1. 为什么WorkBuddy的Skill生态值得认真折腾
WorkBuddy这个工具，我前后用了大半年，从最初把它当成一个“能聊天的命令行助手”，到后来把日常一大半的重复劳动都交给它，中间最大的转折点就是搞明白了Skill这套机制。很多人第一次接触WorkBuddy，注意力都放在“它能不能帮我写代码”“它和CodeBuddy到底啥区别”这类问题上，但真正拉开使用效率差距的，其实是你给它装了什么Skill、怎么组合这些Skill。
先把概念说清楚。WorkBuddy本身是一个工作台式的智能体运行环境，它提供的是底座能力：读写文件、执行命令、联网检索、调用模型。而Skill是挂在这个底座上的“技能包”，每一个Skill本质上是一段封装好的指令集或者脚本，告诉WorkBuddy在遇到某类任务时该按什么流程走、该调用哪些工具、该输出什么格式。打个比方，WorkBuddy是厨房，Skill就是菜谱加预制好的调料包——没有菜谱你也能炒菜，但有了菜谱，出品稳定得多，新手也能做出像样的东西。
那为什么是“15个技能”这个数量级？因为Skill装太多会互相干扰。我实测下来，同时启用超过二十个Skill之后，WorkBuddy在意图识别阶段会开始犹豫，经常把A任务的指令套到B任务上。所以精选一批高频、互补、不打架的Skill，比无脑堆数量重要得多。这篇内容就是把我这大半年筛下来、9月份还在稳定使用的15个Skill做个系统梳理，顺带把每个Skill的适用场景、配置要点、踩过的坑都讲透。
适合谁来参考？如果你是刚装好WorkBuddy、还在摸索“这玩意儿到底能干嘛”的新手，这篇可以帮你跳过乱装一通的阶段；如果你已经用了一段时间但觉得效率上不去，那大概率是Skill组合没配好，可以对照着调整。涉及Obsidian、Excalidraw、Deep Research这些热词的部分，我会单独展开讲怎么和WorkBuddy联动。
2. 装Skill之前必须搞清楚的三个底层逻辑
2.1 Skill和Agent到底差在哪
这是被问得最多的问题，也是新手最容易混淆的地方。Agent是“谁来做”，Skill是“怎么做”。一个Agent是一个有自主决策能力的执行单元，它能自己规划步骤、自己判断下一步干什么。而Skill更像是一份标准作业程序，它不负责决策，只负责在被告知要做某件事时，按照预设的流程高质量地完成。
举个具体例子。你让WorkBuddy“帮我把这个项目的文档整理成知识库”。如果只靠Agent能力，它会自己琢磨：先读哪些文件、怎么分类、输出成什么格式。结果每次可能都不一样，质量看运气。但如果你装了一个专门做知识库整理的Skill，它会强制走一套流程：先扫描目录结构、再提取每个文件的元信息、然后按预设的分类规则归档、最后生成索引文件。输出稳定，可复现。
所以选Skill的核心标准不是“功能多”，而是“流程是否标准化”。那些需要灵活判断的任务，交给Agent；那些有固定套路的任务，交给Skill。两者配合才是最优解。
2.2 Skill的三种加载方式与优先级
WorkBuddy加载Skill有三种途径，优先级从高到低分别是：项目级Skill、用户级Skill、内置Skill。项目级Skill放在项目根目录的特定文件夹里，只对当前项目生效；用户级Skill放在用户配置目录下，对所有项目生效；内置Skill是WorkBuddy自带的，改不了但可以覆盖。
这个优先级机制非常关键。我踩过的坑是：在用户级装了一个通用代码审查Skill，结果某个项目需要特殊的审查规则，我又在项目级装了一个。本以为项目级的会覆盖用户级的，结果两个同时生效，WorkBuddy把两套规则混着用，输出了一堆自相矛盾的建议。后来才搞明白，同名Skill才会覆盖，不同名的会叠加。所以给Skill起名时要有意识地区分，比如code-review-general和code-review-projectx，避免冲突。
提示：装完新Skill后，建议用
workbuddy skill list命令确认一下当前生效的Skill列表和来源，避免出现意料之外的叠加。
2.3 自定义指令和Skill的分工
