WorkBuddy更新实测：自定义指令+Skill技能+DeepSeek接入完整指南

最近 WorkBuddy 这波更新确实把不少打工人看高兴了。我从它还是个小工具的时候就开始用中间换过好几款 AI 工作台最后留在 WorkBuddy 主要是因为这次更新的几个点正好打在我的痛点上。今天不整虚的把从安装配置、自定义指令到接 DeepSeek 的完整实操过程整理出来给还在观望的人一个参考也算是给自己留个笔记。1. WorkBuddy 是干什么的先搞清楚它和普通聊天 AI 的区别1.1 一句话点破 WorkBuddy 的核心逻辑市面上叫“AI 助手”的工具太多了但大多数停留在“你问一句、它答一句”的聊天层面。WorkBuddy 不一样它更像是一个能真正参与你工作流程的“任务型工作台”。它的核心逻辑不是对话而是任务你把一个目标丢给它它会自己拆分步骤、调用技能、执行操作最后输出结果。打个比方普通聊天 AI 就像一个什么都知道的顾问你说“帮我写个方案”它给你一篇文字WorkBuddy 更像一个带工位的实习生你说“帮我写个方案”它会先问清楚背景、列出框架、分步执行甚至把参考资料抓取整理好最后直接给你一版能用的初稿。这个差别在任务稍微复杂一点的时候会非常明显比如“整理这周的竞品动态输出一份简报”聊天 AI 一般只会给你一段泛泛的文字而 WorkBuddy 会真正去获取信息、归类、排版产出一个可以直接放进日报里的东西。这次更新之后WorkBuddy 在“任务执行力”上的提升更明显了。它不再只是被动的问答工具而是可以通过自定义指令、技能Skill和多模型配合变成一个能够独立处理完整工作流的数字员工。这也是我推荐所有被重复性工作折磨的人去试一下它的原因。1.2 这波更新到底更新了什么这次更新最让我满意的几个点概括起来其实是三个方向。第一个是自定义指令的持久化。以前这类工具最大的问题就是“每次都要重新交代背景”今天告诉它“你是我的运营助理输出格式要带数据表格”明天它又忘了。WorkBuddy 这次把自定义指令做成了可以常驻配置的规则设置一次之后后续所有任务都会自动生效相当于给 AI 写了一份长期有效的岗位说明书。第二个是 Skill 技能体系。这次更新之后WorkBuddy 支持安装各种技能包包括社区里很火的 superpowers 技能库。装上之后它就不只是会聊天了而是拥有了“思维导图生成”“任务拆解”“网页内容抓取”这些具体能力。可以把它理解成给 AI 装插件而且是那种装了就能直接用的插件。第三个是多模型支持。WorkBuddy 不再绑死某个模型而是允许你自己接入 DeepSeek、通义千问、本地模型等各种服务。这意味着你完全可以根据任务类型选择模型比如日常写作用 DeepSeek代码相关用特定的模型甚至断网时用本地方言模型顶上去。这个灵活性是我决定长期用它的关键原因。1.3 什么人用 WorkBuddy 最划算先对号入座一下如果你是下面这几类人WorkBuddy 这波更新值得花点时间折腾。第一类是运营和内容创作者。日常工作大量是素材收集、标题构思、文案改写、周报月报这些全是 WorkBuddy 的强项。配合自定义指令和网页抓取基本能做到“给一个主题半小时内出完整初稿”。第二类是职场里的“表哥表姐”和数据分析岗。WorkBuddy 整理结构化信息的能力比聊天 AI 强不少让它从网页抓数据、做归纳、输出表格能够省掉大量重复劳动。第三类是程序员和有技术背景的效率爱好者。因为支持本地模型、支持 API 接入WorkBuddy 可以变成一个完全可控的自动化工作台甚至可以通过 API 和它联动把它当成整个工作流的一环。当然如果你只是偶尔用 AI 写个朋友圈文案那没必要折腾直接用网页版聊天工具就够。WorkBuddy 适合的是那种想让 AI 真正参与工作、而不是只当咨询顾问的人。2. 这波更新的关键能力拆解自定义指令、Skill 与多模型切换2.1 自定义指令从“每次交代”到“一次配置全局生效”自定义指令是我最喜欢的一个功能也是很多人没用好、甚至没发现的宝藏。它的本质是给 WorkBuddy 设定一套长期有效的行为准则相当于给它写了一份入职培训手册。拿我的使用场景举例。我平时需要写大量产品分析类内容以前每次开工都要先写一大段提示词你是资深产品经理关注用户体验、商业化模式、竞争格局……输出格式要有核心观点、细节分析、行动建议……这套话术又长又烦还容易因为上下文长度限制被截断。