WorkBuddy 必备15个技能推荐：从配置到实战的完整清单

最近后台总有人在问同一个问题：WorkBuddy 装了之后，到底应该先配什么、哪些技能才值得花时间折腾？这周正好赶上 9 月新版更新，我把从 1.0 时代一直用到现在攒下来的技能清单整体重筛了一遍，挑出 15 个真正值得装的技能。先说结论：WorkBuddy 这类 AI 工作台，一半战斗力在模型，另一半在你给它装的技能。模型只是“聪明的大脑”，技能才是让大脑会干活的“岗位手册”。这篇就把我的推荐清单、配置思路和踩坑记录全部摊开讲清楚。

这篇内容适合谁？刚接触 WorkBuddy 的新手可以照着抄作业，老用户能查到一些冷门设置细节。我会按“机制理解 → 清单速览 → 逐个拆解 → 实操配置 → 问题排查”的顺序来写，尽量做到你看完就能直接上手复现。

1. 先把底层逻辑说透：WorkBuddy 的技能到底是什么

很多人把技能当成“高级提示词”，这个理解不算错，但太浅了。我第一次接触时也犯过这个错误，以为 Skill 就是把一段几十行的 Markdown 粘进去。实际用下来才明白，一个完整的技能是三件套的组合：触发词（什么场景下激活）、工作流模板（分几步执行、每一步做什么）、输出规范（最终答案长什么样、用什么格式返回）。它不光是“告诉模型怎么想”，更是“告诉模型先做什么、再做什么、最后交什么”。

WorkBuddy 最让我满意的一点是技能的封装方式。你在主对话里只需要写一句“用文档工程技能把这个项目的 README 整理出来”，它会自动加载对应技能包，按技能里定义的步骤拆任务、调工具、跑流程，最后按模板输出。整个过程不需要你在对话里反复叮嘱“先看目录结构”“再读关键代码”“最后按规范写”，节省大量 token，也避免了模型“自由发挥”导致的格式漂移。

1.1 技能、MCP 和全局规则，一次讲清楚

这三者的关系是很多新手最晕的地方。我直接给结论：技能管“怎么做”，MCP 管“能做什么”，全局规则管“什么不能做”。

MCP 是外部工具连接协议，相当于给 WorkBuddy 装了手和脚，比如连数据库、连浏览器、连本地文件系统。技能是在有手有脚的基础上，规定怎么调配这些能力完成一个具体任务。全局规则则是长期有效的底线约束，比如“所有代码必须遵循项目现有风格”“回复必须用中文”。

我见过有人把本该写进技能的内容全塞进全局规则，结果每次对话模型都要处理一堆无关指令，既费 token 又容易触发冲突。正确的姿势是：规则管少量底线，技能管具体流程。

1.2 为什么我建议“技能优先”而不是“规则优先”

刚开始折腾 WorkBuddy 时，我也热衷于写一堆自定义指令，后来发现规则越多，模型越“钝”，有时候连简单问题都要绕一大圈。后来我把大部分规则改成技能，情况立刻好转。

原因很简单：规则是常驻上下文，你每次对话它都在后台消耗注意力；技能是按需加载，不用的时候就是档案柜里的文件夹。而且技能可以组合排列，比如“学术写作”技能内部可以调用“PDF 抽取”技能来读文献，这种嵌套复用是规则做不到的。9 月新版我注意到技能市场里多了很多第三方作品，成熟度比之前高了不少，配合跨对话记忆功能，基本能把一个长期项目完整地带起来。

2. 15 个技能清单速览：先看总表再决定装哪些

我这一版推荐有个筛选标准：必须高频、必须可复用、必须不挑模型。有些技能写得花里胡哨但只能跑通特定场景，我不会推荐。下面是完整清单，难度分“直接能用 / 要调一下 / 需要折腾”。

3. 逐个拆解：这 15 个技能怎么用、怎么配

下面按我的实际使用频率排列，不是按重要性排序，因为有些技能只在特定阶段特别重要，比如学术写作在赶论文周就是救命级别。

3.1 项目记忆：解决“换个会话就失忆”的老大难

这是我最先要说的一个技能，因为 WorkBuddy 默认的对话记忆是会话级的，新开会话之后，之前聊的技术方案、目录结构、决策记录全没了。项目记忆技能做的事情很简单，就是维护一个项目根目录下的记忆文件，每次任务结束后自动追加关键结论。

