacces。看着像模型接口的问题，其实跟模型一点关系都没有。查了一圈日志，发现是 WorkBuddy 的临时目录没有写入权限——它默认把临时文件写到系统盘某个受保护的路径下，在部分 Windows 和 Linux 环境下，这个目录的权限被限制了。

解决方式很简单：把临时目录改到你自己的数据盘或者用户目录下。在配置文件的“临时文件夹”设置项里，改成D:\workbuddy_tmp这种路径，重启之后问题消失。后来我在 C 盘空间紧张的时候又遇到过一次类似的存储问题，一并放到第六章细说。

2.4 跑通最小闭环：让 WorkBuddy 做一次信息整理

环境配置好之后，我建议你先做一个最小测试：扔给它一份 3000 字左右的项目总结，然后下一个指令：“提取这份文档里的所有量化结果，按项目名称、关键动作、数据提升整理成表格，不要加入任何原文没有的信息。”

这一步是检验三件事：文件读取是否正常、模型调用是否稳定、自定义指令是否生效。我的第一版指令就是从这里开始迭代的。

3. 述职神器的灵魂：自定义指令与 skill 设计

工具调通只是开始，真正让 WorkBuddy 从“能用”变成“好用”的，是自定义指令和 skill。这一章我把自己的设计思路和完整模板交出来。

3.1 全局指令：一条规则，所有任务生效

WorkBuddy 支持设置全局指令，也就是不管你在当前会话里让它干什么，它都会默认遵守的那套规则。这个入口非常关键，强烈建议把“通用写作规范”放在这里，而不是每次手动加。

我的全局指令里目前有五条核心规则：

1. 禁止输出空洞口号和套话（例如：赋能、抓手、闭环、积极响应）。 2. 所有陈述必须有事实或数据支撑，无数据支撑的观点要标注“待补充”。 3. 描述具体动作时，使用“动词+对象+结果”句式，禁用形容词堆砌。 4. 中文输出，默认面向职场正式汇报场景，用词要直接，不绕弯。 5. 涉及量化数据时，保留原始数字并注明数据来源时间。

这五条规则对之后所有任务都生效，不管是我让它总结会议纪还是要它生成 PPT 大纲，输出质量都稳定了很多。特别是“无数据支撑的观点要标注待补充”这条，保证了 AI 不会为了好看而编数据。

3.2 述职场景的专属指令：我的一份核心模板

全局指令负责通用规范，述职场景还需要一套针对性指令。我每次生成述职材料时会手动补一段场景指令，或者直接封装进 skill 里。核心模板如下：

你是我的述职顾问，有十年互联网行业管理经验。接下来请你基于用户提供的素材，按照以下要求完成述职材料的撰写： 结构要求： 1. 开篇用一段话总述本周期整体结果，不超过150字，必须包含最核心的1-2个量化指标变化。 2. 完成事项按“结果/方法/复盘”三段式展开，每个事项先列结果，再写关键动作，最后写明不足。 3. 每个事项必须回答“为什么是我做这件事”和“这件事对公司业务有何实际影响”。 4. 结尾列出下阶段计划，计划必须与前面提到的不足一一对应。 语言要求： - 每件事的标题用“短句动词开头”，例如“完成XX系统重构，接口耗时下降42%”。 - 禁止出现“在领导的指导下”“在团队的共同努力下”等推功表述，属于我的成果就直接写。 - 全文不超过2000字，信息密度优先，宁可短，不能水。

这套指令经历过多次迭代。最初版本只写了“帮我写一份述职报告”，输出结果像一张平平无奇的简历。后来我逐渐明白，老板看述职真正想得到三个答案：你做了什么、做成了什么、你踩了什么坑又能拿出什么解法。所以“部分失败的方法论复盘”一定要占一定篇幅，不能全是报喜。

3.3 Skill：把“述职生成器”变成可复用能力

指令模板好归好，但每次打开 WorkBuddy 手动粘贴一长串也太麻烦了。Skill 机制解决的就是这个问题。简单理解，skill 就是一套“预置的、可命名的任务包”，里面打包了指令、输入要求、输出格式、甚至参考示例。

