内容来源：笔记侠（Notemans）。

责编 | 贾宁

第 9866 篇深度好文：4833 字 | 13 分钟阅读

思维方式

最近，三篇 WorkBuddy 的保姆级教程在朋友圈里刷了屏。

有意思的是，三篇教程不约而同地讲了同一件事：大多数人装完 WorkBuddy，试了三天，就把它扔在桌面角落吃灰了。

问原因，答案出奇地一致，" 跟聊天 AI 差不多，不知道拿它干嘛 "。

但另一群人，正在用同一个工具，把过去一周的活压缩到两天，把 30 分钟的流程压缩到 5 分钟。

差距不在工具，在用法，更在一个被严重低估的能力上。

这篇文章，我把这三篇万字教程做个全面的拆解，再结合自己的深度使用经验，讲清楚一件事：AI 时代，怎么用对 WorkBuddy，以及为什么创业者是最该用好它的那群人。

希望今天的分享，对你有所启发。

一、你面对的不是聊天 AI，是员工

过去，大家都在琢磨一件事：怎么向 AI 问出一个好问题。

提示词工程火过，各种提问模板火过。这都不奇怪，因为聊天 AI 的终点，就是一段文字。你问得好，它答得好；你问得烂，它答得烂。

看完，关掉，事情结束。

但 Agent（智能体，下同）不是这么玩的。

视界智造局那篇教程里说：聊天 AI 的终点是一段文字，Agent 的终点是一个文件。

一个能打开、能核对、能直接甩给同事的 Word、Excel 或者 PDF。

聊天 AI 你只需要会提问，Agent 你得会交代工作。提问是索取信息，交代是分配责任。后者难得多。

顾问和员工，是两个职位。你用对待顾问的方式对待员工，得到的自然只有一堆 " 正确的废话 "。

路人甲这篇有个真实案例：他让 WorkBuddy 处理一批本地 PDF 文件，需要先做文字识别，再定位重点信息，做语义理解，最后和另一个文件匹配。

这套活他之前人工做了一个星期，WorkBuddy 半小时交活，质量检查完全过关。

对于重复任务，AI 会越干越快。第一遍写的脚本它能复用，前面踩的坑它会总结，防止下次再犯。

现在的 Agent，是一个会自己复盘、越干越快的员工，而且不请假，不闹情绪。

二、人和 Agent 的关系，卡在哪？

为什么那么多人的 WorkBuddy 在吃灰？

视界智造局那篇文章里的比喻挺生动：你把一个新员工按在工位上，不给桌子，不给材料，不告诉他今天要交什么，只是每天路过问一句 " 你觉得我们公司怎么样？" 那他大概率也只能还你一些正确的废话。

