1. 为什么我要自己搭一个AI工作台

最早动这个念头，是因为我每天的工作流实在太碎了。写稿要开一个窗口，查资料要开一个窗口，整理会议纪要又要切到另一个工具，中间还得手动复制粘贴来倒腾上下文。一天下来，光是"切换"这个动作就消耗掉大量注意力。我试过用浏览器书签把所有工具串起来，也试过用快捷指令做简单联动，但本质上都只是"把入口放在一起"，并没有真正把工作流打通。

后来接触到 workbuddy 这个工具，我意识到它和普通的对话式AI不太一样——它更像是一个可以承载"技能"和"自定义指令"的容器，你能把重复性的工作固化成一个可复用的模块，然后让工作台按你的节奏去跑。这个特性正好戳中了我的痛点。于是花了大概两周时间，从零搭了一套属于自己的个人AI工作台，现在日常写稿、整理资料、处理表格、做竞品调研基本都在这一个台子里完成。

这篇文章不讲虚的，我会把整个搭建思路、核心配置、踩过的坑、以及我实际在用的几套工作流完整拆开讲。适合两类人看：一类是刚听说 workbuddy、想知道它到底能干什么的新手；另一类是已经装了但不知道怎么把它变成"真正的工作台"的进阶用户。全文基于我自己的实操记录，涉及参数和配置的地方我会把选择理由一并说清楚，方便你直接抄作业或者按自己的需求改。

2. 搭建前的整体设计与思路拆解

2.1 先想清楚"工作台"和"聊天工具"的区别

很多人第一次用 workbuddy 会有点懵，因为它表面上看起来就是个对话框。但如果你只把它当聊天工具用，那确实和别的产品没太大区别。真正的差异在于三个东西： 技能（skill） 、 自定义指令 、以及 工作流的串联方式 。

我打个比方。普通聊天工具像是一个随叫随到的助理，你问一句它答一句，每次都要重新交代背景。而 workbuddy 搭出来的工作台更像是一个"已经培训过的团队"——你把常用的能力封装成技能，把偏好写进自定义指令，把多步骤任务串成工作流。下次你只需要说一句"按老规矩来"，它就知道该调哪个技能、用什么格式输出。

所以搭建的第一步不是装软件，而是 盘点你自己每天重复做的事情 。我当时列了一张表，把一周内重复超过三次的任务全部写下来，最后筛出四类：资料检索与摘要、长文初稿生成、表格数据清洗、竞品信息汇总。这四类就是我工作台要覆盖的核心场景，其他的零散需求先不管，避免一上来就贪多。

2.2 方案选型：为什么是 workbuddy 而不是别的

市面上同类工具不少，我在选型阶段对比过几个方向。这里不点名具体竞品，只说我的判断维度，你可以套用到自己的选择上。

第一个维度是 技能的可复用性 。有些工具的自定义能力停留在"保存提示词"层面，你存了一堆模板，但每次调用还是要手动拼装。workbuddy 的技能机制更接近"函数"——定义一次，带参数调用，输出格式稳定。这对需要批量处理的任务来说差别巨大。

第二个维度是 指令的持久化 。我希望我的偏好（比如输出必须用中文、必须带小标题、不要用套话）能一次性写死，而不是每次对话都重复。workbuddy 的自定义指令支持这种全局设定，这一点很关键。

第三个维度是 跨平台可用性 。我平时在 Windows 和 Linux 上都会干活，偶尔也用网页版应急。workbuddy 在这几个环境下都能跑，配置可以同步，这点省了我不少事。安装方面，Windows 直接下安装包，Linux 版本我用的是 Ubuntu，按官方文档走基本没障碍，唯一要注意的是安装目录别放在系统盘根目录，后面会讲到原因。

第四个维度是 和现有工具的衔接 。我日常用 Obsidian 做知识管理，workbuddy 能和它配合，把生成的内容直接落到笔记库里，省去了复制粘贴这一步。这个衔接能力是我最终拍板的重要原因。

