1. 为什么“技能清单”这件事值得单独写一篇
WorkBuddy 这类工具最容易被低估的地方，不是它能不能回答问题，而是它能不能把一套重复动作固化下来。很多人第一次用的时候，习惯把它当成一个“更聪明的搜索框”，问一句答一句，用完就关。真正拉开效率差距的，是**Skill（技能）**这一层——把某类任务的输入、处理逻辑、输出格式全部封装好，下次一句话就能触发整套流程。
我前后花了大概两个月时间，把 WorkBuddy 上能接触到的技能挨个跑了一遍，有些用一次就删了，有些已经变成每天必开的工作流。这篇就按“9月最新版”的实际体验，挑出15个我认为最值得推荐的技能，顺带把选型逻辑、踩过的坑、以及怎么和 Obsidian、Excalidraw 这类工具串起来讲清楚。
先明确一下这篇适合谁看：如果你已经装好 WorkBuddy，但每次都要重新描述需求，那这篇能帮你省掉大量重复沟通；如果你还在观望，想知道这东西到底能干什么，那这15个技能基本覆盖了知识管理、研究分析、内容生产、代码辅助几条主线，看完你会有个直观判断。
提示：技能这东西更新很快，我写的是9月这个时间点的状态，具体入口和名称可能随版本微调，但核心逻辑是稳定的。
2. 先搞清楚 Skill 和 Agent 到底差在哪
2.1 一个生活化的类比
很多人分不清 Skill 和 Agent，包括我一开始也是。用做菜打个比方：Agent 是一个厨师，你告诉他“做顿饭”，他会自己决定买什么菜、用什么火候、摆什么盘；Skill 是一张菜谱，它规定了这道菜需要哪些材料、按什么顺序下锅、最后装什么盘子。
厨师可以翻菜谱，也可以自由发挥；菜谱本身不会自己动，得有人（Agent 或你）去执行。所以你会看到“agent skill”这种说法，意思就是给 Agent 挂载的技能包。WorkBuddy 里大部分你直接调用的东西，本质是 Skill；而背后帮你调度、决定用哪个 Skill 的那一层，才是 Agent。
2.2 为什么这个区分影响你的使用方式
搞懂这个区别，你就知道什么时候该用 Skill，什么时候该放手让 Agent 自己跑。
- 任务标准化程度高：比如“把这篇英文论文转成中文摘要”“把会议记录整理成待办清单”，用 Skill，结果稳定、格式统一。
- 任务需要临场判断：比如“帮我调研一下这个领域最近有什么新进展”，交给 Agent，它会自己决定搜什么、怎么筛。
我自己的习惯是：凡是每周要做三次以上的事，一律做成 Skill。因为重复描述需求本身就是一种浪费，而且每次描述还可能漏掉细节，导致输出质量忽高忽低。
2.3 技能编码里的“247”是什么意思
热词里有个“skill编码247”，我查了一下，也问了几个用 WorkBuddy 比较久的朋友，比较一致的理解是：这是一种技能编号或分类体系，类似给技能打标签，方便在技能库里检索和组合。你可以把它理解成图书馆的分类号——不是技能本身的功能，而是帮你快速定位的索引。实际使用中不用太纠结这个数字，重点是知道技能是可以被分类、被检索、被组合调用的。
3. 知识管理这条线：Obsidian 相关技能怎么选
3.1 为什么 Obsidian 用户特别需要 WorkBuddy
Obsidian 的核心是本地 Markdown 知识库，优点是数据在自己手里、双链灵活，缺点是录入和整理全靠手动。你读了一篇文章，想存进知识库，得自己复制、自己打标签、自己建双链。时间一长，要么懒得存，要么存进去一堆没整理的碎片。
WorkBuddy 在这条线上的价值，就是当你的“知识库录入员”和“整理助手”。热词里“obsidian知识库搭建”“obsidian创建项目管理台账”“obsidian可以建立学生错题库吗”这些，本质上都是同一个需求：怎么把外部信息高效地变成结构化的知识库内容。
3.2 我实际在用的三个 Obsidian 技能
第一个是“笔记结构化”技能。你把一段原始素材丢进去，它按你预设的模板输出：标题、来源、核心观点、我的思考、关联笔记。模板可以自定义，我用的是一套偏 Zettelkasten 的格式。这个技能解决的是“存进去就烂尾”的问题。
第二个是“双链建议”技能。新笔记写完后，它会扫描你库里已有的笔记，建议可以建立哪些链接。这个功能手动做很费时间，尤其是库大了之后，你根本记不住自己写过什么。
第三个是“台账生成”技能。热词里提到“obsidian创建项目管理台账”，我试过用这个技能把项目相关的零散笔记汇总成一张台账表，包含任务、负责人、截止日期、状态。输出是 Markdown 表格，直接贴进 Obsidian 就能用。
注意：Obsidian 的 Git 插件（热词里的“obsidian git”）和这些技能是互补关系。技能负责内容生产，Git 负责版本管理，别指望技能帮你做版本控制。
