大白话速通 WorkBuddy，普通人拥抱 AI，先从干中学开始

在 AI 时代，只要你学得足够慢，你就可以不用学。

年初 OpenClaw 最火的时候，为了养一只「龙虾」，有人专门买 Mac mini，有人从命令行开始补课，装环境、配模型、研究 Skill，顺便再和各种报错斗智斗勇。

虽然折腾是挺折腾，但这波龙虾热也让很多人第一次意识到，AI 的宿命并非只是聊天，还能代替用户完成一些原本需要坐在电脑前反复操作的任务。

半年过去了，Skill、自动化、远程控制等过去需要自己搭环境才能体验的功能，如今正在被装进一个个开箱即用的产品，其中就包括当下风头正盛的 WorkBuddy。

但对于第一次接触这类产品的人来说，最容易产生的疑问依然是 WorkBuddy 和 DeepSeek 这些模型到底有什么区别？到底怎么用？更重要的是，我每天手里的哪些工作，真的值得交给它？

所以这篇文章不聊复杂的 Agent 原理，也不展开讨论各种技术概念。我们直接从实际使用场景出发，看看到底能做什么，以及普通用户如何快速上手。

界面说明书（人话版）

WorkBuddy 目前支持 Windows 和 macOS。

Windows 要求 Windows 10 及以上版本，Windows 7、8、8.1 无法运行。下载官网安装包后，按照安装向导完成安装即可。

Mac 要求 macOS 12 Monterey 及以上版本。这里需要注意芯片区别，M 系列 Mac 下载 ARM64，Intel Mac 下载 X64。

安装完毕后，第一次打开 WorkBuddy，全新的界面难免会让不少用户产生一种熟悉又陌生的感觉。

熟悉，是因为它看起来仍然像一个聊天工具。陌生，是因为聊天窗口旁边，多了一整套围绕任务、文件和工具展开的工作区域。

左侧，能力管理区：覆盖新建任务、助理、项目、专家、自动化、资料库、Skill 等主要功能。

中间，任务执行区：用户可以输入需求、上传文件、选择模型、Skill 和工作空间，然后让 WorkBuddy 开始执行任务。

右侧，结果管理区：这里可以查看 WorkBuddy 生成的文件、当前工作空间中的资料、文件修改记录以及网页预览。

官方将右侧工作栏分为「产物」「工作空间文件」「变更」「浏览器」几个区域。

第一次使用时，最需要区分的是「聊天回复」和「产物」。

比如让 WorkBuddy 制作一份 PPT，中间区域展示的是执行过程，而真正生成出来的 PPT 文件，会出现在右侧「产物」中。

如果它修改了已有文件，「变更」区域还能查看具体调整了哪些内容。

打开按钮的正确理解方式

面对左侧一长排功能，很多用户刚开始可能会有些不知所措。但其实它们的核心逻辑只有一个：让 AI 除了能回答问题，还得帮助打工人完成工作。

简言之，不要告诉 AI 你想知道什么，而要告诉它你最终想完成什么。

灵感：不知道让 AI 干什么？先抄作业

照葫芦画瓢，是上手 AI 最快的方式。

大多数人都说 AI 无所不能，但鲜少有人真正告诉你，这个「能」到底体现在哪里。好在很多问题其实都有现成答案。

对第一次接触 WorkBuddy 的人，我的建议很简单：遇事不决，先看「灵感」。

「灵感」更像一个 AI 任务案例库，你可以在这里看到别人如何使用 WorkBuddy 创建网页、处理文档、分析数据、制作内容等，然后再模仿学习。

比如看到一个自动生成周报的案例，你可能会想到自己的日报、会议纪要是否也能交给 WorkBuddy；看到一个资料分析案例，也可能会想到自己的行业报告整理工作。

很多时候，AI 的使用方式并不是来自学习某个技巧，而是重新观察自己的工作流程。

新建任务：学会派活，才算真正上手

日常使用 WorkBuddy，绝大多数工作都会从新建任务开始。

和普通聊天机器人相比，最大的区别在于，你交给它的不应该只是一个问题，而是一件完整的工作。

在新建任务时，WorkBuddy 提供了 Plan（计划）、Ask（仅问答）等模式。

顾名思义，Plan 模式将先规划任务，等你确认后再执行；而 Ask 模式适合问问题，找思路，无法做执行。

比如：「帮我总结一下这篇文章。」这是普通 AI 很擅长的事情。但「读取电脑文件夹里的 20 份行业报告，整理今年 AI 手机市场趋势，并生成一份 PPT。」才是 WorkBuddy 更适合处理的任务。

因为它不仅可以理解内容，还可以围绕目标继续读取文件、调用工具、生成产物。

这里也正好解释了 WorkBuddy 和 DeepSeek、Kimi 等模型的区别。

大模型更像负责思考的大脑，负责理解、推理和生成内容。

WorkBuddy 更像一个工作环境，把模型、本地文件、Skill、工具和任务流程组织起来，让模型能够继续执行后续动作。

此外，自由度颇高的 WorkBuddy 还内置多款模型，同时支持用户添加第三方模型。在设置中的模型页面，可以配置 API Key、模型地址等信息，也可以接入本地部署的大模型。

