原文作者：智能进化Wayen（原创），来源：微信公众号原文链接
Wayen，世界500强企业教练+AI职场提效专家。专注研究AI提效、人才赋能、管理提升，信奉"把重复的事交给AI，把思考的事留给自己"。
有没有很无聊，上个月我做了一个实验。
我把一个竞品分析任务同时交给了两个人：一个新来的实习生，和 WorkBuddy。
实习生的路径，是问我要背景资料、理解需求、出框架、确认范围、再执行、交付。
WorkBuddy 的路径，是直接给了我一份文档。
你猜谁的结果更好？
实习生那版，方向是对的，但深度不够。WorkBuddy 那版，看起来很全，但有一半数据是错的。
这件事让我想明白一件事：WorkBuddy 用得好不好，关键不在工具本身，在于你怎么用它。
如果你把它当百度用——问一句答一句——那它就是个升级版聊天框。但如果你把它当一个需要管理的协作者，它就能帮你干很多事。
小半年用下来，我总结了 6 条经验，每一条都是自己踩出来的。
第一条：别急着让它干活，先让它认识你
很多人装完 WorkBuddy，第一件事就是丢任务过去。
“帮我写一份本周周报。” “帮我整理这个文件夹。” “帮我搜一下最近 AI 圈有什么新闻。”
然后发现结果总是不对味。
原因是：WorkBuddy 根本不认识你。
它不知道你是做什么的、你的工作习惯是什么、你用什么语气写东西、你对交付质量的要求有多高。
我之前也是这么干的。直到有一回，我让它帮我写一份客户拜访纪要，它生成的版本用了大量的"尊敬的客户"和官方套话。我改的时间比重写还长。
后来我做了三件事：
第一，写了 .workbuddy/SOUL.md。里面不是写"你是一个高效的AI助手"这种废话，而是具体的：
- 先给结论，有需要再展开
- 不确定的地方直接说"不确定"，不要编
- 数字必须核实来源
- 交付物按我给的模板走，不要自创格式
第二，写了 .workbuddy/USER.md。告诉它我是谁、做什么的、常用哪些工具、关注哪些领域。
第三，写了 .workbuddy/IDENTITY.md。规定了它的操作边界：什么场景下可以自主执行，什么场景必须先问我。
这三份文件加起来可能不到 500 字，但效果非常明显。同一个任务，配置前后的交付质量差了至少两档。
这不是什么高级技巧，但大多数人就是不做。
第二条：Skill 不是下载越多越好，而是把重复工作打包成自己的
WorkBuddy 有个 Skill 市场，里面得有成百上千个 Skill。
我一开始的心态是：看到好的就装。装了几十个后，WorkBuddy 的反应明显变慢了，而且经常出现上下文冲突——它要在一堆 Skill 里找哪个相关，找着找着就偏了。
后来我把没用的全删了，只留了18 个真正高频用的。
但真正让我效率翻倍的，不是从市场下载，而是站在他人的肩膀上自己造 Skill。
举个例子。
我每周要出一份 AI 行业周报。以前的做法是：打开 WorkBuddy → 搜索相关新闻 → 整理成文 → 排版 → 保存。每次至少 30 分钟。
后来我花了一个下午，捣鼓了一个叫 ai-news-radar 的 Skill。造的过程不复杂，就是把我的工作流写进去：
1. 抓取过去一周指定来源的 AI 资讯
2. 按"产品发布/行业动态/论文突破/政策变化"分类
3. 每个类别只保留最重要的 3 条
4. 输出 800-1000 字的摘要简报
从那以后，每周周报变成了一个命令的事。30 分钟缩到了 3 分钟。
而且这东西还能迭代。用了两周我觉得分类方式不够好，改了一版。又用了一个月，加上了"AI 数据分析和可视化"相关的新闻筛选项。
造 Skill 这件事，核心不是写代码，而是 把你自己都嫌麻烦的固定流程，一次性打包好。
第三条：复杂任务先让它出方案，不要直接让它干
这是我从 Codex 官网文章里学到的，拿来用之后，WorkBuddy 的交付质量直接翻倍。
以前我的习惯是：“帮我做一个竞品分析，对象是 XXXX，重点关注他们的产品功能和定价策略。”
然后 WorkBuddy 就开干了。出来的东西经常不是我想要的——有些维度它没覆盖，有些维度我又不需要。
后来我改了第一步：
“先不要执行。帮我设计一个竞品分析的框架，包括维度、数据来源、评估标准。我确认了再开始。”
这样可以先看看它的理解跟我的需求一不一致。