我在自己的 skill 库里建了一个workbuddy-述职生成器，整体结构分成四步：

1. 素材通读：自动扫描指定目录下的所有文档，提取时间、项目、指标、关键决策四类信息，生成一份“素材摘要”；
2. 亮点挖掘：基于素材摘要，筛选出最有价值的三到五件事，按影响范围排序，标注哪些可以用数据说话；
3. 框架生成：按 3.2 的模板生成完整述职初稿，同时输出一个 PPT 大纲（每页标题+核心要点+建议配图）；
4. 老板预审：模拟一个苛刻的领导视角，从逻辑、数据、竞争力三个维度挑毛病，补充修改建议。

实际跑一个季度述职，从扔进素材到产出初稿，半小时以内就能完成。剩下最花时间的是人工微调——把那些 AI 不知道的“背景故事”和“人际细节”填进去。

SkillHub 上有不少别人分享的现成 skill，我会先看别人怎么写“评审类”技能的，再回过来改造自己那份。社区里的东西拿来就能用，但强烈建议你再花半小时改成自己的行业用语，通用 skill 和量身定制的效果差距很大。

3.4 几条“促活”指令推荐

除了整体框架，还有几个高频实用的短指令，可以单独触发：

• /tone 切换：把整段内容从书面语改成口语，方便你现场讲，而不是照着念 PPT；
• /weak 找漏洞：列出当前述职材料里最容易被挑战的三个点，给出回应策略；
• /data 查漏补缺：扫描全文，找出所有没带数据的“虚”陈述，并给出去哪里找对应数据的建议；
• /compare 对手视角：假设一位同级同事也做了类似项目，你的差异化优势在哪里。

这些短指令不用额外设置，把需求描述清楚，配合全局规则就能输出不错的结果。

4. 完整实操：从一堆工作流水到述职材料四步走

理论讲完，用我这次真实的季度述职全程走一遍，你能直观看到每个环节怎么跟 WorkBuddy 交互。

4.1 第一步：素材收拢，别做任何预处理

我先在本地建了一个review/2025-Q2/目录，把该季度所有相关材料一股脑丢进去：12 份周报、4 个项目复盘文档、2 个数据统计表格、若干条工作群聊里关于需求变更的截图转文字记录。这一步我刻意不做人工筛选，因为人太容易在整理素材时就开始“自我美化”，反而会漏掉一些值得写的东西。

WorkBuddy 的任务是：“通读 review/2025-Q2/ 目录下所有文档，生成一份素材摘要，按项目维度分组，每个项目标注周期、参与角色、关联数据、关键里程碑，并列出你发现的信息冲突或缺失。”

这一步实际跑了六七分钟（我用的普通档模型），产出的摘要质量高得超出预期。它甚至发现我两份文档里提到同一个指标但数字不一致，专门列出来提醒我核实，这个细节当时就帮我避免了一次汇报事故。

4.2 第二步：亮点挖掘，把“做了很多事”压缩成“做成了几件事”

素材摘要出来后，我下了一个关键指令：“从素材摘要中筛选出最重要且最能体现个人价值的 3-5 件事，排序推荐，并给出理由。重点考虑：业务结果影响最大、难度最高、个人角色最核心的事件。”

这一步是整个人机协作里最出彩的地方。人的本能是“什么都想说”，AI 则是“只能精选五条”，它会逼你面对取舍。我原先觉得那个“维护老系统”的工作很琐碎不值一提，但 WorkBuddy 发现这个系统支撑了全公司三成的订单量，并且我在上面做了一次关键的性能重构——这被我完全忽略的点，最后成了述职里老板最感兴趣的一块。

4.3 第三步：生成述职初稿与 PPT 大纲

亮点确定后，我调用述职 skill 的“框架生成”环节，让它基于亮点清单生成全文初稿和 PPT 大纲。整个过程大约十分钟。

PPT 大纲的输出格式我做了约束，每页只保留：

页面标题（必须是一个带动作和结果的完整句子） 核心要点（3-4 条，每条例不超过 25 字） 建议配图（数据图/流程图/截图）

这个格式很有用，因为大部分人不缺内容，缺的是“怎么把内容拆到每一页”。AI 给出页面骨架后，我再逐页补充自己掌握的细节，比如客户原话、团队协作经过，把干巴巴的要点变成有画面的故事。

