AI 智能体能不能真正帮上忙，通常不取决于模型本身，而取决于它有没有可调用的 Skills。这套机制在 Claude Code、Codex 这类工具里已经很常见，workbuddy 也把 Skills 做成了核心入口。这篇文章不聊概念，直接讲 8 个面向实际任务的 Skill 怎么装、怎么配、怎么验证：自动写代码、查资料、办公文档处理全都有。适合刚接触智能体工具、装了 workbuddy 但不知道装什么 Skill 的人，也适合已经用了一段时间、想把单点能力串成工作流的人。

先说结论：Skill 不是装得越多越好。按“编码、查资料、办公”三条主线选 8 个够用的方向，先把单任务跑稳，就能覆盖大多数日常场景。下面是完整流程。

1. 先搞清楚：Skills 到底给智能体加的是什么能力

1.1 Skills 是“外挂工具包”，不是模型升级

很多人第一次接触 Skills，会误以为它是在给模型加知识。实际上，Skills 更像是一组“外挂工具包”：一个 Skill 通常包含描述文件、脚本和资源文件。描述文件告诉智能体这个 Skill 什么时候用；脚本负责真正干活，比如执行 Python、调用搜索接口、读写文件。

智能体在对话中看到任务描述后，会先判断是否触发某个 Skill，再按脚本执行，最后把结果返回对话。这个过程的好处是，模型不需要把所有细节背下来，只要掌握“什么时候调哪个工具”就够了。

以社区常见的 Skill 目录结构为例，大概是这样的：

skills/
  code-runner/
    SKILL.md
    run_python.py
  web-search/
    SKILL.md
    search.py
  doc-generator/
    SKILL.md
    generate_doc.py

对应的描述文件也很简单：

---
name: code-runner
description: 当用户需要编写、运行或调试 Python 代码时使用
---

workbuddy 的具体格式要以你安装的版本为准，但思路基本一致。把能力拆成一个个 Skill，本质上也是让智能体行为更可控的一种工程手段，不是靠模型在对话里自由发挥。

1.2 workbuddy 为什么把 Skills 当成核心入口

从使用体验来看，workbuddy 这类桌面智能体工具，对话框本身只是入口，真正决定它能处理什么的，是已经装好的 Skills。装一个代码执行 Skill，它才能在你电脑上跑脚本；装一个网络检索 Skill，它才能去查资料。

这种设计还有一个实际好处：很多操作放在外部脚本里完成，不会把大量中间结果全塞回对话上下文。比如让智能体处理一个 100MB 的日志文件，如果靠手动贴文本，上下文早就满了；如果用 Skill 在本地做过滤和统计，最后只把结论返回对话。这也是为什么很多人遇到“workbuddy 上下文用量满了”时，优先想到的不是换模型，而是把任务拆给 Skill 处理。

1.3 8 个 Skill 方向选型清单

下面这张表是我按实际使用频率整理的 8 个方向。不同版本或不同 Skill 市场里叫法可能不一样，重点关注能力类型就行。

编号	Skill 方向	对应能力	典型任务
1	代码执行与调试	自动写代码	批量文件重命名、自动化脚本、测试用例
2	网络检索	查资料	搜索资料、整理技术文档
3	文档生成	办公	生成 Word / PPT / Markdown
4	表格处理	办公	Excel / CSV 清洗与统计
5	PDF 提取	查资料	报告、合同、论文信息提取
6	图片理解与 OCR	查资料	截图转文字、图片信息整理
7	长文本切片摘要	办公	大文件总结、上下文整理
8	自定义工作流接入	扩展	ComfyUI 出图、外部 API 调度

先按这张表选，基本能覆盖“自动写代码 + 查资料 + 办公”三类需求。下面开始讲环境准备和安装。

2. 装 Skills 之前，先把环境和版本条件对齐

2.1 确认客户端、模型接入和账号状态

我给新手的建议是：先别急着装 8 个 Skill，先把最基础的三件事确认清楚。

第一，workbuddy 客户端能正常打开，版本不要太老。不同版本的 Skills 管理入口可能不同，有的是菜单里的独立页面，有的是设置里的某个 Tab，还有一些版本支持从本地目录直接导入。如果找不到入口，先看客户端的设置或帮助文档，不要凭印象乱点。

第二，模型接入要通。先在对话里随便问一句，能正常返回，再装 Skill。如果对话本身就报错，后面所有 Skill 测试都会受干扰，而且很难判断是模型问题还是 Skill 问题。

第三，需要登录或者绑定账号的地方要先处理好。有些 Skill 依赖云端服务，比如搜索、模型调用，账号状态不对会直接失败。

这一步看着基础，但很多 Skill 装完后不触发、报错，最后排查下来都是客户端版本或账号状态问题。

2.2 目录、权限、依赖和网络条件

Skills 要落地干活，通常依赖四类条件：

• 目录：Skill 文件放哪、输出文件写到哪。建议统一放在一个固定目录下，方便备份和排查。
• 权限：需要执行本地代码的 Skill，得有运行脚本的权限。Windows 上要注意路径和拦截提示，macOS 和 Linux 上要注意文件读写权限。
• 依赖：代码执行类 Skill 一般需要 Python 或 Node.js 环境。如果连 pandas、openpyxl 都没装，表格处理 Skill 大概率会报 ModuleNotFoundError。
• 网络：查资料、调用搜索接口、访问本地 ComfyUI，都涉及网络。要确认目标地址能通，端口没被占用。

可以先跑两个命令确认基础环境：

python --version
node --version

不同系统、不同版本对依赖的处理方式不一样，这里只是确认最基础的两项。如果这个 Skill 还需要其他库，一般在描述文件或 Skill 自带的说明里会写明。

这些条件不满足时，Skill 的表现不是“完全不能用”，而是时好时坏。比如脚本能跑但输出目录没权限，文件就写不出来；搜索接口没配好，查资料就一直转圈。所以我更建议在上手之前就把这几项列成一个检查清单。

2.3 第一次测试拆成三步，Skill 数量先控制在 2 到 3 个

不用一次把所有 Skill 全装上。Skill 越多，出问题的时候越难判断是哪一环出的错。我一般第一次测试拆成三步：

1. 启动：客户端能打开，模型对话正常。
2. 单任务：先挑一个最常用的 Skill，比如代码执行，跑通一条真实任务。
3. 批处理：确认单任务稳定后，再让 Skill 一次处理多个文件或多次调用。

先把这三步走完，再逐步装剩下的 Skill。如果你不想自己一个个找，社区里也有整理好的 Skill 合集包，比如 Superpowers 这类开源项目。装合集的时候先看描述文件，别全量盲装。

注意：不要一上来就开最大并发，也尽量别让一个 Skill 同时处理几十个文件。先用一条样例确认输入、输出、日志都正常，再扩大范围。

3. 8 个 Skill 逐个安装与实测

这一节是全文重点。8 个 Skill 我按“配置要点、实测任务、成功标准、常见坑”的结构讲。所有 Skill 名称仅为能力类型说明，实际 Skill 市场里可能叫别的名字，安装时以描述文件里的能力说明为准。

3.1 Skill 1：自动写代码

这个方向的核心是让智能体根据需求写出可运行代码，并尽量在本地执行验证。

配置时要重点关注两件事：允许 Skill 执行哪些命令，以及代码运行环境是否完整。如果 Skill 要调用 Python，先确认系统里装了对应版本，缺的依赖