你有没有遇到过这种情况？让AI助手写周报，它洋洋洒洒给你两千字，看起来什么都说了，其实什么重点都没有；让它整理会议纪要，它把你随口一句玩笑话都记成待办事项；让它分析一堆数据，它给你来一句“整体呈上升趋势，建议持续关注”。我以前也天天骂workbuddy不靠谱，直到有一天我坐下来，认真把“靠谱”这两个字拆开来看，发现问题根本不在AI，而在我没给它立规矩。

workbuddy有一个自定义指令功能，说白了就是允许你提前写一套规则，告诉它“你是谁、你要怎么干活、什么样的输出算合格、什么话绝对不能说”。这套规则配置好之后，再让它干活的体验完全不一样。现在我的workbuddy写邮件、做纪要、出方案、拉数据看板，比我自己处理还省心，甚至经常能把我没想到的风险点提前标出来。这篇文章就是想把我给workbuddy“立规矩”的全过程分享出来，包括怎么设计指令、怎么写、怎么迭代、踩了哪些坑。如果你也觉得手里的AI助手“时而聪明时而智障”，这篇内容应该能帮到你。

1. 先想清楚：你到底需要AI按什么规矩办事

1.1 默认状态下的workbuddy为什么“不听话”

先说明一个可能让很多人意外的观点：workbuddy在出厂状态下并不是“不听话”，它是过于“听话”了。它的默认行为模式有三个倾向：第一，讨好用户，你语气重一点它就改变观点，你说什么它顺着说；第二，覆盖全面，一个问题它能给你拆成五个方面，唯恐漏掉任何一个角度；第三，规避风险，宁可说空话也不愿意给一个斩钉截铁的结论。这三个倾向放到闲聊、头脑风暴的场景里完全没问题，甚至还能带来惊喜，但放到真实的干活场景里，就是灾难。

举个例子。初期我让workbuddy帮忙写一封催办邮件，它的默认输出大概是这样：“尊敬的XX您好，冒昧打扰，想了解一下关于XX项目的进展，如果有困难我们可以一起沟通……”这封邮件发出去基本等于没发。原因很简单：它没有收到任何关于“语气、信息量、目标”的规矩，就只能给出一个全场景都“安全”的模板。换成人也很好理解，你让一个新来的实习生去办件事，只说“你去跟进一下那个项目”，他大概率也只能回来问你“具体要做什么、跟到什么程度、怎么说”。

所以，第一步不是让AI更聪明，而是让你的要求更具体。自定义指令就是干这件事的。它解决的并不是AI能力问题，而是“预期对齐”问题——把你的工作标准、表达习惯、信息敏感点，提前转化成它每次干活都必须遵守的规则。

1.2 拉一份自己的“规矩清单”：角色、边界、输出物

动手设置之前，我建议你先别急着打开设置面板。先花二十分钟做一件事：拉一份自己的“规矩清单”。我当时是怎么做的呢？回看过去一周里所有让workbuddy干活的记录，把结果分成三类：满意、勉强能用、完全不能用。然后对每一类结果提出三个固定问题：

• 它是不是理解错了我的意图？
• 它是不是理解了意图，但输出格式不是我想要的？
• 它是不是输出格式可以，但内容深度和信息质量不达标？

这三个问题分别对应三类规矩：理解类规矩（让它先复述任务、拆解需求）、格式类规矩（给它固定模板、规定篇幅）、内容类规矩（要求它提供依据、标注不确定项、禁用空话套话）。

我把自己过去一周的AI使用记录梳理完以后，得到了一张转化清单：

典型不满意场景	背后原因	需要立的规矩
让写周报，写成了报流水账	内容类：缺少“结论先行”要求	规定每段先给结论再给证据
让分析销售数据，说了一堆“建议关注”	内容类：没有要求具体数字和原因	规定所有判断必须引用数据，并解释驱动因素
让整理会议纪要，把闲聊也写进去了	理解类：没有区分事实与行动项	规定纪要结构：决议、行动项、争议点
让写一封催办邮件，写得像求人办事	格式类：语气没有约束	规定语气预设值：“平等、直接、礼貌”

这张表不一定适合所有人，但非常值得你在配置前自己拉一份。不用贪多，找到你最高频的三个使用场景就够了。另外记住一个原则：规矩的数量不是越多越好，后面我会专门解释这一点。现在只要记住，每条规矩都应该对应一个你真实踩过的坑，没踩过的坑暂时不必防。