2.3 整体架构：三层结构

我的工作台最终是三层结构，从下往上说。

底层是能力层 ，也就是技能库。我把每个重复任务封装成一个技能，比如"网页摘要"、"长文大纲"、"表格清洗"、"竞品对比"。每个技能定义好输入格式和输出格式，互相之间不耦合。

中层是指令层 ，也就是全局自定义指令。这一层管的是"风格"和"约束"，比如输出语言、语气、禁用词、必须包含的字段。它作用在所有技能之上，保证不管调哪个技能，输出都符合我的习惯。

顶层是工作流层 ，也就是把多个技能串起来。比如"竞品调研"这个工作流，会先调"网页摘要"抓取信息，再调"竞品对比"生成表格，最后按指令层的格式输出。这一层是我花时间最多的地方，也是工作台真正产生价值的地方。

三层分开的好处是维护简单。改风格只动指令层，加能力只动能力层，调整流程只动工作流层，互不影响。如果你一上来就把所有东西揉在一起，后面改一处崩一片，会很痛苦。

3. 核心细节解析与实操要点

3.1 技能（skill）到底怎么定义才不踩坑

技能是 workbuddy 工作台的核心，但很多人定义技能时会犯一个错误： 把技能写得太"大" 。比如有人直接定义一个"写文章"技能，输入一个主题，输出一整篇。这种技能看起来省事，实际上很难复用，因为每次的需求细节都不一样，你还是要反复调整。

我的做法是 把技能拆到最小可复用单元 。举个例子，"写文章"我会拆成三个技能：生成大纲、扩写段落、润色定稿。每个技能只干一件事，输入输出都很明确。这样组合起来灵活，单独用也不浪费。

定义技能时有几个要点必须注意。第一， 输入格式要固定 。比如"生成大纲"技能，我规定输入必须是"主题 + 目标字数 + 受众"，缺一不可。格式固定了，输出才稳定。第二， 输出格式要约束 。我会在技能里明确要求输出用 Markdown、必须带二级标题、每段不少于多少字。第三， 技能描述要写清楚适用场景 ，方便自己以后翻回来知道这个技能是干嘛的。

提示：技能命名建议用"动词 + 对象"的格式，比如"摘要网页"、"清洗表格"、"对比竞品"，一眼就知道干什么。别用"技能1"、"技能2"这种，过一周你自己都忘了。

3.2 自定义指令：把偏好一次性写死

自定义指令是我觉得 workbuddy 最被低估的功能。它的作用是给所有对话设定一个"默认人格"和"默认约束"。我见过很多人每次对话都要重复交代"用中文回答"、"不要用套话"，其实这些完全可以写进自定义指令里，一次搞定。

我的自定义指令大概分四块。第一块是 语言和语气 ：默认中文，语气直接，不用"综上所述"这类套话。第二块是 格式约束 ：输出优先用 Markdown，长内容必须分小标题，关键信息用加粗。第三块是 内容禁忌 ：不编造数据，不确定的信息要标注"待核实"。第四块是 领域偏好 ：涉及技术内容时优先给可操作步骤，涉及数据时优先给表格。

写自定义指令有个技巧： 用"必须"和"禁止"这种强约束词 ，而不是"尽量"、"最好"。因为模型对强约束的遵守度明显更高。另外指令不要写太长，我控制在 500 字以内，太长了反而会稀释重点。

3.3 安装与环境配置的关键细节

安装本身不复杂，但有几个细节不注意会踩坑。Windows 版本直接下安装包，一路下一步就行。Linux 版本我用的是 Ubuntu，按官方文档走，依赖装齐基本没问题。