热词里有个“workbuddy自定义指令推荐”，很多人搞不清自定义指令和Skill的区别。简单说，自定义指令是全局的行为约束，Skill是特定任务的流程封装。比如你给WorkBuddy定一条规则“所有回复都用中文，代码注释也用中文”，这是自定义指令，它对所有任务生效。而“生成周报时按固定模板输出”这种，就是Skill该干的事。
我的建议是：自定义指令控制在五条以内，只放那些真正全局通用的约束，比如语言偏好、输出格式偏好、安全边界。剩下的都做成Skill，按需加载。指令太多会让WorkBuddy在每次任务开始时都花时间处理一堆约束，反而拖慢响应。
3. 9月精选15个Skill逐个拆解
3.1 信息处理类：Deep Research与知识库构建
Deep Research Skill是我用得最频繁的一个。它的核心能力是把一个宽泛的问题拆解成多个子问题，然后并行检索、交叉验证、最后汇总成一份带引用的报告。和直接问WorkBuddy的区别在于，Deep Research会强制走“拆解-检索-验证-汇总”四步，不会跳步。
配置要点：这个Skill需要联网检索权限，安装后要在配置里指定检索源的范围。我一般会限制在学术数据库和几个高质量技术社区，避免检索到太多低质内容。另外它的输出长度可以调，默认是三千字左右，做深度调研时可以调到八千字。
踩过的坑：Deep Research在检索阶段如果遇到付费墙，会卡住很久。后来我在配置里加了超时设置，超过三十秒没返回就跳过该来源，整体效率提升明显。
Obsidian知识库Skill是另一个高频使用的。它解决的是“把零散信息变成结构化知识库”的问题。具体流程是：扫描指定目录下的所有文档，提取标题、标签、双向链接，然后按照Obsidian的格式生成或更新笔记文件。
这个Skill的妙处在于它理解Obsidian的链接语法。你给它一堆Markdown文件，它能自动识别哪些概念应该建立双向链接，然后补全[[ ]]标记。我拿它整理过技术笔记，原本两百多篇散落的文件，跑完一遍之后自动生成了三十多个主题索引页，检索效率翻倍。
注意：跑这个Skill之前一定要备份。它默认是增量更新，但如果文件命名有冲突，可能会覆盖已有内容。我一般会先在一个副本目录上跑一遍，确认没问题再应用到主目录。
3.2 可视化与绘图类：Excalidraw联动
Excalidraw Skill解决的是“用文字描述生成手绘风格图表”的需求。你给它一段流程描述，它输出Excalidraw格式的JSON文件，直接拖进Excalidraw就能打开编辑。
这个Skill的技术难点在于布局算法。早期版本生成的图表元素会重叠，后来更新了自动布局逻辑，现在基本能保证元素不打架。我的使用心得是：描述流程时尽量用“A连接到B，B连接到C”这种明确的关系表述，不要用“然后”“接着”这种模糊词，否则布局会乱。
实测下来，画简单的流程图、架构图、时间线，这个Skill的产出质量已经能直接用了。复杂的UML图还是得手动调，但至少省掉了从零开始摆框的功夫。
3.3 代码与开发类：从审查到重构
Code Review Skill是开发场景的刚需。它不只是检查语法错误，还会按照预设的规则检查命名规范、函数长度、注释覆盖率、潜在的性能问题。我给它配了一套团队内部的代码规范，现在每次提交前跑一遍，能拦下八成左右的低级问题。
配置上有个细节：这个Skill支持分级审查。--level=basic只查语法和明显bug，--level=strict会查代码风格和设计模式。日常提交用basic，发版前用strict，兼顾效率和深度。
Refactor Skill是配合Code Review用的。审查发现问题后，直接让Refactor Skill按建议重构，它会生成修改后的代码和变更说明。我一般会先让它生成diff，人工确认后再应用，避免自动改出问题。
Test Generation Skill值得单独提。它能根据函数签名和注释自动生成单元测试，覆盖率能到七成左右。剩下的三成边界情况还是得手动补，但省掉了大量写样板代码的时间。
3.4 文档与写作类：从Book to Skill到周报生成