配置要点是给记忆文件定一个固定路径，推荐放在项目目录下的.workbuddy/memory.md，并且在技能里约定“每次任务完成时，最多追加 200 字，更新状态与结论，不保留过程性废话”。我在长期维护的一个微服务项目里用了三个多月，效果非常明显。新开会话后只需要说一句“加载项目记忆，继续昨天的事”，上下文立刻接上，不需要把过往决策重新说一遍。

需要注意一个坑：别让记忆文件的更新逻辑太激进。一开始我配置了“每次对话都同步全量信息”，结果几天后记忆文件膨胀到几十 KB，每次加载都要消耗大量上下文空间。后来改成只记录“状态变化+关键结论+待办事项”，体量控制在 2-3 KB，加载开销完全可以接受。

3.2 学术写作：从零到初稿的最短路径

写文献综述是 WorkBuddy 用户群里问得最多的需求之一，也是这个技能存在的意义。它内置了一套学术写作流程：先让用户提供主题和文献清单，然后按“背景 → 研究现状 → 方法对比 → 争议焦点 → 研究空白”的框架组织内容，最后自动生成符合期刊风格的引用标注。如果你配合 PDF 抽取技能一起用，甚至可以做到“给它一摞 PDF，它给你一篇结构完整的综述初稿”。

配置的时候重点改两个地方。一个是引用风格，默认是 APA，如果你所在的学科要求 GB/T 7714，需要在技能模板里显式指定。另一个是输出语言，中英文混排的处理逻辑不同，我建议按项目分开存两个版本。我是做工程方向的，但这个技能给课题组同事用过，一致反馈生成的综述骨架质量很高，最大的价值是帮你把几百篇文献的阅读压力转化成可修改的初稿，而不是从白纸开始恐惧。

3.3 全栈网页生成：描述需求到站点发布

“WorkBuddy 怎么生成网站发布”这事我专门研究过，核心就是靠这个技能。过去用 AI 写网站，最痛苦的不是生成页面，而是生成之后怎么把它变成一个能访问的站点。全栈网页生成技能内置了从技术选型到部署上线的完整链路：接收到需求后，先确认页面结构和交互复杂度，再选择适合的框架（静态站用纯 HTML 或 Astro，带后端用 Next.js 或 Flask），然后按“页面骨架 → 样式 → 交互 → 构建 → 发布”的顺序执行。

实际操作中我会先给它一个清晰的任务描述，比如“做一个产品展示单页，包含 Hero 区域、功能列表、价格表和联系表单，风格参考现代 SaaS 产品”，它会自动生成项目文件并在本地启动预览服务。发布的环节支持多种方式，最常见的是直接走静态托管或者推送到服务器。这里有个经验：如果需求里包含“登录、支付、实时聊天”这类重交互功能，不要指望一键生成，先让它输出架构方案再动手写，否则返工率很高。

3.4 代码审查与安全审计：上线前的最后一道闸

这个技能是“安全审核”热词背后真正的落点。它的工作方式是对指定目录做全面检查：硬编码密钥、SQL 注入风险、越权接口、依赖漏洞、明文传输敏感信息等。我最常用的场景是 git commit 之前跑一遍增量检查，只审查改动部分，速度快且不会把历史债务全部翻出来。

配置安全审计技能时有一件事必须做：在技能内部指定“检测到疑似密钥时只输出位置和类型，不输出完整值”。哪怕你是个人开发者，这个约束也要加，因为在共享会话或调试日志里，完整密钥一旦暴露就是事故。这其实引出一个更普遍的原则，任何涉及敏感信息的技能，都不要在输出规范里包含原始值。这个技能跑完会生成一份简洁的问题清单，标注风险等级和修改建议，你要是愿意，可以让 WorkBuddy 直接改，我一般会自己确认高危项。

3.5 SSH 远程运维：把服务器管理装进对话框

SSH 连接器本身是 WorkBuddy 的一个内置能力，但只有配合远程运维技能才能真正发挥价值。裸用连接器时，你得手动敲命令、看输出再决定下一步，体验跟手动连服务器没区别。装上技能之后，你可以说“连上生产环境，看看最近一小时的 Nginx 错误日志，按出现次数排序找出 Top5 原因”，它会自己完成连接、执行命令、解析输出、整理报告。