上周我做了一个真实的案例。我要对比6个AI编程工具。
我先让它出框架，它给了一个 8 个维度的分析方案。我看了之后，删掉了两个我不关心的维度（“社区活跃度"和"文档完整性”），加了一个我特别在意的维度（“在飞书文档场景下的表现”）。
确认之后，它再执行。那份表，我基本没改就直接用了。
让 WorkBuddy 先出方案，本质是把你的角色从"等待交付"变成"审核方案"。 后者才是人该干的事。
第四条：研究型任务，先让它搜，再让它说
WorkBuddy 有个能力很多人都知道但好像不会用——它能联网。
但默认情况下，它更倾向于用训练数据里的知识回答你。训练数据是有截止日期的。
我踩过这个坑。
四月份 DeepSeek 新版本发布，我问 WorkBuddy “DeepSeek V4 有什么新特性”。它洋洋洒洒给我列了一堆，看起来很有道理。但我越看越不对劲，自己去搜了一下，发现它说的有一半是 V3 的功能，V4 真正更新的东西它根本没覆盖。
后来我加了一句话：
“先不要回答。请帮我搜索 DeepSeek V4 最新的发布信息和测评文章，整理后再给我结论。”
结果完全不一样。
现在我做研究型任务，都会加上这个前置指令。不管是查产品动态、行业数据还是竞品信息，先搜一遍再回答，和直接凭记忆回答，完全是两个质量级别。
具体的话术我一般是：
“帮我搜一下过去两周 XXXXX 方面的最新信息，列出找到的源，我确认后你再整理。”
不只是结论更准，而且你还能看到它的信息来源，可信度你自己能判断。
第五条：一个任务做完，开新会话
这个习惯是我被坑了好几次之后才养成的。
有一次我做 WorkBuddy 的专家模式文档。做完了，写了大概 4000 字。接着我让它做一个新的任务——整理一篇关于保险代理人 AI 应用的读者投稿。
它生成的初稿里，包含了"专家模式"“Skill 编排"“记忆系统"这些词。我看了半天，发现它把上一个任务的知识带到了新任务里，以为新文章也是 WorkBuddy 的系列内容。
问题出在长会话。
WorkBuddy 会在同一个上下文里积累之前的判断和假设。做完一件事再做另一件，它会"带着旧眼镜看新问题”。
现在我的习惯是：
做完一个任务后跟它说：“请用一段话总结刚完成的任务、修改过的文件、当前状态和下一步注意事项。”
然后把这段总结复制出来。接着开新会话，把总结贴进去，再开始新任务。
这个动作只需要 30 秒，但能省掉后面半小时的纠错时间。
第六条：每次要求它输出验收清单
这是第六条，也是特别实用的一个习惯。
WorkBuddy 有一个特点：它很少主动告诉你"这个我不确定"或"这部分我没验证过”。当你问它"完成了吗"，它通常会说"完成了"。
不是它在骗你，而是它不知道自己不知道。
我现在的做法是：每次交付前，要求它输出验收清单。
比如我让它用 Python 写一个批处理脚本，再加一句：
“完成后请输出：
- 修改了哪些文件
- 每个文件什么作用
- 跑了什么验证
- 哪些地方还没验证
- 哪些地方需要我人工确认”
这样 WorkBuddy 会被迫审视自己的输出。有时候它写到第 4 条，会发现"还没验证"的内容有一长串，就会主动补齐。
我印象最深的一次，是让它帮我整理几百个保险产品的数据。它说做完了，我让它出验收清单，结果它写到第 4 条时列了 7 项没验证的——包括两个数据源不一致、三条聚合逻辑有歧义。
这几个问题要是上线了才发现，后面要花几倍的时间去修。
验收清单本身，比你让 WorkBuddy 干的那件事，有时更有价值。
从装上 WorkBuddy 到现在，将近三个月时间。踩过坑，走过弯路，也试过放弃。
但让我一直用下来的原因很简单：工具本身确实能干活。问题从来不在工具，在于我没找到跟它协作的正确方式。
现在回头看，真正让 WorkBuddy 好用的，不是某个神奇的功能，也不是某个特定的 Skill，而是你给它足够清楚的上下文、明确的边界和每次的验收标准。
如果你刚装上 WorkBuddy，不知道该从哪开始，我的建议是：先别急着让它干活。 花 10 分钟写一份 SOUL.md，把"你的规则"写清楚。这是投入产出比最高的一个动作。
它不会自己变好。但你会越来越懂怎么用。
你觉得第几条最有用？你也有跟 AI 协作的踩坑故事吗？留言聊聊。
相关文章：