Book to Skill这个Skill名字有点绕，实际功能是“把长文档拆解成可复用的知识片段”。你给它一本技术手册或者一份长篇文档，它会提取出关键概念、操作步骤、注意事项，然后封装成结构化的Skill文件。这个思路很妙——把静态文档变成动态可调用的技能。
我用它处理过一份三百页的API文档，跑完之后生成了四十多个小Skill，每个对应一个API的调用方法。之后写代码时直接调用对应的Skill，不用再翻文档了。
Report Generation Skill是周报月报的救星。配置好模板和数据源之后，它能自动从Git提交记录、任务管理系统、文档更新记录里提取信息，按模板生成报告。我设的是每周五下午自动跑，生成初稿后我再花十分钟润色，比从零写省了一个多小时。
3.5 效率与自动化类：文件管理与定时任务
File Organizer Skill按规则自动整理文件。我配的规则是：下载目录里超过七天的安装包自动移到归档目录，截图按月份归档，文档按项目分类。跑了一个月，下载目录再也没乱过。
Scheduler Skill让WorkBuddy能执行定时任务。我设了几个：每天早上九点拉取最新的技术资讯摘要，每周一生成上周的工作总结，每月一号备份重要目录。这些任务跑在后台，基本无感，但确实省事。
Clipboard Manager Skill是个小工具但很实用。它记录剪贴板历史，支持搜索和快速回填。写代码时经常需要复制粘贴多段内容，有了这个Skill就不用反复切换窗口了。
3.6 学习与教育类：错题库与知识卡片
热词里提到“obsidian可以建立学生错题库”，这个需求用Flashcard Skill可以实现。它把知识点和对应的问题生成问答卡片，支持间隔重复算法。我帮朋友的孩子搭过一个数学错题库，把错题录入后自动生成复习计划，每天推送该复习的题目。
Math Modeling Skill是数学建模场景的专用Skill。它封装了常见的建模流程：问题分析、模型选择、参数估计、结果验证。虽然不能替代人的建模思维，但能保证流程完整，不会漏掉关键步骤。
4. 这15个Skill怎么组合才不打架
4.1 按场景分组的推荐组合
Skill装多了会互相干扰，所以我的做法是按场景分组，不同场景启用不同的Skill组合。WorkBuddy支持用配置文件定义场景，切换场景时自动加载对应的Skill集。
| 场景 | 推荐Skill组合 | 说明 |
|---|---|---|
| 日常开发 | Code Review + Refactor + Test Generation | 覆盖编码到测试全流程 |
| 文档写作 | Deep Research + Report Generation + Book to Skill | 从调研到成稿 |
| 知识管理 | Obsidian + Flashcard + File Organizer | 信息归档与复习 |
| 可视化 | Excalidraw + Math Modeling | 图表与建模 |
| 自动化 | Scheduler + Clipboard Manager | 后台任务与效率工具 |
这个分组不是固定的，你可以根据自己的工作流调整。关键是同一场景内的Skill功能不要重叠，比如Code Review和Refactor有部分功能重叠，但同时启用没问题，因为它们的分工明确——一个查，一个改。
4.2 冲突排查的通用方法
如果发现WorkBuddy行为异常，比如该走A流程的时候走了B流程，大概率是Skill冲突。排查步骤：
- 用
workbuddy skill list --active列出当前生效的所有Skill - 逐个禁用，看问题是否消失，定位到冲突的Skill
- 检查两个Skill的触发条件是否有重叠
- 调整触发关键词或加载优先级
我遇到过一次典型的冲突：Deep Research和Report Generation都监听“总结”这个关键词，结果我说“总结一下这个文档”，两个Skill同时启动，一个去联网检索，一个去读本地文件，输出了一堆混乱的内容。后来把Report Generation的触发词改成“生成报告”，问题解决。
提示：给Skill设置触发词时，尽量用具体、不常见的词组，避免用“总结”“分析”“整理”这种高频通用词。