4.4 第四步：语言打磨，把“流水账”调成“有感觉”

初稿出来必然还是有点“机器感”，这一步就是 WorkBuddy 的强项了。我给它下发了几轮针对性修改：

第一轮，把每段开头改成“动作+结果”句式。 第二轮，把空泛表述全部替换成带数据锚点的版本。 第三轮，全文砍掉 30% 字数，只保留高信息密度句子。

以一句话为例，原始初稿写的是“负责订单模块的重构工作，提升了系统性能”。改完之后是“主导订单模块重构，高峰期接口平均耗时从 1.8s 降至 0.6s，系统容量提升了两倍”。同样一件事，后者让老板一眼看到价值。这轮修改我反复跑了两遍，每次都会发现还能再砍掉一些啰嗦的内容。

5. 老板说“有感觉”，功夫在报告之外

工具和流程讲完了，最后聊一个偏“软”但同样关键的问题：为什么 AI 生成的述职材料容易“没感觉”，以及我做了哪三个调整让它变得有温度。

5.1 为什么 AI 写的东西总是“满而不透”

我最早测试的时候，WorkBuddy 生成的材料面面俱到，每条工作都有数据、有结果、有方法，读起来却像一份事无巨细的说明书。后来我意识到问题出在“密度太高”和“没有取舍”。

真正的述职汇报，信息量不是越多越好，重点是要让听的人有“记忆锚点”。如果每件工作都是重点，那就等于没有重点。一份材料让老板记住三件事，比让老板看过二十件事要有感觉得多。所以我在指令和人工校验阶段，都会刻意做减法：删掉那些虽然做了但对业务结果影响不直接的事，保留最核心的三到五个亮点。

5.2 指令里的三个关键要求：取舍、反差、暴露问题

我后来在指令模板里追加了三条明确的写作要求，这三条改变了述职材料的质感：

第一，每个项目都要有“前后对比”。不管是数据提升、流程缩短、还是成本下降，必须有对比才有冲击力。“比上个季度快了两倍”永远比“速度很快”有感觉。包括一个项目失败的部分，也要说清楚“当初预期的目标是 A，实际结果是 B，差距在哪”，这种反差本身就是故事。

第二，主动暴露 1-2 个不足，并且每个不足后面必须跟着下个季度的解法。老板见过太多只报喜不报忧的汇报，你一旦敢于说“这件事我没处理好，原因是需求判断失误，下阶段我会用最小可行方案先验证再投入”，信任感反而会上升。WorkBuddy 在生成材料时会自动加一个“短板复盘”板块，我再人工补充真实细节。

第三，每件事回答“为什么是我”。这一点最容易被人忽略。同样的结果，是你主导推动的，还是你作为螺丝钉参与的，完全不同。述职不是项目汇报，核心是“你的个人价值”。指令里我专门写了“排除非个人主导的因素，集中展示你的独立思考和执行能力”，让材料避开“团队功劳”“公司平台”这些模糊带过的地方。

5.3 用 WorkBuddy 做“老板视角”预审

材料写完之后，我让 WorkBuddy 干了一件很像“抬杠”的事。指令如下：

现在请你从一位非常苛刻的部门负责人的视角审查这份述职材料。你的目标是找问题，不是夸人。重点关注： 1. 哪些结论数据支撑不充分，可能被追问？ 2. 哪些成果的归因是否成立，是否可能被质疑为团队或平台因素？ 3. 叙事逻辑是否有跳步，内行人一听就觉得不合理的点？ 4. 哪些语句显得态度不谦逊或协作意识不足，需要调整措辞？

这轮预审帮我找出三个关键漏洞：一个是某项数据跨了两个统计口径，被追问会露馅；一个是我把一个团队共同完成的项目写成了完全个人产出，容易引发同事不满；还有一个是下季度计划的优先级排序没有解释理由。这些问题都是在正式汇报前被拦下来的。这套“预审”流程其实任何人都能用，只需要把自己的材料丢进去，扮演一个挑剔的老板就行。