用了 WorkBuddy 的自定义指令之后我把这些要求一次性写进了配置里然后所有后续任务都自动遵循。比如我在日常对话里只说一句“帮我看看最近的知识付费产品趋势”它自动就会按照我预设的分析框架来输出不再需要我重复交代。自定义指令的关键在于你把“个性”和“规则”分开写。个性部分告诉它角色定位规则部分告诉它输出格式、语气、禁忌。我建议所有人不要直接套网上的模板而是把自己的实际工作场景拆解成几条可执行的规则。毕竟指令是给你自己用的不是给别人看的。2.2 Skill 技能扩展把 WorkBuddy 变成会干活的工具人如果说自定义指令是给 WorkBuddy 立规矩那 Skill 就是给它装武器。这次更新之后WorkBuddy 的技能体系完善了很多尤其是支持从 SkillHub 和 GitHub 仓库直接安装技能包整个安装过程被大大简化了。什么叫技能举个例子GitHub 上有一个叫 superpowers 的开源项目里面集合了大量面向 AI 助手的高质量技能比如“从零构建一个计划”“将复杂项目拆解成可执行任务”“用苏格拉底式提问帮助思考”等。以前这些技能主要适配其他 AI 编程助手现在 WorkBuddy 也能直接兼容装上就能用。安装技能的流程大致是在 WorkBuddy 的技能市场里搜索 SkillHub找到对应技能后一键导入或者通过命令行把本地的技能文件夹放到 WorkBuddy 指定的技能目录下。导入后你可以在技能列表里看到所有可用的技能并在任务中指定需要调用哪个。我测试下来最常用的是“网页内容结构化提取”和“任务拆解”这两个技能前者配合抓取功能可以做竞品信息整理后者能把一个模糊的需求自动拆成带时间节点的执行计划。装上这些技能之后WorkBuddy 的产出质量明显上了一个台阶不再只是文字生成器而是真正像在“干活”。2.3 多模型自由切换DeepSeek、本地模型一个不落WorkBuddy 这次更新最大的一个诚意就是彻底开放了模型接入。以前很多工作台绑死自家的模型或者只支持一两家大厂的 API现在 WorkBuddy 支持自定义接口你可以把各种模型塞进去按需切换。以接入 DeepSeek 为例这是目前很多人关注的一个搭配方案。DeepSeek 在中文写作和逻辑推理上的表现一直不错而且 API 价格相对亲民。在 WorkBuddy 的模型设置里填入 DeepSeek 的接口地址、API Key 和模型名称保存后就可以在对话框里切换过去。整个过程大概三分钟不需要写代码也不需要特殊工具。除了云端模型WorkBuddy 也支持接本地模型。我试过通过 Ollama 跑 Qwen 系列的小模型在断网或者处理敏感数据的时候用本地模型速度和隐私都有保障。虽然本地小模型的综合素质不如云端大模型但处理日常整理类任务完全够用。多模型切换的意义不只是“多个选择”而是可以针对任务类型做最优选长文档写作用上下文强的代码生成用代码能力强的日常杂活用便宜的私密内容用本地模型。能把模型当成资源池来调度这才是工作台该有的样子。3. 从零上手安装、配置到第一次完整任务实操3.1 安装与初始化三平台实测要点WorkBuddy 的安装不算复杂但不同平台有各自的注意事项。Windows 端相对最省事直接下载安装包一路下一步就行。需要注意的是安装路径最好不要带中文和空格尤其是后续打算装一堆技能包的话路径干净能少很多麻烦。macOS 端和 Linux 端都是用命令行方式安装。macOS 用户建议先装 Homebrew然后通过 brew 命令一键安装。Linux 用户需要注意依赖问题Ubuntu 系统通常需要先装 Python 3.10 以上版本和 Git再克隆仓库安装。我实测下来Ubuntu 24.04 上安装最顺利老版本系统可能会遇到 OpenSSL 依赖报错这个后面常见问题部分专门说。初始化的时候会要求登录账号这一步我建议大家直接注册绑定邮箱不要用第三方快捷登录后面同步配置和技能的时候会更稳定。登录之后先不要急着新建任务先去设置里确认模型连接状态默认会有一个内置模型先用它跑通一个简单对话确认环境没问题再开始折腾自定义配置。3.2 接入 DeepSeek 的完整配置过程准备工作只需两样东西一个 DeepSeek 开放平台的账号以及一个 API Key。申请 Key 的过程就不细说了注意两点一是充值后再调用免费额度很少二是 Key 创建后只显示一次一定先复制保存好。