很多人对WorkBuddy的第一印象是“一个更聪明一点的对话助手”，问一句答一句，用两周觉得不过如此。我最早也踩了这个坑，直到我把工作台里的Skills技能体系真正用起来，才意识到之前是拿着金饭碗讨饭。九月初我把这一个多月里自己和团队成员实际在用、没吃灰的技能完整盘了一遍，去掉了十多个装上就再没打开过的，最后留下15个，按办公、开发、协作三类整理出来。如果你正在被会议纪要、周报、代码审查、数据清洗、日志分析这些重复劳动缠住，这一篇应该能帮你把时间抢回来。声明一下，以下基于我手头9月这版的界面和机制，技能市场更新很快，细节以你本机版本为准。
1. 技能机制基础：Skills到底是怎么运作的
在正式列清单之前，得先花两分钟讲清楚技能机制是怎么运转的。不然你会出现一个经典困惑：装了技能，却不知道怎么触发，或者触发了发现输出跟介绍完全不一样。
1.1 Skill的本质：一条带“行动手册”的指令模板
技能不是独立运行的程序，也不是传统意义上的插件。它本质上是一个封装好的“结构化Prompt”，WorkBuddy读取技能目录里的skill.md，按照其中定义的目标、步骤、参数和输出格式来执行任务。
我用一个平实的比喻：技能像餐厅里的标准作业程序（SOP）。普通对话相当于你跟服务员口头说“来一份招牌菜”，服务员自由发挥；技能则是一份写着“主料多少克、火候几分钟、出锅摆盘怎么摆”的手册，每次出品都能稳定在及格线以上。这也是为什么同一个技能在不同人手里效果不同——skill.md质量、输入信息的完整度，决定了最终输出的上限。
了解这个原理后，你会发现技能调优其实不玄：输出不好，不是“换一个更强的技能”，而是回去改skill.md里的模板细节，或者在触发时把输入信息给得更具体。很多人装了一堆技能却觉得没用，根源就在于一直在“换技能”，而不是“调技能”。
1.2 安装、启用与调试的完整流程
安装和管理的入口在技能市场/技能管理面板，按分类浏览或直接搜关键词都行。
- 安装后先别急着用，打开技能详情页确认版本说明和适用场景，很多技能更新日志里会写明已知问题。
- 启动触发方式：大多数技能是在对话里输入某个触发词或直接@技能名，面板上通常有使用说明，先照着试一次。
- 第一次务必用小样本试跑：不用拿真实大文件去赌，先在文档里截两段有代表性的内容测试，确认输出格式是自己想要的再上正式数据。
- 输出不对就改模板：找到技能目录里的skill.md，调整执行步骤或输出格式，改完保存后重新触发，这个过程花十分钟，比反复换技能踏实得多。
- 定期查看技能更新：官方和第三方作者会修bug或改触发词，升级后最好重新确认规则没变。
另外说下环境：网页版、桌面版、Linux环境、本地化部署，虽然安装路径入口不完全一样，但技能目录和配置逻辑是同一套。我有两个环境都在用，配置文件直接复制过去就能用大部分技能，只有少数依赖系统路径的技能需要微调。
2. 办公效率类：这五个技能让我省下了每天两小时
先把日常文职类最刚需的五个列出来。日常被文档、沟通、表格“淹没”的朋友，优先装这一组，它们解决的问题最痛，见效也最快。
2.1 会议纪要与待办提取（MeetingMind）
用法很简单：把录音转写文本或在线会议的字幕记录丢进去，它会重新整理出“结论—争议点—行动项—负责人—截止时间”的结构化纪要。我的实际操作是，先让它只输出结论和行动项，控制在两页以内，而不是一开始就要求逐字稿。顺序很重要：如果直接让它整理完整逐字稿，它会陷入语气词和重复表达里，真正的决策信息反而被稀释。
细节上，中文会议口语很多，我习惯在触发时补一句“忽略语气词、打断和重复表达”，输出会干净很多。对比过几次，加这句话前后，行动项的提取准确率有明显差异。另外，会后直接把纪要丢进接下来的邮件草稿里，这条链路基本能覆盖会议闭环的80%工作。
2.2 周报/日报生成（ReportForge）
每周五下午写周报是我过去最抗拒的事，现在流程变成了：把这一周做过的几件事按“目标—行动—结果”三段式列个草稿，丢给ReportForge，它按STAR法则扩写成周报。关键点是，我会在输入里明确“只能基于素材扩写，不要自行编造成果”，这样生成的内容基本就是事实的整理，而不是AI的发挥。