具体操作也很简单。首先打开 WorkBuddy，在左下角进入：

设置 → 模型 → 添加模型

进入模型配置页面后，可以看到几种接入方式：

第一种是直接选择已有模型提供商。

如果 WorkBuddy 已经预设了对应服务，只需要选择提供商，然后填入 API Key 即可。系统会自动补全接口地址和相关配置。

第二种是自定义 API。如果你的模型服务没有出现在列表里，可以选择「自定义 / Custom」，手动填写三个信息：

接口地址（URL）：也就是模型服务提供商提供的 API 地址。

API Key：这是调用模型的身份凭证，一般需要在对应模型平台申请。

模型名称（Model Name）：填写具体要调用的模型 ID，例如 DeepSeek 的某个模型名称。

第三种是接入本地模型。Ollama 本身是一个运行本地模型的工具，启动后会提供兼容 OpenAI 协议的接口，WorkBuddy 可以直接连接。这样做的优势是数据不会上传到云端，同时也不消耗第三方 API 的 Token。

不过，对于大多数普通用户来说，没有必要一开始就研究本地模型。第一次使用，更推荐先体验内置模型，或者接入自己已经拥有 API 的模型。

保存之后，这个模型就会出现在 WorkBuddy 的模型选择列表中，之后新建任务时可以直接切换使用。

不同任务适合的模型也可能不同。例如写作、数据分析、视觉理解和复杂推理，对模型能力的侧重点都有区别，选择合适的模型，往往能获得更好的效果。

助理：下班了，但你的 AI 可以没下班

如果人不在电脑旁，WorkBuddy 还能不能继续干活？

过去使用 AI，通常需要人坐在电脑前，打开软件，输入需求，然后等待结果。但如果 AI 真正进入日常工作，它不应该永远等着用户坐在屏幕前。

WorkBuddy 的助理功能，就是把这个入口延伸到了手机端。

在保持 WorkBuddy 电脑端运行之后，用户可以通过微信、企业微信、QQ、飞书、钉钉等平台，从手机向它发送任务，再接收执行结果。

比如下班路上突然想起明天要整理会议资料，可以直接发送：

帮我读取电脑「今日采访」文件夹里的资料，整理一份采访纪要。

电脑里的 WorkBuddy 会继续执行任务，完成后把结果同步回来。

对于个人用户来说，目前最简单的方式是接入微信助理。

进入助理设置，找到微信助理，生成二维码后扫码绑定即可。长期使用时，需要注意电脑保持运行，同时可以开启防休眠相关设置，避免电脑进入睡眠状态导致远程任务中断。

项目：一次交代，长期有效

如果新建任务解决的是「现在做什么」，项目解决的就是「长期围绕一件事持续工作」。

例如运营一个品牌，可以建立一个项目，把品牌资料、历史报告、写作要求、常用 Skill、专家配置全部放进去。

以后再进行新品分析、竞品研究或者内容创作时，WorkBuddy 可以直接继承这些背景信息。

对于一次性的任务，新建任务就够了。对于持续几周、几个月的工作，项目会更加合适。

专家、Skill 和连接器：更专业、更能干、更博闻

如果说新建任务负责让 WorkBuddy 开始工作，那么专家、Skill 和连接器解决的就是另一个问题：如何让它变得更专业，拥有更多能力，以及接触更多信息。

三者看起来相似，但负责的事情却并不相同。

专家：给 Agent 一个专业身份

专家可以理解成提前配置好的专业 Agent。

比如内容专家更关注资料整理和写作，数据专家更擅长分析表格，PPT 专家则负责演示文档制作。

当一个任务涉及多个领域时，还可以让多个专家组成专家团，让不同 Agent 分工完成不同部分。

例如制作一份行业报告，可以让一个专家负责搜索资料，一个负责分析数据，一个负责整理成文，最后汇总输出。

普通任务不需要频繁调用专家团，但当工作本身需要多个角色协同时，它会更有价值。

Skill：给 WorkBuddy 安装新的技能

Skill（技能）更像是给 Agent 增加具体工具。

比如要处理 PDF、Word、Excel、PPT，可以安装办公文档 Skill；

要进行互联网搜索，可以用 Web Search；要让 Agent 直接打开网页、点击按钮、滚动页面，可以用 Agent Browser。

除了一些 SkillHub 的常规的通用技能，还有适用于 OPC 一人公司，办公协同，开发工具，投资理财，效率工具以及内容创作等技能。

连接器：让 WorkBuddy 接入更多外部数据

连接器负责解决信息来源的问题。

默认情况下，WorkBuddy 主要围绕当前工作空间和用户提供的资料执行任务。

通过连接器，它可以接入更多外部服务，例如腾讯文档、知识库等，让 Agent 能够调用更多数据。

比如团队长期维护的一份产品资料库、客户信息库或者项目文档，不需要每次手动下载上传，通过连接器接入后，WorkBuddy 可以直接基于这些信息完成任务。