这个技能需要预先配置好连接信息，我建议用别名管理多台机器，比如prod-web、stage-api，技能内部按别名路由。同时需要在技能模板里加一条安全约定：“所有操作默认只读，除非用户明确要求执行修改类命令”。这个约定能避免很多事故。之前我见过有人让 AI 排查日志，结果 AI 顺手执行了rm -rf的教训，虽然那不完全是 WorkBuddy 的锅，但养成只读默认的习惯确实能救命。实际用下来，它对日志分析的效率提升是肉眼可见的，高频问题基本几秒钟定位。

3.6 全局规则管理：让所有任务都按既定口径执行

热词里“给 WorkBuddy 定几条规则，后续对所有任务都生效”指的就是这个方向。这个技能解决的问题很具体：你想要团队所有成员用同一个代码风格，或者希望所有回复都遵守同一个文风，但不想在每次会话里重复交代。它的运行机制是维护一组规则文件放在固定目录，启动新会话时自动加载。

我建议至少写四条全局规则：语言规则（默认使用中文回复，代码注释使用英文）、代码风格规则（参考项目现有习惯，不引入新范式）、输出规则（涉及技术方案时附上风险说明和替代方案）、安全规则（不输出敏感信息完整值，发现问题先提示再处理）。具体规则数量不建议超过十条，否则模型会被大量约束捆住手脚。装好之后可以验证一下，开个新会话随便问一个问题，看它的回答风格是否稳定，这是判断规则是否生效的最快方式。

3.7 测试用例生成：把“懒得写测试”变成历史

这是开发向用户中使用率最高的技能之一。给它一个函数、一个接口定义或一个模块路径，它能按正常路径、边界条件、异常输入三个方面生成测试用例。比较有价值的是它生成的用例不止是“覆盖”，还会针对边界值和异常场景写注释说明为什么这么测，方便你 review 时快速理解意图。

如果你的项目用了 pytest、Jest 或 Go test，可以在技能配置里指定测试框架和断言风格，输出会高度贴合项目现状。我在一个 Python 项目中测试覆盖率从 60% 出头拉到 88%，主要靠的就是这个技能。需要提醒的是，AI 生成的测试用例有时会自我印证，就是测试内部逻辑和待测代码的写法高度一致，导致改代码时测试也跟着错。所以技能里我加了一条要求：“生成用例时优先从需求行为出发，而不是从现有实现出发”，这个细节值得留意。

3.8 SQL 优化与数据库设计：面对慢查询不再抠头

这个技能集成的是建表设计、索引优化和慢查询分析。使用场景十分直接：把 EXPLAIN 的输出贴给它，它会分析是否有全表扫描、索引失效、隐式类型转换等问题，并给出重写建议。建表场景下，它能根据业务描述给出字段设计、类型选择、索引方案，并提醒那些“后知后觉”的坑，比如千万别用驼峰命名、时间字段要存 UTC 等。

我印象最深的一次是排查一个线上慢查询，原来跑了 3 秒多的统计 SQL，按照它的建议调整了索引顺序和 JOIN 写法之后降到 200 毫秒以下。关键点是它在输出里解释了为什么原 SQL 走了错误的执行计划，不只是给结论。这类技能的价值不是替代 DBA，而是帮你维持“写 SQL 之前先想索引”的习惯。

3.9 文档工程：写 README 不再从空白开始

项目写完了，文档一个字都没写，这个场景太熟悉了。文档工程技能会自动扫描项目目录结构、读取主要模块职责、分析入口文件和配置项，然后按标准模板生成 README、开发指南或使用手册。它特别擅长的是“从代码反推文档”，很多细节开发时忘了写，但代码里其实是有的。

配置上我会建议让它输出“中文为主、技术术语保留英文”，并在末尾附上快速开始和常见问题两个板块。生成文档后建议人工过一遍，尤其是安装部署部分，因为 AI 有时会把环境假设写得过于理想，比如默认你已经装好了某些依赖。整体来说，这个技能是那些“代码写得好但懒得写文档”的开发者最值得装的一个。

3.10 日志故障排查：把线性翻日志变成结构化分析

这个技能实际上是 SSH 远程运维技能的强化版，适用于需要在本地或远程分析大量日志的场景。它的流程是：定位日志来源 → 按时间线聚合 → 提取异常特征 → 匹配常见原因 → 输出排查报告。相比你手动把大段日志贴进对话里让它“看看哪里不对”，技能模式下的效率会高很多，因为它在后台就完成了日志的过滤和采样，只把有价值的聚合结果带回对话。