这里重点说一个很多人会遇到的问题： 安装目录的选择 。我一开始图省事把安装目录放在了系统盘的用户目录下，结果后来 workbuddy 提示"检测到应用安装目录下存在用户项目目录"。这个提示的意思是，它把安装目录和你的项目目录混在一起了，容易导致文件管理混乱，严重时还会影响程序更新。

解决办法很简单： 安装目录和项目目录必须分开 。安装目录放在一个固定的、不常动的位置，比如 D:\Apps\workbuddy 或者 Linux 下的 /opt/workbuddy 。项目目录单独放在另一个盘或者另一个路径，比如 D:\Projects\ai-workbench 。两者物理隔离，互不干扰。

还有一个常见报错是 502 write eacces ，这个基本是权限问题。Linux 下大概率是安装目录或缓存目录没有写权限，用 chmod 给对应目录加上写权限就行。Windows 下如果遇到，检查一下是不是装在了需要管理员权限的目录里，换个普通目录重装即可。

3.4 和 Obsidian 的衔接配置

我用 Obsidian 做知识库，所以工作台的输出最好能直接落到笔记里。衔接方式不复杂，核心是 约定好文件路径和命名规则 。

我的做法是在 Obsidian 的库目录下建一个专门的文件夹，比如 AI-Output ，然后让 workbuddy 的输出默认写到这个目录。命名规则用"日期 + 主题"的格式，比如 20250115-竞品调研.md 。这样笔记库里的内容自动按时间排序，找起来很方便。

要注意的是， 别让 workbuddy 直接改你已有的笔记 。我试过让它去更新旧笔记，结果格式被改乱了。后来改成"只写新文件，旧文件手动合并"，就再没出过问题。这个原则也适用于其他自动化场景： 让 AI 做增量，别让它做覆盖 。

4. 实操过程与核心环节实现

4.1 从零搭建的完整步骤

我把整个搭建过程拆成六步，按顺序走就行。

第一步， 安装并初始化 。装好 workbuddy，首次启动会让你选工作目录，这里就按前面说的，选一个独立的项目目录，别用默认的。

第二步， 写自定义指令 。打开设置里的自定义指令，把我前面说的四块内容填进去。这一步建议先写个初版，后面用着用着再迭代。

第三步， 定义第一批技能 。别贪多，先定义三个最常用的。我当时定义的是"摘要网页"、"生成大纲"、"润色文本"。每个技能都按"固定输入 + 约束输出"的格式写。

第四步， 测试单个技能 。每个技能定义完，立刻拿真实任务测一遍。测的时候重点看输出格式对不对、内容质量稳不稳定。不稳定就回去改技能描述。

第五步， 串联工作流 。等单个技能都稳了，再开始串。我第一个工作流是"资料整理"：输入一个主题，先调"摘要网页"抓信息，再调"生成大纲"整理结构，最后按指令层格式输出。

第六步， 迭代优化 。这一步没有终点。我每周会花半小时回顾这周哪些任务跑得不顺，然后针对性调整技能或指令。

4.2 一个完整工作流的实现细节

拿我实际在用的"竞品调研"工作流举例，完整拆一遍。

输入 ：竞品名称列表，比如三个竞品名。

第一步，信息抓取 。调用"摘要网页"技能，对每个竞品抓取公开信息，输出结构化的摘要，包含产品定位、核心功能、定价模式三个字段。这里要注意，技能里必须约束"只输出这三个字段"，否则模型会自由发挥，输出一堆用不上的内容。

第二步，对比整理 。把上一步的三个摘要作为输入，调用"竞品对比"技能，输出一张 Markdown 表格，行是竞品，列是刚才那三个字段。这一步的关键是 表格列名必须固定 ，不然每次输出格式都不一样，没法沉淀。

