这类工具最值得先看的不是功能列表，而是能不能在普通环境里稳定跑起来，以及它到底能帮你自动化处理哪些具体任务。WorkBuddy 是一个可以本地运行的 AI 智能体框架，它让你能通过配置工作流，让 AI 自动完成网页操作、数据处理、文件管理等重复性任务，核心价值在于“本地”和“自动化”。如果你受够了在不同网站间手动复制粘贴、填写表单，或者想用 AI 处理一些涉及隐私数据的本地任务，那它值得一试。

我建议先从最小样例开始。很多人一上来就想搭建复杂工作流，结果卡在环境依赖上。这篇文章会按实际落地顺序拆一遍：从环境准备、基础安装、跑通第一个工作流，到理解核心概念、处理常见错误，最后再谈如何设计自己的自动化任务。整个过程我会把最容易忽略的路径、权限和依赖版本问题讲清楚。

1. 先搞清楚 WorkBuddy 能做什么，再决定要不要装

在动手安装任何工具之前，先确认它是不是你要的东西。WorkBuddy 的核心是一个 本地 AI 智能体执行引擎 。你可以把它理解为一个“机器人指挥中心”，你通过编写或配置“工作流”（Workflow）来告诉它做什么，它则调用本地的 AI 模型（比如通过 Ollama 部署的模型）来理解指令，并操控浏览器或执行本地脚本来完成任务。

1.1 典型使用场景：告别重复性手工操作

它不适合用来做创意写作或者聊天。它的强项是处理有固定模式的线上操作。比如：

  • 数据收集与录入 ：定期从几个固定网站抓取价格、新闻摘要，自动整理到 Excel 或数据库。
  • 跨平台信息同步 ：将你在 A 平台发布的内容，自动格式化后同步到 B、C 平台。
  • 自动化测试与巡检 ：每天自动登录内部系统，检查几个关键页面的状态是否正常，并生成报告。
  • 个人事务处理 ：自动填写一些格式固定的在线表单，或者监控某个页面的变化。

关键在于，这些操作都在 你的本地电脑 上完成，数据不经过第三方服务器，对于处理敏感信息或需要高可靠性的任务是个优势。

1.2 技术栈与前置知识：你需要准备什么

WorkBuddy 通常涉及以下几层技术，你不需要全部精通，但需要了解：

  1. 运行环境 ：Node.js。这是 WorkBuddy 主框架的运行基础。
  2. AI 模型层 ：Ollama。这是在本地运行大语言模型最流行的工具，你需要先部署好它，并拉取一个合适的模型（如 llama3.1:8b , qwen2.5:7b ）。
  3. 浏览器自动化 ：Playwright 或 Puppeteer。WorkBuddy 通过它们来操控浏览器（如 Chrome）进行网页操作。
  4. 工作流定义 ：YAML 或 JSON 文件。你需要通过编写这种配置文件来描述你的自动化步骤。

如果你对以上任何一项感到完全陌生，别担心，下面会一步步带你过。但请有个心理准备：这不是一个双击就能用的桌面软件，它需要一些命令行操作和排错能力。

2. 稳扎稳打：从零开始的环境安装与验证

这是最容易出错的阶段。我建议严格按照顺序来，每一步都验证通过后再进入下一步。很多人失败是因为跳步或版本不匹配。

2.1 第一步：安装 Node.js 并配置环境

WorkBuddy 基于 Node.js，所以这是第一步。不要安装太老或太新的版本，稳定为主。

  • 操作 ：访问 Node.js 官网，下载 LTS（长期支持版） 。目前 18.x 或 20.x 都是稳妥的选择。
  • 验证安装 ：打开终端（Windows 用 CMD 或 PowerShell，Mac/Linux 用 Terminal），输入： 
    node --version
npm --version
    如果正确显示版本号（如 v20.11.0 和 10.2.4 ），说明安装成功。如果提示“不是内部或外部命令”，则需要将 Node.js 的安装路径添加到系统的 PATH 环境变量中，这是新手最常遇到的问题。