还在用聊天的方式，使唤一个干活的员工。大多数人和 Agent 的关系，就卡在这一步。

交代工作难在哪？难在你得先想清楚自己到底要什么。原文从哪来，最后交成什么样，中间拿不准的地方怎么办，哪些东西绝对不能碰。

这些问题，过去你可以糊弄，代价只是得到一段糊弄的回答。现在不行，现在糊弄的代价是它真的动手，然后交给你一个不能用的东西。

你发现没有，这套能力其实一点都不新，就是带过团队的人每天都在做的事：定目标、划边界、给资源、定验收标准。管理学的基本动作，一个不少。

Agent 时代，企业家的优势不是技术理解力，是交代能力。你带过多少人，管过多复杂的项目，这些经验会原封不动地迁移到你和 AI 的协作里。

反过来，一个从来不需要向别人解释清楚任何事的人，在 Agent 时代会很吃亏。不是因为技术不够，是因为他从来没练过怎么把一件事交代明白。

三篇教程看完，我们提炼出一个方法论，就三句话：

给它一张办公桌，给它一份说明书。给它一条验收线。

下面拆开聊聊。

1. 办公空间，给它一张办公桌

工作空间是什么？

就是 WorkBuddy 这次干活的办公桌。它从这张桌子上找材料，做好的东西也放回这张桌子上。

操作本身两秒钟：点新建工作空间，输入名称，搞定。

千万别。

你等于把一个能改文件的员工，放进了你所有资料的正中间，然后跟他说：随便看看。

正确的做法是，每个任务单独建一个文件夹，只把这次要用的材料复制一份放进去。

这样做有三个好处：原文件不会被误改；做好的结果不会散落得到处都是；后面你要设自动化，也有一个干净明确的目录可以指定。

还有一个习惯值得从第一天养成：一个对话框，只处理一件事。

" 整理用户反馈 " 和 " 做招聘海报 " 是两件不相干的事，塞进同一个对话里，短期看省事，三天后你想回头找那张海报，就得在几百条消息里翻。

2. 模式、模型和规矩，给它一份说明书

交代工作的第二件事，是把规矩说清楚，WorkBuddy 给了你三层工具来做这件事。

第一层，三种模式。

模式藏在输入框的加号里，点开就能看到。

Ask，只讨论和查看信息，不改文件。适合你把没想清楚的问题丢给它，放心聊。

Craft，直接执行，直接生成或修改文件。这是默认模式，适合目标清楚、步骤简单的任务。

Plan，先给出计划，你确认之后它才操作。

新手最稳的用法就一句话：不确定时先 Ask，一般任务默认 Craft，重要和复杂的任务用 Plan。

Plan 为什么要单独拿出来说？它值钱的地方不是因为会 " 定个计划 "，是它逼你在动手之前看到全貌。

你要它整理十几份候选人资料，直接执行，它会闷头读完然后吐一张表给你。表里少了一个人，或者字段拆错了，你得整张重来。

用 Plan，它会先告诉你：我准备读这 14 个文件，准备提取姓名、岗位、联系方式、工作经历这四个字段。你扫一眼就知道漏没漏。

在计划阶段发现漏项，和在四个文件都做完之后才发现方向错了，损失的积分和时间能差出好多。

第二层，模型选择。

WorkBuddy 里能选的模型不少，Kimi K3、DeepSeek、GLM，国内第一梯队的都在。

右下角点 Auto 就能进模型选择页。不知道选什么，就保持 Auto，它会根据任务难度自动分配。

模型名字后面的倍率就是 " 价格标签 "，不是所有任务都值得用最贵的模型，让它把一堆 PDF 里的信息抠出来填表，用最贵的和用免费的，结果差不了多少，账单差很多。

建议一般文字处理、表格修改就用腾讯的 HY，或者 DeepSeek 系列；复杂任务再用 Kimi k3 或智谱的 GLM 系列。

第三层，自定义指令和记忆。

点头像进设置，个性化里有个自定义指令。

这个你可以理解成，无论做什么事都必须遵守的公司规章。

比如你可以写：所有输出文件统一用中文命名；不要修改工作空间里的原始文件；表格类交付必须保留数据来源列。写一次，长期生效，比你每次在对话里重复一遍划算得多。

记忆功能同理，勾上生成对话记忆，它就能跨对话记住你是谁、做什么业务。

上个对话里你说过自己是做消费品的，下个对话里问它新品上市怎么排期，它会把你的行业背景算进去。

一份好的说明书，是员工少犯错的前提，人是这样，AI 也一样。

3. 产物核对和权限，给它一条验收线

三篇教程里，被我们划重点最多的一句话是这句：" 任务已完成 " 这四个字，只能说明它停下来了，但停下来，不等于做完了。

WorkBuddy 和聊天 AI 的一个根本差别是，它的交付物在右侧的产物区。Word、Excel、PDF，所有最终文件都集中在那儿。

文件能打开，内容能核对，这项工作才算做完。

每次验收，至少检查这几处：数量和原材料对不对得上；关键字段有没有放错行；没写明的信息有没有被它自己补全了；文件能不能正常打开。

发现某一列不理想，不用让它全部重做。指出具体问题，只改需要改的那部分。比如直接说：" 工作经历这一列太长了，压缩成最近两段经历，每段只保留公司、岗位和任职时间，其他内容不要改。"

跟 AI 交互和带人一样，反馈越具体，返工越少。

验收线之外，还有一个 " 权限 " 问题。

默认权限下，遇到高风险操作它会停下来让你确认。完全访问权限下，它能直接做的事更多，不会中途一直请求你许可。

如果你是新手，我们建议你先选默认，原因很简单：聊天 AI 理解错了，你损失一次对话；Agent 理解错了，你可能损失一份文件甚至所有数据。

先用默认权限把自己的表达能力磨准，摸清楚它会在哪些地方误解你，再考虑放开。

这个顺序，别反。

三、从单挑到团战： 五个必须搞懂的模块

办公桌、说明书、验收线都有了，接下来是扩编。

WorkBuddy 里有五个词，新手很容易看得一脸懵：助理、技能、专家、连接器、自动化。

别急，咱们慢慢讲清。

1. 助理，是你亲手养大的自己人

你给它起名字、定性格、告诉它你是谁、做什么项目、习惯怎么沟通，它就记住了。下次打开不用重新介绍，它直接接着上次的活干。

有人让助理处理过一份项目文档，一周后说 " 接着上次的 XXX 项目继续 "，它还记得文件名、修改日期、改了什么内容。

2. 技能给流程，专家给视角

技能是一套 SOP（标准作业程序），装上之后它就会按某个固定流程干活，比如处理 PDF、生成海报。

专家是一个打包好的垂类 Agent，用某个专业角色的方法看问题。比如你要写一份招聘的岗位说明书，就要召唤人力资源专家，它能从岗位定位、候选人吸引力、合规表达几个角度帮你检查。

有两件事要提醒你：

第一，第三方技能太多了，别看到热门就全装，只启用当前任务真正需要的那一个，不然就会造成 Token 的浪费，用起来也很麻烦。

第二，专家团消耗的资源比单专家高不少，一个专家能搞定的事，没必要为了看起来高级拉一个 AI 项目组，积分伤不起。

3. 连接器，从搬数据到 " 接数据 "