第三步，生成结论 。基于表格，调用"生成大纲"技能，输出一段分析，包含差异点、机会点、风险点三部分。这里我会在指令层约束"结论必须基于表格数据，不得编造"。

第四步，落盘 。把最终结果按"日期 + 竞品调研"的命名规则写到 Obsidian 的 AI-Output 目录。

整个流程跑下来大概几分钟，比我手动做快得多，而且格式统一，方便后续检索。

4.3 参数选择与计算过程

工作台里涉及参数的地方不多，但有几个值得说。

输出字数 。我在"生成大纲"技能里设了目标字数，但实际输出往往会有偏差。我的经验是 目标字数设为实际需求的 1.2 倍 ，因为模型倾向于压缩。比如我要 2000 字的初稿，技能里就写 2400 字，最后出来的差不多正好。

技能调用顺序 。串联工作流时，顺序很重要。原则是 先宽后窄 ：先做信息收集这种发散性的任务，再做整理和结论这种收敛性的任务。反过来做的话，你会发现收集到的信息用不上，白跑一遍。

缓存策略 。workbuddy 会缓存一些中间结果，我一般保留最近三天的缓存，再久的就清掉。缓存太多会影响响应速度，太少又会导致重复计算。三天是我实测下来比较平衡的值。

4.4 实操现场记录

贴一段我实际跑"资料整理"工作流时的记录，方便你对照。

输入主题是"个人知识管理工具对比"，目标字数 3000，受众是普通用户。跑完第一步"摘要网页"后，输出了五条结构化摘要，每条包含工具名、核心功能、适用场景。第二步"生成大纲"输出了带二级标题的框架，共六个部分。第三步扩写后总字数 3200 左右，略超目标，但在可接受范围。

整个过程大概四分钟，中间没有报错。唯一的小问题是第二步输出的框架里有一个部分和主题关联度不高，我手动删掉了。这种情况在技能描述里加一句"框架必须紧扣主题，不得引入无关维度"就能改善。

5. 常见问题与排查技巧实录

5.1 高频问题速查表

问题现象	可能原因	解决办法
提示检测到应用安装目录下存在用户项目目录	安装目录和项目目录混在一起	把两者物理隔离，重装到独立目录
报错 502 write eacces	目录写权限不足	Linux 下 chmod 加写权限，Windows 下换普通目录
技能输出格式不稳定	技能描述约束不够强	用"必须"、"禁止"等强约束词，固定输入输出格式
工作流跑到一半卡住	中间结果格式不符合下一步输入要求	检查每一步的输出格式，确保和下一步输入对齐
输出内容编造数据	指令层没有约束	在自定义指令里加"不确定的信息标注待核实"
响应变慢	缓存堆积	清理三天以上的缓存
和 Obsidian 衔接后笔记格式乱	让 AI 直接改了旧笔记	改成只写新文件，旧文件手动合并

5.2 几个我踩过的坑

第一个坑：技能定义太宽泛 。我最早定义了一个"处理文档"技能，结果每次输出都不一样，根本没法复用。后来拆成"摘要"、"改写"、"翻译"三个小技能，问题就解决了。教训是： 技能要窄，窄到只干一件事 。

第二个坑：自定义指令写太长 。我一开始写了快两千字，结果模型反而抓不住重点，经常漏掉关键约束。后来精简到 500 字以内，只保留最核心的几条，遵守度明显提升。教训是： 指令要短，短到每条都能被记住 。

第三个坑：工作流没有错误处理 。有一次某个技能输出格式不对，导致后面整个流程崩了。后来我在每一步之间加了简单的格式校验，不符合就重跑，稳定性好了很多。教训是： 工作流要有容错，不能假设每步都完美 。

第四个坑：过度依赖自动化 。有段时间我什么都想自动化，结果搭了一堆用不上的工作流，维护成本比手动做还高。后来我只保留真正高频的四五个，其他的手动做。教训是： 自动化要挑高频任务，低频的不值得 。