2.2 第二步：安装并验证 Ollama（本地 AI 模型）

这是 WorkBuddy 的“大脑”。Ollama 的安装相对简单。

  • 操作 ：访问 Ollama 官网，根据你的操作系统（Windows/macOS/Linux）下载安装包并安装。
  • 验证安装与拉取模型 ：
    1. 安装完成后，打开一个新终端，运行 ollama --version 确认安装。
    2. 拉取一个中等规模的模型进行测试，命令别写错： 
      ollama pull llama3.2:3b
      这里选择 llama3.2:3b 是因为它体积相对小（约2GB），下载和运行速度快，适合初次验证。如果你的机器性能好，可以后续换更大的模型。
    3. 运行模型进行对话测试，确保 Ollama 服务正常： 
      ollama run llama3.2:3b
      输入 “Hello” 后，如果能收到 AI 的回复，然后按 Ctrl+D 退出，说明 Ollama 和模型都工作正常。

2.3 第三步：获取并安装 WorkBuddy

WorkBuddy 本身是一个 Node.js 项目。

  • 操作 ：通常你需要从 GitHub 等代码仓库克隆项目。假设项目地址是 https://github.com/xxx/workbuddy.git （请替换为实际地址）。 
    git clone https://github.com/xxx/workbuddy.git
cd workbuddy
  • 安装依赖 ：进入项目目录后，运行： 
    npm install
    这个命令会根据 package.json 文件安装所有必要的 Node.js 依赖包。网络环境不好时可能会耗时较长或失败，可以尝试配置国内镜像源。

2.4 第四步：安装浏览器自动化驱动

WorkBuddy 要操作浏览器，需要对应的驱动。

  • 操作 ：在 WorkBuddy 项目目录下，运行： 
    npx playwright install chromium
    这个命令会下载 Playwright 专用的 Chromium 浏览器和驱动。确保网络通畅。

至此，基础环境就绪。总结一下验证清单：

  1. Node.js 和 npm 命令可用。
  2. Ollama 能运行并成功与 llama3.2:3b 模型对话。
  3. WorkBuddy 项目依赖安装完毕（ node_modules 文件夹存在且无报错）。
  4. Playwright 的 Chromium 已安装。

3. 跑通第一个工作流：理解核心概念与执行流程

环境好了，现在来创建并执行你的第一个工作流。不要直接修改复杂示例，从一个最简单的“Hello World”开始。

3.1 工作流文件是什么？

WorkBuddy 的工作流通常是一个 .yaml 或 .json 文件。它定义了任务的步骤、每个步骤由哪个“技能”（Skill）执行、步骤之间的数据传递关系。你可以把它看作给 AI 智能体的“剧本”。

3.2 创建一个最小化测试工作流

在 WorkBuddy 项目目录下，创建一个新文件，例如 test_workflow.yaml 。 

name: "My First Test Workflow"
description: "A simple workflow to test the setup."
triggers:
  - manual

skills:
  - name: "core.llm"
    config:
      model: "llama3.2:3b" # 与你 Ollama 中的模型名一致
      baseURL: "http://localhost:11434" # Ollama 默认 API 地址

tasks:
  - name: "ask_ai"
    skill: "core.llm"
    inputs:
      prompt: "请用一句话介绍你自己。"
    outputs:
      response: "{{result}}"

这个工作流只做一件事：调用本地的 Ollama 模型，问它一句话，然后输出回答。它不涉及浏览器操作，纯粹测试 AI 部分是否连通。

3.3 执行工作流并查看结果

在终端中，运行 WorkBuddy 的命令来执行这个工作流。具体命令取决于 WorkBuddy 项目的设计，通常类似： 

npm start -- --workflow ./test_workflow.yaml

或者 

node index.js --workflow ./test_workflow.yaml

你需要查阅 WorkBuddy 项目的 README.md 文件来确认正确的启动命令。

关键看什么？

  1. 控制台输出 ：如果成功，你应该能看到 WorkBuddy 启动，连接到 Ollama，打印出模型的回复，比如“我是由 Meta 开发的 Llama 3.2 3B 参数版本的语言模型...”。
  2. 日志信息 ：注意是否有 ERROR 或 Failed to connect 之类的错误。常见的失败点：
    • Ollama 连接失败 ：检查 baseURL 是否正确，Ollama 服务是否在运行（ ollama serve 或在后台运行）。
    • 模型不存在 ：检查 model 名称是否与 ollama list 列出的完全一致。
    • 技能未找到 ：检查 WorkBuddy 的 skills 配置目录，确认 core.llm 这个技能是否存在。