拿到 Key 之后在 WorkBuddy 里点击设置进入模型管理选择“添加自定义模型”然后按下表填写配置项填写内容说明接口地址https://api.deepseek.com/v1注意末尾要带 /v1很多填错的人都是漏了这里API Keysk-开头的密钥粘贴时小心前后空格容易混进不可见字符模型名称deepseek-chat这是对话模型的标识需要推理模型则填 deepseek-reasoner请求格式OpenAI 兼容格式WorkBuddy 默认就是这种格式不用改填完之后点测试连接正常情况下会返回耗时和 token 数量提示。如果报错九成是接口地址少了 /v1或者 Key 复制多了空格。保存后在对话界面左上角的模型选择器里切换到 deepseek-chat就可以开始用了。我日常的搭配是写作和整理类任务用 DeepSeek代码类任务切到专门的代码模型纯私密内容用本地 Ollama。切换过程是实时的不需要重启应用这也是 WorkBuddy 用着顺手的原因之一。3.3 第一次完整任务实操让它跑通一个真实工作流配置好模型之后建议用一个小任务体验一下 WorkBuddy 的完整工作流。我以“整理一份咖啡行业的新品趋势简报”为例讲讲完整的操作过程。首先在对话框里给 WorkBuddy 下指令“整理最近三个月咖啡行业的新品趋势输出简报包含主要品牌动态、产品方向、我的建议。”如果你没有设置自定义指令它大概率只会给你一篇泛泛而谈的文字参考价值有限。所以正确做法是先把任务拆解成步骤逐一交给 WorkBuddy 执行。第一步让它抓取素材。给它可以访问的网页链接比如几个行业媒体关于咖啡新品发布的文章链接使用“网页内容提取”技能让 WorkBuddy 分别抓取正文并整理成摘要。这一步需要链接是公开可访问的页面配合抓取技能输出会比较干净。第二步让它归纳。把所有抓取结果汇总给它让它按品牌、产品类型、创新方向三个维度分类整理。此时如果自定义指令里写明了输出格式偏好它会自动使用表格来呈现。第三步让它结合你自己的业务情况给建议。这一步需要补充业务背景比如你是做连锁门店的还是做电商的不同背景下的建议差别很大。背景信息越具体输出越有价值。整个流程走下来大概十分钟比我自己去翻几十篇报道再整理快太多了。更重要的是WorkBuddy 会把每一步的产出都留存在工作台里方便随时回溯和重新编辑不会像聊天窗口一样刷一下就没了。4. 把 WorkBuddy 变成生产力核心进阶玩法与场景实录4.1 自定义指令推荐写法与实操心得网上已经有很多人分享自定义指令模板但直接套用效果往往一般。我自己的写法是“先做减法再做乘法”第一版指令只写三条最重要的规则跑两周之后逐步叠加新的规则。下面是我目前正在用的指令框架供大家参考【角色定位】 你是一名有十年经验的行业分析师擅长从公开信息中发现趋势并提出可执行建议。 【工作规则】 1. 所有输出使用中文标题层级清晰多用表格和列表。 2. 如果信息不完整先说明缺失的部分再基于已有信息分析不要编造。 3. 对于数据类内容必须标注信息来源和时间无法确认来源的用“据公开资料”表述。 4. 输出结论时先给核心观点再补充分析细节最后给出行动建议。 【沟通风格】 表达直接不客套不堆砌形容词不使用“综上所述”等没信息量的话。这套指令最大的好处不是单个任务的质量提升而是让所有任务的输出风格统一了。长期用下来WorkBuddy 的输出越来越像“我写的”而不是“AI 写的”这在需要对外发布内容的场景里非常关键。另外自定义指令不只是文字规则它还可以约束 WorkBuddy 处理任务的方式。比如我加过一条“对于需要外部信息的任务优先使用抓取技能获取实时资料而不是依赖模型内置知识”这一条让它的时效性明显提升不再一本正经地说一些过期信息。我个人的经验是指令不是越多越好。超过十条之后模型会顾此失彼反而降低执行质量。每两个月回头看一遍把不用的删掉把重复的合并保持指令集的精简和可用性。4.2 网页内容采集与二次整理合规使用的正确姿势WorkBuddy 的网页抓取功能用好了是真的省时间。我日常会用它来处理竞品动态、行业资讯、平台内容素材这几类工作。操作方式不复杂在浏览器里把需要提取内容的页面链接复制下来粘贴给 WorkBuddy说一句“抓取这个页面的正文并整理要点”它就会调用抓取技能把网页正文提取成干净的文本再去掉广告和无关内容输出一个结构化摘要。如果要抓取多个页面可以把链接分成几批发过去让 WorkBuddy 逐条抓取最后汇总。