5.3 独家避坑技巧

分享几个文档里不会写、但实际很有用的技巧。

技巧一：给技能加"示例输出" 。在技能描述里附一个期望输出的样例，模型的输出质量会明显提升。这招比单纯描述格式管用得多。

技巧二：用"分步思考"约束复杂任务 。对于多步骤任务，在技能里加一句"先列出步骤，再逐步执行"，输出会更有条理，也方便你中途检查。

技巧三：定期备份技能和指令配置 。workbuddy 的配置存在本地，重装或者换机器时容易丢。我每周会把技能和指令导出成文本备份一次，省得重来。

技巧四：给工作流起好名字 。别用"工作流1"这种，用"竞品调研"、"周报生成"这种一看就懂的。工作流多了以后，好名字能省你很多找的时间。

技巧五：先手动跑通再自动化 。任何工作流，我都会先手动做一遍，确认每一步的输入输出都合理，再封装成自动化。跳过这一步直接自动化，大概率会返工。

6. 我实际在用的几套工作流

6.1 写稿工作流

这是我用得最多的。输入一个主题和几个关键词，工作流会先调"生成大纲"出框架，我确认后再调"扩写段落"逐段填充，最后调"润色文本"定稿。中间我会手动介入一次，确认大纲方向对不对，避免跑偏。整套下来，一篇三千字的初稿大概二十分钟能出来，比纯手动快一倍多。

6.2 资料整理工作流

输入一个主题，自动抓取公开信息、生成结构化摘要、整理成表格、落到 Obsidian。这套主要用于竞品调研和行业信息收集。关键点是每一步的输出格式都固定，方便沉淀成可检索的知识库。

6.3 表格清洗工作流

我经常要处理一些格式混乱的表格数据，比如从不同来源导出的 CSV。这套工作流会先识别列名、统一格式、去重、补全缺失值，最后输出干净的表格。这里要注意的是， 清洗规则必须写死在技能里 ，不能让模型自由发挥，否则每次结果都不一样。

6.4 周报生成工作流

输入本周的工作记录（我平时随手记在一个文件里），工作流会自动分类、提炼要点、按固定模板生成周报。这套的难点在于"分类"，我一开始让模型自由分类，结果每次类别都不一样。后来我固定了几个类别（项目进展、问题、下周计划），输出就稳定了。

7. 关于积分和版本的一些实际体会

workbuddy 有积分机制，具体规则官方文档写得很清楚，这里不重复。我只说实际使用中的体会： 积分消耗主要发生在长文本生成和复杂工作流上 。如果你只是做简单的摘要和改写，消耗很慢；但如果你频繁跑多步骤工作流，消耗会明显加快。

我的做法是 把高频的简单任务和低频的复杂任务分开 。简单任务用轻量技能，复杂任务才上完整工作流。这样积分用得更久，响应也更快。

版本方面，我用的是常规版本，Linux 版本在 Ubuntu 上跑得很稳。网页版我主要用来应急，比如在外面用别人的电脑时。几个版本之间的配置可以同步，这点很方便。至于国际版，我没深入用过，不做评价，你可以根据自己的实际需求去了解。

8. 最后分享几个实用建议

搭工作台这件事，我的核心体会是 别追求一步到位 。我见过太多人一上来就想搭一个全能工作台，结果搭到一半就放弃了。正确的做法是先解决一个具体痛点，跑通了再扩展。

另外， 工作台是给自己用的，不是给别人看的 。别为了"看起来专业"去堆一堆用不上的技能。我现在的技能库只有八个技能、四个工作流，但每一个都是我每天在用的。少而精，比多而杂强得多。

还有一点， 定期回顾和清理 。我每个月会花半小时看看哪些技能很久没用了，直接删掉。工作台和衣柜一样，不定期清理就会越来越乱。

如果你刚开始搭，建议从"写稿"或者"资料整理"这类高频任务入手，跑通一个再复制经验到其他场景。遇到报错别慌，大部分问题都是配置层面的，按前面的排查表走一遍基本能解决。真正难的不是技术，是想清楚自己到底需要什么。