配置时重点关注两个参数：日志路径和过滤关键词。日志路径决定它从哪里找数据，建议直接把项目中的日志目录配好；过滤关键词可以帮助跳过已知的无害告警，降低噪音。我建议在技能里加一句“分析前先给出日志总量和采样策略，再给出结论”，能避免 AI 拿几行日志就大胆下结论的尴尬。

3.11 MCP 统一管理：打通 WorkBuddy 与外部工具

MCP 是 WorkBuddy 生态里最有想象力的部分，而 MCP 统一管理技能解决的是“工具太多、调用混乱”的痛点。它维护一个工具注册表，记录每个 MCP 连接器能做什么、何时调用、如何传参。当你在主对话里提出一个复合需求时，技能负责任务路由：哪些环节交给数据库 MCP、哪些交给浏览器 MCP、哪些用内置能力完成。

配置这个技能需要先安装好你需要的 MCP 连接器，然后把它以“工具清单 + 使用约定”的方式写进技能的配置区。实际使用中，最顺的场景是“查一下数据库里的用户分布，然后到后台截一张转化漏斗图”，这种跨工具调用是 WorkBuddy 最能体现价值的场景。这个技能是 15 个里唯一需要折腾的，但一旦配好，后面所有任务都会变顺畅。

3.12 多语言本地化：出海项目的效率神器

如果你做国际化项目，或者需要经常产出中英双语内容，本地化技能值得拥有。它在普通翻译的基础上增加了三步：上下文感知（同一个词在不同场景下的译法保持一致）、长度控制（中文转英文时避免句子过长）、格式保留（代码、结构化文本不会被翻译破坏）。

配置时可以在技能里内置一份“术语对照表”，比如什么词必须固定翻译为哪个词、什么词保持英文不译。这个细节对技术类文档尤为重要。我曾在一次产品手册翻译任务中受益于这个技能，多语言文案的交付时间从过去的两天缩短到两个小时。

3.13 工作台体检：缓存、日志与临时文件的整理

很多人问到“WorkBuddy 的系统缓存目录能改到 D 盘吗”“对话记录、运行缓存与临时文件占用高怎么解决”，其实这一类需求完全可以沉淀成技能。工作台体检技能会扫描 WorkBuddy 的数据目录，按照占用大小排序，识别哪些是历史对话记录、哪些是运行缓存、哪些是临时文件，然后给你可选的清理方案。

这个技能还能把缓存目录迁移的操作半自动化。原理是：WorkBuddy 的数据目录位置可以通过配置文件指定，技能负责备份旧目录、修改配置、验证新目录权限。我自己在 Windows 上的操作流程是：把数据目录迁移到 D 盘，腾出系统盘空间，同时定期让技能清理超过 30 天的临时文件。手动做这个事容易漏，自动化之后一个月能省出不少磁盘空间，也避免缓存目录膨胀拖慢整体体验。

3.14 PDF 知识抽取：批量读文档的利器

这个技能可以把你手里的 PDF 批量转成结构化的知识库内容，适用场景包括论文、合同、产品手册。它的抽取逻辑不是简单地把文本复制出来，而是按文档结构分层处理：先识别标题层级，再提取关键段落的数据和结论，最后生成带页码引用的摘要。配合学术写作技能使用时，能形成完整的“读文献 → 写综述”流水线。

配置重点在于指定抽取粒度。如果你只需要结论摘要，就在模板里要求“每节最多提取 3 个核心观点”；如果需要做文献综述，则要求“保留方法、数据、局限等信息”。默认配置下它也能工作，但明确粒度之后输出质量会提升一个档次。

3.15 任务规划与排期：从一句话需求到可执行计划

这个技能对于独立开发者和项目负责人来说非常实用。输入一句“下个月要上线一个积分商城”，它能拆解成需求梳理、技术方案、前后端开发、测试、部署、验收等阶段，每个阶段给出预估工时和产出物。输出的是带依赖关系的任务列表，而不是空泛的“第一步、第二步”。

配置时可以在技能里加入常用的团队节奏，比如每周五发布、每两天同步一次进度。它输出的计划会更贴合你的实际节奏。我的习惯是拿到计划后先删掉过分乐观的排期，AI 经常低估联调和验收的时间，这个坑踩了几次后才学乖。

4. 实操：把这些技能一次性配好并跑起来

看完上面的清单，你需要动手配置一下。这一章我按实际操作顺序把通用的配置流程写一遍，覆盖安装、规则设置、数据目录迁移三个核心环节。

4.1 技能安装与导入的三种方式

WorkBuddy 安装技能的方式主要有三种：技能市场直接搜索安装、本地文件导入（比如团队分享的.zip技能包）、指定 URL 加载。我推荐优先走技能市场，因为能看到评分和使用量，踩坑概率小。如果团队内部有统一规范，本地导入更合适，可以把技能文件放进版本库统一管理，配合 CI 做同步。