如果你配合全局规则里“输出不超过200字”之类的内容，周报会非常精简，很适合发到群里周知。我自己的习惯是加一条规则“禁止使用‘赋能’‘抓手’‘闭环’这类黑话”，生成出来的周报更像人话。用了一个月，周报这件事从半小时压缩到五分钟，而且同事反馈比以前更好读。
2.3 长文档速读摘要（DocPilot）
处理100页PDF、几十页的设计文档、一长串竞品资料，我都是用DocPilot。它的机制是两步走：先抽取文档目录和标题结构，让我确认框架，再按章节分块摘要。表面看多了一步，实际反而省时间——AI摘要常见问题是“看起来都对，细节不可靠”，先看框架再细读，能把这种风险压到最低。
我还有一个稳定的习惯：在触发摘要前，先补一句背景，比如“我在评估这个方案是否适合我们现有的微服务架构”，这样生成的摘要会自然地往决策方向靠。但要提醒一句：摘要里出现的数字、版本号、结论性语句，用到正式材料前务必回原文核对。工具负责帮你找线索，核对结论是使用者自己的责任。
2.4 中英互译与术语统一（LangBridge）
日常翻译不稀奇，LangBridge真正值钱的地方是术语统一。我把我这个行业里容易翻错的一批术语整理成了一个术语表，喂进去作为参照，之后所有技术文档、产品文案的翻译都会严格按这张表走。以前人工翻译最怕的是同一个人不同时间翻出两个版本，术语表能根治这个问题。
实际操作上，一次别让它翻译超长文档，分批翻效果更好，否则上下文一长，前后术语容易漂移。另外我在技能里定义了两套风格：技术文档风格和产品文案风格，触发时指定用哪套。比如接口文档翻译我指定“技术文档风格，动词统一用动词原形，禁止口语化”，产品介绍就指定“偏市场向，保留品牌调性”。这套用法跑了一个季度，对外文档的一致性明显上来了。
2.5 表格数据清洗（DataPolish）
不管是CSV还是Excel导出的一堆脏数据，DataPolish的模式是：先把数据结构和示例行过一遍，然后按我指定的规则去重、归一化日期格式、统一枚举值、补全缺失字段。使用它的关键操作有两个：一是先给它2—3行样例数据，明确“哪列是主键、日期统一成什么格式、状态字段有哪些合法值”；二是让它只输出规则而不是直接动手改文件，确认规则合理后再执行清洗。
这个顺序可以有效避免“AI自作主张把某列值改错了”的情况。另外，数据量特别大的时候，我会先用脚本预处理一下，再交给WorkBuddy做规则判断，这样速度更快也更稳。清洗完导出前一定要核对行数是否一致，我有过一次数据被静默截断的经历，从那以后顺手加了条规则：“导出时同时输出源数据行数和处理后行数”。
3. 开发效率类：写代码和查代码阶段最值得装的六个
开发者用户重点看这一组。需要先说清楚，这些技能不是帮你“代写业务代码”的，而是围绕代码周边那些高重复、高记忆负担的操作做标准化。它们拉高的是日常琐事的效率，让你把精力留在真正的设计上。
3.1 代码审查清单（ReviewPal）
ReviewPal的玩法是：把PR描述和改动的关键diff贴进去，它按“安全、性能、可读性、边界条件、命名规范”几个维度输出审查意见。一开始我也踩过坑，它输出的大多是“建议增加注释”“建议提取公共方法”这种正确但没用的话。后来我在技能模板里加了一句“只列值得改的问题，重复的琐碎意见不要出现”，输出质量瞬间上了一个台阶。
现在我的固定流程是：自己先快速过一遍diff，再用ReviewPal做第二轮，重点看它提的边界条件和安全隐患。它本质上是一个第一轮审查器，把那些一眼扫过容易漏掉的问题捞出来，真正的架构决策和人有关的问题，还是得自己拍板。配合CommitMate一起用，整个提交流程会非常顺。
3.2 Git提交信息生成（CommitMate）
CommitMate解决的是一个很碎的痛点：写好代码后懒得组织提交信息，于是提交记录全是“update”“fix”。现在我把git diff丢进去，它能生成符合规范格式的提交信息，标题控制在50字符内，正文按“为什么这样改”来写，而不是罗列文件路径。
我给它固定了两条规则：标题用祈使句开头，正文要说明影响范围。这样一来，回看提交历史基本不需要点开diff也能明白每次改动的意图。特别提醒：生成的信息不要直接复制粘贴覆盖自己的提交，先扫一眼，如果和你的实际改动意图不符，改一句话再提交。工具的价值在于给你一个不费脑的高质量起点，而不在于替你做判断。