自动化：把重复工作交给 AI

自动化适合那些每天、每周都会重复出现的任务。

例如每天生成行业新闻简报，每周整理工作周报，每个月更新数据分析报告。

这些事情的特点是流程固定，只是输入内容不断变化。设置好执行时间、任务要求、工作空间和模型之后，WorkBuddy 可以按照计划自动完成。

资料库：AI 的长期记忆，你的第二大脑

如果说工作空间解决的是「这一次任务在哪里执行」，资料库解决的就是「以后所有任务需要哪些长期信息」。

很多 AI 工具的问题在于，每次开启新对话，模型都像一个刚入职的新人，需要你重新介绍背景。

资料库的作用，就是把这些长期会用到的信息提前保存下来，让 WorkBuddy 在后续任务中可以直接调用。

比如公司的产品资料、过去的行业研究报告、团队写作规范、项目历史文件以及常用数据表格，都可以放进资料库。

这样以后创建任务时，不需要每次重新上传一遍背景材料，WorkBuddy 可以直接基于这些资料继续工作。

更有意思的是，WorkBuddy 的资料库并不是一个单纯的文件存储空间。

它支持「人机双写」。也就是说，人可以主动上传、整理和修改资料；WorkBuddy 在执行任务过程中，也可以使用 AI 编辑，生成新的内容，并进一步将这些成果继续保存到资料库中。

比如你让 WorkBuddy 完成一次行业调研，它可以把最终报告、整理后的数据表或者 Markdown 笔记保存下来，下一次任务继续基于这些内容工作。

目前资料库支持多种文件格式，包括 Markdown（MD）、CSV、HTML、Word、Excel、PPT、PDF，以及图片、音频、视频等多媒体文件。其中，MD、HTML、CSV 这类更接近结构化信息的格式，在 AI 工作流里尤其常见。

Markdown 适合保存长期知识和结构化笔记；CSV 适合保存数据表和分析结果；HTML 适合保存网页内容和结构化页面。

这也意味着，资料库并不只是用来存放最终交付文件，而更像一个不断增长的工作知识库。随着使用时间增加，WorkBuddy 积累的不只是文件本身，还有围绕这些文件形成的项目背景、历史成果和工作习惯。

我的邮箱：让邮件成为 Agent 可以处理的工作资料

对于很多职场用户来说，邮箱本身就是一个巨大的工作数据库。

合同、客户需求、会议通知、项目进展，长期都散落在邮件里。过去，邮箱负责收信，人负责整理和处理；而 WorkBuddy 的「我的邮箱」，则尝试让 Agent 直接参与邮件工作流。

它会为每个用户创建一个独立的 Agent 邮箱地址。收到邮件后，用户可以在 WorkBuddy 内查看邮件，也可以将邮件加入对话，让 AI 帮助总结内容、提取信息、生成回复或整理待办事项。

比如，将客户需求邮件交给 WorkBuddy，它可以提炼关键需求；将合同邮件交给它，它可以快速整理重点条款；将长邮件线程交给它，它可以生成项目进展摘要。

需要注意的是，回复、转发等对外操作仍需要用户确认后发送，避免 AI 在未经授权的情况下直接沟通。

简单来说，「我的邮箱」的价值并不是再造一个邮箱，而是让邮件从信息入口变成 Agent 可以调用的工作入口。

价格指南

截至 2026 年 8 月 24 日，WorkBuddy 和 CodeBuddy 共用同一套账号积分。

个人版目前分为体验版 (免费、500 积分/月)、标准版（99 元、4000 积分/月）、高级版（199 元、9000 积分/月）和旗舰版（999 元、50000 积分/月）。

对于首次体验用户，免费版额度已经足够完成一些基础任务，如果后续需要频繁进行文件处理、数据分析、自动化任务等高频使用，再考虑升级付费版本。

开发票方面，个人用户可以登录 WorkBuddy 官网，在个人主页进入「账单与发票」申请。企业用户则由管理员进入企业管理后台处理。

插句题外话，过去一年，关于 AI 的讨论里，焦虑似乎成了一种默认情绪。

作为一名 AI 编辑，过去一年里，我被很多朋友和同学问过类似的问题：面对 AI 的快速发展，普通人应该如何避免被冲击？又该如何真正接纳 AI？我的建议一直很明确：干中学。

事实上，很多人面对 AI 时，都像站在一片正在上涨的海水前。

想游过去，却担心自己不会游泳。于是有人研究泳姿，有人购买装备，有人等待一个完美的下水时机。但真正学会游泳的人，往往是那个先走进水里的人。

AI 也是如此。你不可能通过看完所有教程、研究完所有模型，再迎接 AI 时代。

即便 WorkBuddy 已经把很多复杂能力封装起来，即便这篇文章已经尽可能详细地介绍了它的使用方法，如果只是停留在阅读和了解层面，却没有在一次次真实任务里摸索自己和 AI 的协作方式，依然很难感受到它的价值。

未来属于那些会使用 AI 的人。而「会使用」的开始，永远来自第一次尝试。

文章来自于微信公众号 “APPSO”，作者 “APPSO”