安装完技能后，最好先看一遍它的SKILL.md或等效的说明文件，确认触发词和你预想的一致。这一步很多人会跳过，结果实际使用时技能不触发，又回头排查半天。需要强调一点：技能文件本质上是文本模板，你有完全的掌控权，任何不顺手的输出规范都可以直接改。

4.2 配置全局规则，让它对所有任务生效

“给 WorkBuddy 定几条规则，后续对所有任务都生效”是设置里最基础、也最影响体验的功能。操作位置在 WorkBuddy 的设置面板里找到“自定义指令”或“全局规则”入口，将你期望的规则写进去，所有后续会话都会自动加载。

我的规则模板供你直接复刻：

1. 默认使用中文回复，代码注释和变量名使用英文。 2. 所有涉及技术选型的回答，必须给出优缺点对比和适合场景，禁止只给结论。 3. 不输出密钥、Token、密码等敏感信息的完整值，检测到疑似泄露时先提示位置和风险。 4. 修改代码时优先保持项目现有风格，引入新依赖前说明理由。 5. 涉及操作类指令时，默认先给将执行的命令清单，确认后再执行。

写完规则后建议实测一次：新开会话，随意问一个项目问题，观察它是否遵守了你定义的风格。如果完全没有生效，检查是不是本地部署的实例没同步规则文件，重启几次即可。

4.3 把数据目录和缓存迁到指定分区

热词里“系统缓存目录能改到 D 盘吗”的答案是可以，而且推荐做。默认情况下 WorkBuddy 的数据都在系统分区，在长期使用后，对话记录和缓存会占用几个 GB。把数据目录整体迁移到 D 盘能有效释放系统盘压力。

操作步骤如下：

1. 先完全退出 WorkBuddy，避免文件被占用导致迁移失败。
2. 打开配置文件（一般位于应用配置目录），找到data_dir或cache_dir参数。
3. 手动把原数据目录整个复制到目标位置，比如D:\WorkBuddyData。
4. 在配置文件中将路径改为D:/WorkBuddyData，注意使用正斜杠或双反斜杠。
5. 保存后重新启动应用，检查会话记录和缓存目录是否已指向新地址。

迁移完成后，建议跑一次工作台体检技能，除了清理临时文件，也确认没有残留的.tmp锁文件导致异常。我提醒一句，迁移有时会触发权限问题，如果看到写入失败的报错，给目标目录加上当前用户的可写权限即可。

5. 高频问题与排查清单

最后这部分，我把过去几个月在多个 WorkBuddy 用户群里被反复问到的问题整理成速查表，这些问题大多在官方文档里不容易找到直接答案。

关于模型通道的选择，很多人问“DeepSeek 模型通过 WorkBuddy 使用便宜还是直接使用便宜”，我的经验是不只看单价，还要看平台是否帮你省了调优成本。WorkBuddy 通过技能和记忆机制减少了上下文膨胀，实际跑同一堆任务时 token 消耗通常比裸接口低。这个账，建议你自己用一段时间看统计再下结论，别只盯首屏报价。

关于安全审核再啰嗦一句：任何技能都可能执行指令、读写文件、调用外部服务，所以不要随意从不可信来源导入技能文件。尤其是那些带有“自动执行”“免确认”字样的技能包，使用前先拆开看里面的模板内容，确认没有可疑指令再上生产环境。

最后再分享一点个人体会

这些技能我并不是一次全装上的，而是按需求迭代出来的。9 月这个版本，技能市场活跃度明显变高，项目记忆、MCP 整合这些能力也稳定了不少，15 个清单里有些技能之间还能串联成流水线。我个人最常用的其实只有六个：项目记忆、全栈网页生成、日志故障排查、工作台体检、代码审查、任务规划，其他都是按项目阶段临时加载。

最后分享一个小技巧：如果你总是需要处理同一类工作，别满足于“用别人的技能”，试着把业务术语表、常用流程和输出规范组合成一个专属技能。这个技能的复用价值会随着使用次数越滚越高。WorkBuddy 的长期竞争力不在于它今天内置了多少功能，而在于你能不能持续地给它“喂入”自己的经验，这可能是这波 AI 工作台浪潮里最值得花时间的地方。