3.3 Shell命令翻译与安全检测（ShellSense）
遇到不熟悉的Linux命令，或者拿到一堆复杂的shell脚本，我都是直接贴给ShellSense。它会做两件事：把命令逐段解释成大白话，标注出哪些位置有风险。比如rm -rf、重定向覆盖、循环里执行删除这类高危操作，它会明确标红提醒。
实际工作中，我经常拿它处理“接手一台陌生服务器，先扫一遍历史脚本看有没有坑”的场景。它还支持反向用法：你用自然语言描述“我想把目录下所有log文件按日期归档”，它给你生成对应命令。注意一点，生成的命令我从来不会直接执行，都会先加--help或--dry-run验证一下再跑。特别是多步操作、带管道符和变量拼接的命令，最好先在测试目录跑通，再上真实环境。
3.4 正则表达式生成与验证（RegexLab）
RegexLab是我个人使用频率最高的技能之一。日志清洗、爬虫字段提取、配置文件校验，全都绕不开正则。它的正确用法不是丢一句话“写一个邮箱正则”，而是给它两组例子：一组是“必须匹配到的样本”，一组是“绝对不能匹配的样本”。有了边界条件，生成的正则才具备实战价值。
比如我要提取日志里的IP和端口，我就会把“正常带端口的行”“没有端口的行”“内网IP的行”分别列出来，让它输出正则并生成测试用例。之后把测试用例在网页工具或本地上跑一遍确认，基本一次过。靠这个技能，我这种正则只会写基础表达的人，也能稳定产出可维护的表达式，不用每次靠搜索引擎现查。
3.5 SQL慢查询分析与优化（SQLTuner）
SQLTuner对后端的帮助很直接：把慢SQL和它的执行计划贴进去，它会指出全表扫描、索引失效、隐式类型转换这类问题，并给出改写建议。我用它处理过一条跑了十几秒的统计SQL，它指出在关联字段上用了函数导致索引失效，改写后落到0.3秒。
使用体验上，我会把表的数据量级、现有索引一并交代进去，这样建议会更有针对性。但有一条铁律：它给的索引建议是“方向”，不是“答案”。生产库建索引、改SQL之前，我必定回数据库里核对执行计划，确认影响面后再操作。工具帮你快速定位，人工负责兜底确认，这套组合我目前没有翻过车。
3.6 API接口文档自动生成（ApiDocGen）
写接口文档是很多人拖到最后才做的事，ApiDocGen可以把这件事变得不痛苦。把接口代码贴进去，或者把抓包得到的请求、响应JSON丢进去，它能输出包含参数说明、取值范围、示例请求、错误码说明的完整接口文档。我的经验是，光贴代码不够，最好把字段取值样例也一起喂进去，这样文档里的示例才真实可用。
后来我发现一个更顺滑的进阶玩法：把ApiDocGen和MCP技能串联，在调试接口的时候顺手就把文档更新了。原本写文档的时间省下来不说，文档和代码之间的同步问题也缓解了不少。给团队定了一条规矩：新接口上线前必须用这个技能生成初版文档，人工审核后再发出去，规范化成本很低。
4. 自动化与协作类：把重复劳动变成一句话指令
这一组和前两类不太一样，它们不单单解决某一个任务，而是和WorkBuddy的记忆机制、全局规则配合，把整个使用体验提升一个档次。这组装好之后，日常很多动作真的可以变成一句话指令。
4.1 批量文件重命名与归档（FileButler）
我每周都要处理一批从各个渠道下载的素材文件，命名乱成一团。FileButler的用法是告诉它现有的文件特征和目标命名规则，比如“所有截图改成日期开头，报告类文件移动到对应项目文件夹”。它支持先执行dry-run，输出一份预览清单，确认无误后再真正操作。这个“先预览再执行”的习惯我建议你一定要保留，批量操作最怕的就是AI理解偏差导致文件被移动错位置。
环境上有一点要注意，Windows下处理中文文件名容易碰到编码问题，我会先用cmd或PowerShell小范围试跑一个子目录，确认没有乱码再全量执行。另外，我习惯让它复制到一个test文件夹里先跑通，而不是直接操作原目录。过程多花一分钟，能省掉很多不可逆的麻烦。
4.2 网页正文结构化提取（WebHarvest）
做竞品公开资料整理和行业调研的时候，WebHarvest非常能打。给一个URL，它能提取网页正文并转成干净的Markdown或JSON。对公开的、无登录墙的页面，效果很稳定；对动态渲染、有反爬策略的页面，稳定性就下降，这时候我会先手动把页面保存成HTML再喂给它。