3.3 学生错题库这个场景能不能落地
热词里有人问“obsidian可以建立学生错题库，帮助学生学习吗”，我专门试了一下。答案是能，但需要一点前期设计。
思路是这样的：每道错题作为一条笔记，字段包括题目、错误答案、正确答案、错误原因、知识点标签、复习次数。然后用 WorkBuddy 的技能做两件事：一是把拍下来的题目照片转成文字并结构化，二是根据复习次数和错误原因自动生成复习计划。Obsidian 的 Dataview 插件可以把这些笔记聚合成一张错题总表。
这个方案对中学生可能偏重，但对大学生和考证党挺实用。我自己用它整理过一段时间的英语错题，效果比手抄好太多。
4. 研究分析这条线：Deep Research 类技能的真实体验
4.1 Deep Research 到底深在哪
“Deep Research”这个词现在被用得很泛，我的理解是：它不是简单搜几个网页给你摘要，而是会拆解问题、多轮检索、交叉验证、最后给出带出处的结构化报告。
WorkBuddy 上这类技能我用得比较多，因为写东西之前总要做背景调研。传统做法是开一堆标签页，看一篇记一点，最后拼起来。Deep Research 技能把这个过程压缩成一次调用，你给一个研究问题，它给你一份报告。
4.2 我常用的两个研究技能
一个是“领域扫描”技能。输入一个主题，输出包括：这个领域的主要玩家、近期关键进展、常见争议点、推荐阅读清单。我一般用它做新领域的入门，十分钟能建立起基本认知框架。
另一个是“竞品对比”技能。输入几个产品名，输出功能对比表、定价对比、用户评价摘要。这个做市场分析的时候特别省事，以前要手动整理半天。
4.3 研究类技能的三个使用心得
第一，问题越具体，输出越有用。“帮我研究一下 AI”和“帮我研究一下 2024 年国内 AI 编程助手的主要玩家和各自的技术路线差异”，出来的东西完全不是一个量级。
第二，一定要让它标出处。有些技能默认不标，你得在指令里明确要求。没有出处的报告，可信度打对折。
第三，报告出来之后要自己过一遍。我遇到过几次它把不同来源的信息混在一起，结论看似合理但经不起推敲。把它当助手，别当权威。
5. 可视化这条线：Excalidraw 技能怎么用出花
5.1 为什么是 Excalidraw 而不是别的绘图工具
Excalidraw 的手绘风格有个隐藏好处：它不追求精美，所以你不会在配色和排版上浪费时间。画架构图、流程图、思维导图，重点是逻辑清晰，不是好看。WorkBuddy 配合 Excalidraw，能做到“用文字描述图，自动生成草图”。
5.2 我常用的两个可视化技能
一个是“文字转流程图”技能。你把一段流程描述丢进去，它输出 Excalidraw 格式的流程图。我试过用它画工作流、画决策树，基本能用，复杂图需要手动调。
另一个是“架构草图”技能。描述一个系统由哪些模块组成、模块之间怎么交互，它生成架构草图。这个在写技术方案的时候特别有用，先出草图，再细化。
5.3 一个实际案例
上周我要给团队讲一个新的数据处理流程，懒得开画图工具，就直接用文字描述：“数据从 A 进来，经过清洗模块，分两路，一路进存储，一路进实时计算，实时计算结果回流到存储，存储再供查询服务使用。”技能生成的图基本对，我只调了两个箭头的位置。
这个效率提升是实打实的。以前画这么一张图，少说二十分钟，现在五分钟。
6. 内容生产这条线：从 Book to Skill 到日常写作
6.1 Book to Skill 是什么玩法
热词里“book to skill”我研究了一下，大意是把一本书的内容拆解成可调用的技能。比如你读了一本关于写作的书，可以把书里的方法论提取出来，做成一个“写作检查”技能，以后写完东西调用一下，它按书里的标准给你提修改建议。
这个思路挺有意思，本质是把“读书”变成“建工具”。我自己试过把一本关于结构化表达的书做成技能，效果还行，但前提是那本书的方法论本身要足够清晰、可操作。
6.2 日常写作里我离不开的两个技能
一个是“风格改写”技能。同一段内容，可以让它改成正式、口语、简洁、详细等不同风格。我写不同平台的稿子时，先用这个技能出初稿，再手动调。
一个是“标题生成”技能。输入正文，输出十个候选标题，按吸引力排序。这个不是让你直接用，而是给你灵感。我经常从里面挑一个改一改。
6.3 内容生产类技能的边界
这类技能最大的问题是容易产出“正确的废话”。因为它的训练目标就是让输出看起来合理，所以如果你不给足够具体的约束，它会给你一堆放之四海而皆准的句子。
我的应对方法是：在指令里塞入具体案例、具体数据、具体场景。你给的信息越独特，输出就越不可能套路化。