能跑通这个，就证明你的 WorkBuddy 核心链路（框架 -> AI 模型）是通的。 这是最重要的一步。

4. 进阶：实现一个真实的网页自动化工作流

单测 AI 对话没问题后，我们来增加浏览器操作，实现一个真实场景： 自动打开百度，搜索一个关键词，并返回第一页的标题列表。

4.1 设计工作流步骤

这个任务可以拆解为：

  1. 启动浏览器，打开百度首页。
  2. 在搜索框输入关键词。
  3. 点击“百度一下”按钮。
  4. 等待结果页面加载。
  5. 从页面中提取所有搜索结果的标题文本。
  6. 关闭浏览器。
  7. 将标题列表交给 AI，让它总结成一句话。
  8. 输出最终结果。

4.2 编写对应的工作流文件

创建一个 search_baidu.yaml 文件。这里给出一个概念性结构，具体语法需参考 WorkBuddy 的文档： 

name: "Baidu Search and Summarize"
description: "Search on Baidu and summarize the first page results."
triggers:
  - manual

skills:
  - name: "core.llm"
    config:
      model: "llama3.2:3b"
      baseURL: "http://localhost:11434"
  - name: "web.browser" # 假设控制浏览器的技能叫这个
    config:
      headless: false # 首次调试设为 false，可以看到浏览器操作过程

tasks:
  - name: "open_baidu"
    skill: "web.browser"
    inputs:
      action: "goto"
      url: "https://www.baidu.com"
    outputs:
      page: "{{page}}"

  - name: "type_search_keyword"
    skill: "web.browser"
    dependsOn: ["open_baidu"]
    inputs:
      action: "type"
      selector: "input#kw" # 百度搜索框的 CSS 选择器
      text: "WorkBuddy AI Agent"
    outputs:
      page: "{{page}}"

  - name: "click_search_button"
    skill: "web.browser"
    dependsOn: ["type_search_keyword"]
    inputs:
      action: "click"
      selector: "input#su" # 百度一下按钮的选择器
    outputs:
      page: "{{page}}"

  - name: "wait_and_extract_titles"
    skill: "web.browser"
    dependsOn: ["click_search_button"]
    inputs:
      action: "wait_and_evaluate"
      selector: ".result.c-container h3" # 搜索结果标题的选择器（示例，需实际查看）
      waitForSelector: true
    outputs:
      titles: "{{extractedData}}" # 假设提取的数据放在这个变量里

  - name: "summarize_titles"
    skill: "core.llm"
    dependsOn: ["wait_and_extract_titles"]
    inputs:
      prompt: |
        以下是一些网页搜索结果的标题，请用一句话概括它们主要关于什么：
        {{titles}}
    outputs:
      summary: "{{result}}"

  - name: "output_result"
    skill: "core.log" # 假设有一个日志输出技能
    dependsOn: ["summarize_titles"]
    inputs:
      message: "搜索总结：{{summary}}"

4.3 关键点解析与调试

  • 技能名称 ( skill ) ： web.browser , core.llm 这些名称必须和 WorkBuddy 项目中实际定义的技能名称完全一致。你需要去查看项目的 skills/ 目录或文档。
  • CSS 选择器 ( selector ) ：这是网页自动化的核心。 input#kw 和 input#su 是百度的元素 ID，相对稳定。但搜索结果标题的选择器 .result.c-container h3 可能会随百度前端更新而变化。 如何获取？ 在浏览器中打开百度搜索结果页，按 F12 打开开发者工具，使用元素选择工具（箭头图标）点击一个标题，查看其 HTML 结构和类名。这是必须掌握的调试技能。
  • 依赖关系 ( dependsOn ) ：它定义了任务执行的顺序。 type_search_keyword 必须在 open_baidu 完成后才能执行。
  • 数据传递 ( inputs / outputs ) ：上一个任务的输出（如 {{page}} ），可以作为下一个任务的输入。这是工作流串联的关键。
  • headless: false ：首次运行时，建议设置为 false ，这样你会看到一个真实的浏览器窗口在自动操作，非常直观，便于发现是脚本问题还是页面元素问题。稳定后可改为 true 在后台运行。