顺带说一句合规：这个技能只用来处理公开内容或者你已有权访问的数据，别拿去批量采集有版权或未授权的页面，这是底线。合理用法比如整理公开的官方文档、收录自己个人站的旧文章，效率都很高。配合自定义模板技能，我甚至还把抓下来的结构化内容直接渲染过一个轻量资料页面的初版，几步做出来，跑通之后才知道这套组合有多省事。
4.3 跨对话记忆（MemoryKeeper）
之前最烦的一件事是：新开一个对话，就要把所有背景重新交代一遍，“我是哪个团队的、在做什么项目、输出要用中文、术语表在哪里”。直到我把MemoryKeeper用起来，情况彻底改变。这个技能把常用偏好、项目背景、术语约定写进记忆区，之后新对话里它会自动读取，不用每次重复描述。
实际使用下来，我觉得很多人对记忆功能和全局规则的分工理解是不够的。记忆负责管“背景信息”，比如项目目标、团队口径、术语表；全局规则负责管“行为约束”，比如输出语言、代码块格式、采不采用某些表达。两者分开管理，才不会出现“记忆越来越长，规则越来越乱”的情况。另外，记忆不是越多越好，我每个月会清理一次过期内容，防止旧项目的偏好干扰新任务。
4.4 全局指挥规则（GlobalRuleSet）
热搜里有一句话我一直很认同：“给WorkBuddy定几条规则，后续对所有任务都生效。”这就是全局指挥规则的价值。打开设置里的自定义规则面板，写上几条硬约束，之后所有技能的运行都会自动遵守，不用每个技能单独去配。我目前固定的规则有五条：
- 所有输出默认使用中文，除非我明确要求英文
- 代码块必须标注语言类型
- 涉及方案建议时，先列出风险和前置条件
- 不改动原始文件，需要改动前先复制副本
- 回答不确定的问题时，明确说明不确定性
规则的关键是“少而准”，我建议控制在5条以内。规则过多会互相打架，实际体验反而变差。进阶玩法是把规则和MCP技能挂钩，比如设定“涉及联网操作时先询问是否调用外部工具”，这能避免技能在某些场景下自作主张联网取数，既省流量也更安全。这一套配好以后，后面推荐的所有技能都会跑得更顺。
5. 自建技能与维护经验：从抄作业到写自己的技能
用了别人的技能再多，也不如学会给自己写技能。到了这个阶段，你才算真正把WorkBuddy变成“自己的工具”。这一章没有推荐位，但我觉得比前面任何推荐都值得聊。
5.1 自建技能的最小结构
一个自定义技能的结构其实很轻：一个目录，里面放一个skill.md。最基础的skill.md包含任务目标、触发条件、执行步骤、参数定义、输出格式这五块。不用一上来写复杂的东西，一个能固定输出模板的简单技能就已经能解决很多问题。
我举一个真实的例子。以前我每周五要整理本周遗留事项，这个工作重复到令人厌烦。我建了一个最简单的技能：输入是本周任务清单，输出按项目分组列出遗留事项、优先级和建议下一步动作。第一次我只写了三行描述，跑出来效果一般；第二次我加了一个输入示例，效果好了一些；第三次我把输出格式固定成表格，同时加了一条约束“只列未完成的事项”。三次迭代，每次花十来分钟，这个技能就稳定了。
我的建议是，新手从“固定输出格式”这个起步点入手，别一上来就设计多步骤工作流。先写一个“把所有素材按固定模板整理出来”的技能，跑顺了你自然会理解参数、步骤这些结构项的作用，再逐步加复杂度。
5.2 调优建议与避坑
最后分享几个维护技能库的实操经验。第一，从社区下载的技能，首先检查它有没有外发请求、危险操作，不要因为标注“官方推荐”就盲信，自己的环境自己负责。第二，定期导出技能目录备份，升级技能前先导出旧版，出问题能快速回滚。第三，积分类技能先试免费版，确认流程真的匹配你的场景再考虑升级，避免一时冲动买了积分却发现用不上。
我一直跟团队讲，技能的本质是把重复做过的事沉淀成流程。我现在养成了一个习惯：只要某件事让我手动做两次以上，就考虑给它建个技能。坚持一个月下来，每周真正高频在用的技能其实也就十个上下，但就是这十个，每天能帮我省出一个多小时的时间。所以这篇15个你不用全装，先挑自己场景里最痛的三五个试起来，跑顺了再慢慢扩充。装得少、用得精，才是WorkBuddy技能体系的正确打开方式。