7. 代码与自动化这条线：Codex Skill 和脚本类技能
7.1 Codex Skill 适合什么人
热词里“codex skill”出现频率不低。我的理解是，这类技能面向的是需要写代码但不是专业程序员的人，比如数据分析师、运营、产品经理。
我试过用它做几件事：写 Python 脚本处理 Excel、写正则表达式、写 SQL 查询。体验是：简单任务基本一次过，复杂任务需要来回改几轮。
7.2 脚本类技能的实际价值
“skill脚本”这个热词背后，是很多人想把技能串成自动化流程。比如：每天定时抓取某个来源的信息，用研究技能分析，用写作技能生成摘要，最后存进 Obsidian。
WorkBuddy 本身支持一定程度的自动化编排，但我的建议是先从单个技能用起，用顺了再考虑串联。一上来就搞复杂流程，出问题很难排查。
7.3 一个我常用的代码辅助技能
我经常要处理 CSV 文件，手动写 pandas 代码虽然不难，但每次都要查语法。用“数据处理”技能，直接描述“读取这个 CSV，按日期分组，计算每天的总和，输出新 CSV”，它给我完整代码。我复制粘贴跑一下，基本能用。
这个技能帮我省下的不是写代码的时间，而是查文档和调试的时间。
8. 那些看起来冷门但实际好用的技能
8.1 数学建模 Skill
热词里“数学建模skill”我专门试了。它主要面向参加数学建模竞赛的学生，功能包括：理解题目、推荐模型、生成论文框架、检查论文格式。
我拿一道往年的题目试了一下，它推荐的模型方向是合理的，论文框架也像模像样。但具体求解还得自己来，它不能替你跑代码、出结果。把它当“教练”而不是“枪手”。
8.2 自定义指令类技能
热词里“workbuddy自定义指令推荐”“给workbuddy定几条规则，后续对所有任务都生效”，这个其实是全局指令功能。你可以设定一些通用规则，比如“所有输出用中文”“所有代码加注释”“不确定的信息要标注”。
我设了三条：一是所有输出默认用 Markdown；二是涉及数据必须标出处；三是长回答先给结论再给论据。这三条设完之后，整体输出质量稳定了不少。
8.3 国际版相关的技能差异
热词里“workbuddy国际版”出现多次。据我了解，国际版和国内版在技能库上有些差异，部分技能只在特定版本可用。如果你发现某个技能搜不到，先确认一下版本。这个不多展开，以官方说明为准。
9. 技能组合使用的三个实战套路
9.1 套路一：研究到输出的流水线
研究技能 → 写作技能 → 可视化技能。先用研究技能做背景调研，输出报告；再用写作技能把报告改写成适合发布的文章；最后用可视化技能生成配图。这条流水线我用来写深度文章，效率比纯手动高很多。
9.2 套路二：知识库的自动录入
结构化技能 → 双链建议技能 → Obsidian。读到好内容，先用结构化技能整理成标准格式，再用双链建议技能找关联，最后存进 Obsidian。这条流水线解决的是“知识库只进不出、越堆越乱”的问题。
9.3 套路三：日常任务的批处理
自定义指令 → 脚本技能 → 定时触发。把重复性任务写成脚本，挂上定时触发，配合全局指令保证输出格式统一。这条适合处理日报、周报、数据同步这类规律性工作。
提示：组合使用的时候，每一步的输出格式要提前约定好，不然上一步的输出下一步读不懂，整条流水线就断了。
10. 我踩过的坑和几条实在建议
10.1 不要一次装太多技能
我一开始把能装的技能都装了，结果调用的时候选择困难，而且很多技能功能重叠。后来精简到十几个常用的，反而效率更高。技能在精不在多。
10.2 技能不是越新越好
有些技能更新频繁，但新版本不一定比旧版本好用。我遇到过某技能更新后输出格式变了，导致我下游的流程全乱。后来我养成了习惯：关键技能更新前先备份旧版本的行为，确认新版本没问题再切换。
10.3 一定要自己验证输出
这条怎么强调都不为过。技能再智能，也是基于概率生成内容，事实性错误、逻辑漏洞都可能出现。我的做法是：涉及数据、引用、结论的部分，必须人工核对。把它当效率工具，别当决策依据。
10.4 关于“从入门到精通”这类资料
热词里“workbuddy从入门到精通 pdf下载”出现多次。我的看法是：这类工具更新太快，静态的 PDF 很容易过时。最好的学习方式是边用边查官方文档，遇到问题搜一下，比啃一本可能已经过时的教程有用。
10.5 最后分享一个我自己的习惯
我每周会花半小时回顾这周用过的技能，把好用的记下来，把不好用的删掉，把可以组合的标出来。这个习惯坚持了两个月，我的技能库从四十多个精简到十五个左右，但实际产出反而更高了。
技能这东西，说到底是为了让你少做重复劳动、多做真正需要判断力的事。如果某个技能让你觉得“还不如自己来”，那就果断删掉。工具是为人服务的，别反过来。