5.4 最终人机分工：AI 出框架，人补故事

材料定稿后，我复盘了整个流程，最深刻的感受是：WorkBuddy 出色的地方不是帮你“跳过思考”，而是帮你“重新思考”。它把海量素材压缩成可决策的结构，把每句话打磨成有数据支撑的表达，但那些真正让老板“有感觉”的瞬间——比如一个项目背后你连续加了几天班解决的突发问题、客户一句感谢、团队内部的争论和妥协——这些部分 AI 不知道，必须你自己填进去。

我在 PPT 里保留了三个 AI 绝对不会写出来的故事点：一次上线的深夜回滚、一个关键客户从质疑到认可的完整过程、一次主动提出放弃旧方案的决策。这些内容才让整个汇报有了“人味”。AI 负责让你的逻辑无懈可击，你负责让内容有灵魂，两者的分工就是这样。

6. 稳一点，快一点：输出慢、缓存膨胀、模型切换的实操经验

WorkBuddy 用顺手之后，我陆续遇到几个影响体验的问题，逐一排查解决了，顺便把处理方案整理成一个速查表给到大家。

6.1 内容输出慢：不是模型慢，是任务给太重

有段时间我让它“读完整个 review 文件夹后直接输出完整述职材料”，结果跑了二十多分钟还没结束，看起来像卡死了。后来发现这是我的用法问题：一次性把所有任务堆给它，它需要先读十几个文件、再做分析、再生成长文本，整个过程串行执行，自然慢。

解法是把大任务拆小。用我前面 4.1 到 4.4 的四步流程，每一步都是独立的会话或独立指令，尤其是“素材摘要”和“初稿生成”分开跑，速度提升非常明显。另外，轻量任务切换到一个更快的模型也能提速，这就是 6.3 要说的模型切换。

6.2 C 盘空间突然爆炸：缓存目录迁移

用了两周之后，我无意中发现 C 盘空间少了将近 10GB。排查了一圈，定位到 WorkBuddy 的缓存和临时文件默认占用系统盘。当时 C 盘本来就紧张，这个空间占用直接让电脑开始变慢。

处理方法分两步：第一，把缓存目录和临时文件夹统一改到 D 盘（配置项里可以指定绝对路径）；第二，定期清理历史任务产生的中间文件。清理的时候注意别把 skill 配置和自定义指令文件误删了，最稳妥的做法是只清理临时目录，保留config和skills目录。

6.3 workbuddy switch 模型切换：什么时候该切

WorkBuddy 支持多模型并存，用 switch 指令在不同的模型配置之间切换。我的日常策略是：

切换本身没有成本，一条指令几秒就生效。关键是要养成“任务前先想一下该用哪个模型”的习惯，而不是全程一个模型跑到底。实测下来，同样一批材料的摘要任务，强模型和快模型产出质量差距明显；但到了改写句子阶段，快模型完全够用，省下的费用和等待时间都很可观。

6.4 常见问题速查表

最后把我遇到的几个问题和处理方式整理成表，给看到这里的朋友一个速查参考：

7. 最后几点体会

把 WorkBuddy 调教成述职神器的这一个月，我的工作习惯发生了不小的变化。过去写总结是“回忆-翻聊天记录-整理-硬憋”，现在变成了“日常素材持续归档-季度末交给 AI 做粗加工-我集中精力做选择和补充”。时间从两三天压缩到半天，质感和深度反而提升了。

但我始终提醒自己一件事：AI 只是放大器。如果你的季度本身没有产出亮点，任何工具都不可能凭空给你造出亮点；但如果你的亮点散落在日常琐碎里没有被挖掘出来，WorkBuddy 这类工具的价值就是帮你把这些珍珠从沙子里挑出来、串成串。

最后分享一个我后续打算继续扩展的小方向。述职 skill 这套框架完全可以迁移到其他场景，比如转正答辩、年度复盘、项目申报，甚至给团队做季度 OKR 对齐。我已经开始尝试把类似的“素材-提炼-框架-预审”四步流程封装成不同的 skill，应对不同汇报场景。用顺了之后你会意识到，WorkBuddy 更像一个“工作方法论容器”，述职只是我第一次真正把它跑通的场景，后面还有的是空间折腾。