5. 实操：从零配置一套可用的Skill环境
5.1 安装与初始化
假设你已经装好了WorkBuddy，第一步是确认版本。Skill机制在较新的版本里才完善，建议用最新稳定版。安装命令根据系统不同略有差异，Linux下用包管理器，macOS用brew，Windows用安装包。
装完之后，先跑workbuddy init初始化配置目录。这个命令会创建用户级Skill目录和配置文件。然后把你需要的Skill文件放进对应目录。Skill文件通常是YAML或JSON格式，包含名称、触发条件、执行步骤、依赖工具等字段。
5.2 自定义指令的配置
在配置文件里有一个instructions字段，用来写全局指令。我的配置是这样的：
instructions: - "所有输出使用中文，代码注释也用中文" - "涉及文件操作时，先备份再修改" - "联网检索时优先使用学术和技术类来源" - "输出代码时标注语言类型" - "不确定的信息要明确标注'待确认'"这五条覆盖了我最在意的几个点：语言、安全、来源质量、格式、诚实度。你可以根据自己的需求调整，但建议不超过七条。
5.3 验证Skill是否生效
配置完成后，用几个测试用例验证。比如测试Code Review Skill：
workbuddy run "审查一下这个文件" --file test.py如果输出里包含代码规范检查的结果，说明Skill生效了。如果只是泛泛而谈，说明Skill没加载或者触发条件没匹配上。
我一般会准备一组测试用例，每次调整配置后跑一遍，确保所有Skill都正常工作。这个习惯帮我省了很多“以为配好了其实没生效”的时间。
6. 常见问题与排查技巧实录
6.1 Skill不生效的几种原因
原因一：触发词不匹配。Skill的触发条件是基于关键词或正则匹配的，如果你的表述和触发词对不上，Skill就不会启动。解决办法是查看Skill定义里的触发条件，用匹配的表述。
原因二：优先级被覆盖。同名Skill会覆盖，如果你在项目级装了一个和用户级同名的Skill，用户级的就不生效了。检查方法是用workbuddy skill list --all看所有层级的Skill。
原因三：依赖缺失。有些Skill依赖外部工具，比如Excalidraw Skill需要Node环境，Deep Research需要网络权限。依赖不满足时Skill会静默失败。查看日志可以定位这类问题。
6.2 输出质量不稳定的调优
Skill的输出质量受几个因素影响：输入描述的清晰度、Skill配置的参数、底层模型的当前状态。我的调优经验是：
- 输入尽量具体，包含明确的输入输出格式要求
- Skill参数不要用默认值，根据任务特点调整
- 如果连续几次输出质量差，换个时间段再试，可能是模型负载问题
6.3 性能问题的处理
Skill装多了会拖慢启动速度。我实测过，从零个Skill到十五个Skill，WorkBuddy的首次响应时间从1.2秒增加到3.5秒左右。这个延迟在可接受范围内，但如果超过五秒，就需要考虑精简了。
精简的原则是：过去一个月没用过的Skill，先禁用。需要的时候再启用，比一直挂着强。我用Scheduler Skill设了一个每月提醒，定期清理不用的Skill。
7. 关于Skill生态的一些个人观察
WorkBuddy的Skill机制还在快速迭代，9月这个版本相比年初已经稳定很多了。我观察到的一个趋势是，社区里高质量的Skill越来越多，尤其是垂直领域的，比如专门做法律文书审查的、专门做医学文献整理的。这些Skill的价值不在于技术多复杂，而在于把领域知识封装成了可复用的流程。
另一个观察是，Skill和Agent的边界在模糊。早期的Skill就是死板的流程，现在有些Skill开始引入条件判断和循环，变得有点像轻量级的Agent。这个方向我觉得是对的，但要注意别把Skill搞得太复杂，否则就失去了“标准化流程”的优势。
最后分享一个我自己的用法：我会把常用的Skill组合导出成配置文件，存在Git仓库里。换机器或者重装系统时，直接拉下来导入，五分钟就能恢复完整的工作环境。这个习惯强烈推荐给经常折腾环境的同行。