运行这个工作流，你会看到浏览器自动完成搜索，并在控制台输出一句对搜索结果的总结。 至此，你已经实现了一个完整的本地 AI 智能体自动化任务。

5. 避坑指南：从“跑起来”到“稳定用”

能跑通 Demo 只是开始，要让 WorkBuddy 稳定处理实际任务，还需要注意以下几个关键点。

5.1 依赖版本冲突：最隐蔽的坑

Node.js 生态的依赖包版本更新很快，不匹配是各种诡异错误的根源。

  • 现象 ：本地运行报错，但别人的代码或教程明明可以。错误信息可能涉及 Cannot find module , The requested module does not provide an export named... , 或某个底层库的运行时错误。
  • 排查 ：
    1. 首先，严格对照 WorkBuddy 官方文档或仓库的 README.md ，看它对 Node.js 版本、Ollama 版本、Playwright 版本是否有明确要求。
    2. 检查 package.json 中的依赖版本。如果项目很久没更新，而你用了新版 Node.js，可以尝试安装较老的 Node.js 版本（使用 nvm 工具可以方便切换）。
    3. 彻底清理并重装依赖：删除 node_modules 文件夹和 package-lock.json 文件，然后重新运行 npm install 。

5.2 网页元素选择器失效：动态内容的挑战

你写好的工作流，过几天可能就失效了，因为网站改版了。

  • 对策 ：
    1. 使用更稳定的选择器 ：优先使用 id （如 #kw ），其次是 name 属性，最后才是 class 或标签。 id 通常不会轻易改变。
    2. 使用 XPath 或文本匹配 ：如果元素没有好的属性，可以尝试用包含特定文本的 XPath，例如 //button[contains(text(), ‘提交’)] 。但这依然可能因文本变化而失效。
    3. 设计容错逻辑 ：在复杂工作流中，不要假设一次操作100%成功。可以尝试“查找-等待-重试”的模式，或者配置失败后的备用操作路径（如果 WorkBuddy 支持）。
    4. 定期维护 ：将网页自动化任务视为需要维护的代码，网站改版后需要更新选择器。

5.3 Ollama 模型响应慢或不稳定

本地模型性能取决于你的硬件。

  • 优化 ：
    1. 选择合适的模型 ：7B-8B 参数的模型是精度和速度的较好平衡点，如 llama3.1:8b , qwen2.5:7b 。3B 模型更快但能力弱一些，70B 模型能力强但需要强大显卡和内存。
    2. 调整参数 ：在调用 core.llm 技能时，可以配置 temperature （降低以减少随机性）、 max_tokens （限制生成长度）来加快响应。
    3. 检查资源占用 ：运行工作流时，打开任务管理器，观察 CPU、内存和 GPU（如果支持）的使用情况。如果资源持续吃满，考虑简化任务或升级硬件。

5.4 工作流逻辑错误：调试技巧

工作流没有按预期执行，可能是逻辑设计问题。

  • 调试方法 ：
    1. 分步执行 ：不要一次性运行整个复杂工作流。先注释掉后面的任务，只运行前1-2个任务，看输出是否符合预期。
    2. 善用日志 ：在每个任务的输出中，尽可能多地输出中间变量（如 {{page.url}} , {{extractedData}} 的前几个字符），在控制台查看。
    3. 可视化执行 ：如前所述，设置 headless: false ，亲眼看着浏览器操作，能立刻定位是导航错误、输入错误还是点击错误。

5.5 安全与隐私考量

虽然本地运行，但仍需注意：

  • 账号安全 ：自动化登录网站时， 切勿 将明文密码写在配置文件中。应使用环境变量或安全的密钥管理工具来传递敏感信息。
  • 行为合规 ：确保你的自动化行为符合目标网站的服务条款，不要进行高频请求，避免对对方服务器造成压力。

6. 从示例到实战：设计你自己的自动化工作流

掌握了基础，如何为自己创建一个有用的工作流？遵循以下设计流程：

6.1 第一步：明确目标与手动走查

想清楚你到底要自动化什么。然后， 手动完整地做一遍 这个任务，并详细记录每一个步骤、每一次点击、每一次输入、每一次等待。这是编写工作流脚本的基础。

6.2 第二步：拆解任务为原子操作

将手动步骤转化为 WorkBuddy 能理解的“技能”操作。例如：

  • “打开浏览器，进入某网址” -> web.browser.goto
  • “在用户名框输入我的邮箱” -> web.browser.type (配合选择器和环境变量)
  • “点击登录按钮” -> web.browser.click
  • “等待页面跳转完成” -> web.browser.waitForNavigation
  • “从表格第二行第三列复制数据” -> web.browser.evaluate (执行一段 JavaScript 来提取数据)
  • “让 AI 判断这条数据是否重要” -> core.llm (发送提取的数据作为 prompt)