我写过一条自定义指令“抓取时先提取标题、发布时间、正文核心观点输出为表格”这样批量处理竞品动态时效率极高。这里必须提醒一个合规问题。网页抓取功能只应该用于个人学习、研究、内部参考这些合理场景不要用于批量搬运、洗稿、抄袭更不要对目标网站造成访问压力。我一般是一次性手动丢几个链接让它处理而不是配置定时批量抓取这样既满足需求也不会触碰红线。抓取内容后的二次处理才是真正产生价值的地方把抓来的素材喂回给 WorkBuddy让它按照你的需求重写、整合、提炼观点。这一步如果配合上一条的自定义指令输出的内容几乎可以直接使用我很多报告初稿就是这么来的。4.3 积分和宠物系统任务管理的游戏化设计真的有用吗说实话我一开始对 WorkBuddy 里的积分和宠物系统是持怀疑态度的觉得这是花哨功能跟工作有什么关系。实际用了一段时间后我承认它的设计确实有它的道理。WorkBuddy 的宠物可以理解成一个跟你的任务完成度挂钩的成长系统你每完成一个任务、每达成一个目标都会获得积分积分可以用来喂养宠物宠物会随着积分积累成长和变化。本质上这是把任务管理变成了一个轻度的养成游戏。对自律性强的人来说这个功能无所谓但对容易被重复工作消耗热情的人来说它的价值在于提供了即时反馈。日常工作里很多任务要几小时甚至几天才能看到成果而积分是即时到账的这种小反馈能有效维持动力。我现在的习惯是每天下班前看一眼当天的任务积分像每天收能量一样多少有点“今天没白过”的踏实感。不过我也要泼一盆冷水宠物和积分是锦上添花不是核心价值。如果指望靠它来拯救你的拖延症那不如直接把任务拆小一点来得实际。真正的生产力提升还是来自前面讲的自定义指令和技能配合。5. 常见问题与排查技巧实录5.1 高频问题速查表把这段时间遇到的和身边朋友问过的问题整理成一张表大家可以直接对号入座。问题现象可能原因解决方法网络连接失败无法访问模型服务本地网络策略拦截了 API 请求检查 API 地址是否填写正确尝试切换网络环境确认使用的是官方 API 地址接入 DeepSeek 后测试连接报错接口地址少了 /v1或 Key 有误按表格对比接口地址格式重新粘贴 Key去掉首尾空格自定义指令不生效指令写在单个对话里而不是全局设置在全局配置中设置指令并确认没有在对话中手动关闭全局指令安装技能后找不到入口技能没有启用到技能管理列表确认技能状态为“已启用”新装的技能可能需要重启会话本地模型连接失败Ollama 服务未启动或地址不对确认 Ollama 已启动地址是否为 http://localhost:11434/v1 的格式Linux 安装时报依赖错误系统缺少编译依赖Ubuntu 需要安装 python3-dev 和 build-essential再重试安装抓取网页输出为空页面有反爬机制或需要登录换用无登录校验的公开页面测试对需要登录的内容先手动保存文本再交给 WorkBuddy输出内容质量不稳定上下文被长文本冲淡拆分成小任务执行不要一次塞太长的材料必要时开启新的会话再继续5.2 几个我踩过最深的坑第一个坑是 API Key 泄露。我有一次把包含 Key 的配置截图发到了群里问问题结果没过多久账号就被盗刷了。这里必须强调API Key 等于钱任何情况下都不要截图、不要发到社交平台、不要提交到公开仓库。如果怀疑泄露第一时间去控制台吊销并重新生成。第二个坑是上下文长度问题。有一段时间我总喜欢把一整年的数据都丢给 WorkBuddy让它给我做分析结果发现它越到后面越“糊涂”输出质量明显下降。后来我改成先让它把数据处理成结构化的摘要再基于摘要分析效果立刻恢复了。第三个坑是盲目追求“大而全”的自定义指令。最开始我参考网上的模板一次性写了十几条规则结果模型变得畏手畏脚输出又长又空。后来精简到五条核心规则输出质量反而大幅提升。现在我的原则是指令宁缺毋滥先跑起来再优化。第四个坑是对技能的期望过高。Skill 能提升 WorkBuddy 的能力边界但它不是魔法技能的目的是让模型有正确的操作路径而不是替代模型本身的推理能力。技能装多了反而会让它在调用时犹豫不决所以建议只保留高频使用的几个。最后再分享一个我的使用习惯每天晚上下班前把第二天要做的第一件事用一句话丢给 WorkBuddy让它提前列好执行步骤。第二天早上到工位打开就是一份现成的行动清单等于让 AI 在睡觉的时候帮你把班加好了。这大概就是 WorkBuddy 这类工具真正的意义——不是替你做决定而是把那些重复的、繁琐的准备工作全部接下来让你把精力留在真正需要判断力的事情上。