现在有了连接器，你只需要说一句：帮我从腾讯文档里把文件名为某某的内容整理出来。它自己去取、自己处理、自己给你结果。

有人算过一笔账：整理 5 份周报、按项目分类生成部门汇总，过去手动 30 分钟，接上腾讯文档连接器之后 3 分钟，效率提升 10 倍。

4. 自动化，是你的赛博实习生

到点就干活，不用催，每天 9 点抓行业热点生成简报，每周五下午汇总本周工作，设一次，它替你记一辈子。

但要注意：手动流程还没成功跑通，就先别设定时执行。

手动任务出错一次，你当场就能改；自动化配置写错了，它可能每周都准时重复同一个错误，而且一次比一次熟练。

还有三个坑要提前堵上：自动化单独建目录，别和手动文件堆一起；时间范围写死，" 本周 " 要定义成周一零点到当前时刻；加去重规则，处理过的文件不要重复导入。

5. 项目功能，让 AI 从你的助手升级成你的队友

普通任务是你一个人带着 AI 干，是单挑；项目是多人加多个 AI 专家并行协同，是团战。

项目记忆一次写入全员复用，产物自动归档，版本可追溯。超级个体的天花板，成了超级团队的起点。

四、五种日常的活，怎么安排？

我们把三篇教程里最有实操价值的部分提炼如下，你可以直接对照自己的业务往里套。

第一类，整理型。

用户反馈、访谈记录、客服工单、候选人资料、活动报名信息，这类活最适合新手起步。

交代的时候有四件事必须说清楚：原文从哪里来，要整理成哪些字段，拿不准的地方怎么处理，原文件能不能改。

尤其第三件，最容易被忽略，不交代，它就可能替你 " 脑补 "。一句 " 资料里没有写明的信息，填写未提及，不要自行推测或补全 "，能挡掉大部分事故。

第二类，分析型。

培训满意度调查、库存变化、客户咨询趋势、内容表现数据。这类任务最容易栽在统计口径上：到场率的分母是报名人数还是应到人数，满意度均分要不要剔除空白卷。这些不说清楚，它算出来的数字看着很像那么回事，其实是错的。

正确姿势是先让它列出识别到的字段和取值范围，你确认口径之后再计算。这一步多花两分钟，省掉后面整份报告返工。

第三类，内容产出型。

通知、操作手册、活动文案、制度解读这些文档，质量好不好，看四件事有没有说清楚：写给谁看，在什么场景用，写多长，哪些话不能说。

第四条最容易被忽略，也最容易出事。" 不要提及尚未上线的功能，不要承诺具体时间节点 "，这一句交代，能帮你挡掉绝大部分事后删改的麻烦。

第四类，跨软件型。

前面已经讲过，这要靠连接器实现。第一次练手挑只读任务，确认它汇总可靠之后，再开放写权限。

记住一件事：它改的不是你本地的文件，是别人也在看的文件。

第五类，长流程型。

新员工入职资料包、活动执行方案、课程设计、研究报告，这类任务的核心是把资料、步骤和交付物拆开，一定要开 Plan 模式。

一次交付一整包，出错的时候你根本不知道是哪一环坏的。拆开之后，每一环都能单独检查、单独重做。

五类任务看完，你会发现方法论是同一套：交代清楚、验收到位、错了改局部，变的只是字段和交付格式。

这就是可复制的效率。

结语：

现在，在 AI 的助力下，我们能 4 小时干完一天的活，3 分钟干完 30 分钟的活，每周自动跑重复动作。

这些数字单个看都不惊人，加在一起，就是一个人干出一支团队的产出。十倍增长，不是玄学，是这么一笔一笔省出来的。

省下来的时间去哪了？这个问题更重要。

答案是：留给判断力。

Agent 没有让你少思考，它只是逼着你把思考前置，然后替你做执行。

看地图代替不了行军，只看教程拉不开差距，学 AI 这件事，最重要的是在自己的真实业务里跑通一遍，把第一份工作台搭出来，把第一个自动化设起来，把第一个十倍效率的场景落在自己公司身上。

这正是我们做笔记侠 AI 十倍增长营的原因。

不讲概念，不聊趋势，就带着企业家和创业者，把 AI 从 " 听说过 " 变成 " 用得上 "，从 " 用得上 " 变成 " 用得好 "。每一个模块都对着真实业务场景练，每一个产出都能带回公司直接用。

笔记侠 AI 十倍增长营 03 期即将开课，席位有限，欢迎扫码了解详情。

参考资料：

1.《WorkBuddy 超详细教程，从 0 到 1 手把手教你使用国内最好用的 Agent》，视界智造局

2.《5000 字 workbuddy 保姆级教程，从入门到精通（打工人必备）》，卡西卡西在奔跑

3.《WorkBuddy 最新教程，看完我奶奶也会用了》，路人甲 TM

好文阅读推荐：

9 月底，去硅谷和西雅图看 AI 前沿和出海典范｜出发倒计时 10 天

曾鸣最新访谈：2026，像极了 1995

读懂《金刚经》，就读懂了马斯克和乔布斯