6.3 第三步：编写与测试工作流 YAML

按照拆解的步骤，编写 YAML 文件。从一个最小的、可验证的步骤开始（比如打开网站），逐步添加后续步骤。每加一步，就运行测试一次。

6.4 第四步：处理异常与增加健壮性

思考哪些环节可能出错：网络慢导致页面没加载完？弹窗遮挡了元素？验证码出现了？根据 WorkBuddy 支持的功能，加入错误处理。例如，使用 waitForSelector 并设置超时时间，超时后执行备用任务或记录错误并退出。

6.5 第五步：调度与集成

工作流写好了，如何定期运行？

  • 手动运行 ：直接命令行执行。
  • 定时任务 ：使用系统的定时任务工具（如 Linux 的 cron ，Windows 的“任务计划程序”）来定时调用 WorkBuddy 启动命令。
  • 事件触发 ：更高级的用法是，将 WorkBuddy 作为一个服务，通过 API 调用来触发工作流，或者监听文件夹变化、收到特定邮件等事件来触发。

7. 总结：WorkBuddy 的定位与最佳实践

WorkBuddy 这类本地 AI 智能体工具，目前更适合 技术爱好者、有一定自动化需求的开发者、以及对数据隐私有要求的个人或小团队 。它不是一个开箱即用、点几下鼠标就能解决所有问题的万能神器，而是一个需要你投入时间配置和调试的“乐高套件”。

最佳实践总结：

  1. 环境隔离 ：考虑使用 Docker 或 Python 虚拟环境来管理依赖，避免污染系统环境。
  2. 版本控制 ：将你的工作流 YAML 文件用 Git 管理起来，方便回滚和协作。
  3. 配置与代码分离 ：将 API 密钥、账号等敏感信息放在环境变量或单独的配置文件中，不要提交到代码仓库。
  4. 从简到繁 ：永远从一个“打开网页-输出标题”的简单工作流开始验证，成功后再叠加复杂逻辑。
  5. 关注日志 ：配置详细的日志输出，这是你排查问题的第一手资料。
  6. 理解边界 ：它擅长基于固定模式的自动化，不适合处理高度动态、强交互或需要复杂视觉理解的任务。

最后，本地 AI 自动化是一个快速发展的领域，WorkBuddy 的具体用法、技能名称可能会更新。因此， 最可靠的参考资料始终是项目的官方文档和源码示例 。当你按照教程跑通后，下一步就是去仔细阅读官方文档，理解每个技能的配置项，这样才能真正驾驭它，打造出适合自己场景的自动化助手。

# AI智能体
Logo
乐奇 Rokid 开放社区

更多推荐

镜游小导：运行在 Rokid AR 眼镜上的景区实景讲解智能体

项目以 RokidAIUI 开放智能体形态交付：页面用.ink描述，运行在眼镜端智能体运行时，直接调用系统能力。AGENTS.md身份镜游小导v1.0.0，景区 AR 实景讲解智能体；权限（Capabilities）microphonenetworkaudiogyroscope；技能（Skills）。

avatar 乐奇 Rokid 开放社区

宠小护 · 住在 Rokid AR 眼镜里的宠物健康管家

一共定义了 8 类意图，LLM 轨和正则轨共用同一套定义：INTENT用户大概会怎么说关键槽位addPet我家猫咪叫团子，英短，4公斤addEvent团子上个月20号打了疫苗团子的档案petNamequeryDue有什么该做的 / 下次驱虫什么时候eventType（可选）好的 / 做完了 / 驱过了无，作用于当前提醒卡removePet把团子的档案删了petNamechitchat猫能吃巧克力吗

avatar 乐奇 Rokid 开放社区
cover

2027中国智能眼镜展｜科技前沿 · 视界新启

avatar 乐奇 Rokid 开放社区