2. workbuddy自定义指令怎么写：入口、模板与参数化

2.1 设置入口与规则集的四块结构

先回答最基础的问题：自定义指令到底在哪设置？以我目前使用的版本为例，入口在workbuddy的“设置—自定义指令—新建规则集”里面。不同版本可能叫法略有差异，但核心逻辑是一样的：它允许你维护一套或者多套规则集，在对话开始或指定任务时自动生效。

workbuddy的自定义指令并不只是一个文本框，它可以按功能拆成四个区块。我把这四块理解成给一个新人做的“入职培训”：

• 角色区：告诉AI它是谁。例如“你是一名有十年经验的商业分析助理”。角色看起来虚，但实际作用很大——它会直接影响用词、视角和默认知识体系的调用方式。
• 任务区：告诉AI它日常要处理哪些类型的任务。例如“你会收到周报、邮件、纪要、方案等任务”。这一块能让AI提前做好任务分类，而不是每次从零理解你要什么。
• 输出区：告诉AI每次回复必须遵循的格式、长度、结构。这一块往往立竿见影，因为AI最大的问题就是“格式自由发挥”。
• 边界区：告诉AI什么东西绝对不能做。例如“不要编造数据，信息不足时明确说明”。

一个好用的经验是：规则集的生效范围有两种——全局生效和场景生效。我的做法是维护了三个规则集：一个全局精简版（适用于所有对话，只写最核心的通用规矩）、一个办公场景版（包含邮件、周报、纪要的详细模板）、一个分析场景版（包含数据分析和诊断的流程约束）。别把所有规则都塞进一个集里，后面我会反复强调这一点。

2.2 一套可以直接抄的基础指令模板

下面给一个最基础的自定义指令模板，你可以直接抄走作为起点。我把每条指令后面都标注了解释，方便你按需增删。

【角色声明】
你是一个严谨、直接、高效的私人工作助理。你的风格是：结论先行，证据随后。

【任务处理规范】
1. 收到任务后，先用不超过50字复述你对任务的理解，并列出一个执行计划，等我确认后再执行。
2. 如果任务信息不完整，列出缺失信息清单，向我提问，而不是自行猜测。

【输出规范】
1. 所有回复使用以下结构：结论 / 依据 / 可执行建议。
2. 篇幅默认控制在100-300字，除非我要求详细展开。
3. 如需要使用列表，使用精简条目，每条不超过30字。

【质量红线】
1. 严禁编造数据、引用、事实。不清楚的信息要明确标注“需确认”。
2. 严禁使用“赋能、抓手、闭环、沉淀”等空泛词汇。
3. 当你的建议存在风险时，必须主动指出风险点或未覆盖的因素。

这个模板看似不长，但它已经涵盖了前面说的四个区块。我自己第一版就是这么写的，直接套用之后就解决了至少60%的问题。原因很简单：它把“怎么说”这个最大的不确定性锁定了。

2.3 参数化写法：让同一条规矩适配不同场景

如果你只用一张固定的规则表，workbuddy确实会稳定很多，但你会发现它有点死板。比如我让它写邮件，严格按照模板来；让它分析数据，也按照模板来，规范是规范了，但不同任务对象、不同紧急程度，本该有不同的侧重点。这时候就该用“参数化”的写法。

所谓参数化，就是在自定义指令里预设一些变量和条件分支，让AI根据当前任务的具体情况动态调整输出。具体写法可以这样：

【动态参数识别】
根据任务请求，先识别并填入以下参数：
- 任务类型：{邮件/纪要/周报/分析/方案/其他}
- 目标受众：{上级/同级/客户/公开/其他}
- 紧急程度：{高/中/低}
- 篇幅要求：{短/标准/详细}

【条件分支规则】
- 如果任务类型为“邮件”且目标受众为“上级”：语气保持尊敬，重点汇报结论与风险，模板使用“简洁汇报版”。
- 如果任务类型为“邮件”且目标受众为“同级”：语气平等直接，重点说明需要对方配合的动作，模板使用“协作沟通版”。
- 如果任务类型为“分析”：强制要求引用数据、给出结论区间、列出可能影响结论的限制因素。

这样做的好处是，workbuddy每次干活之前会先做一次“参数识别”，然后按匹配的规则执行，而不是上下文一变就彻底跑偏。我在实际使用中发现，参数化之后它输出的命中率明显提高，尤其是邮件这种“细节决定成败”的任务，基本不用大改。

这里也有个度的问题。参数不要设置太多，我一开始设了八个参数，结果它每次都先反问我参数是什么，效率反而降低。后来精简到四个，并告诉它“如果参数不确定，按常见默认值处理”，体验立刻顺滑了。

3. 我给workbuddy定的五条规矩，一条一条说

3.1 先复述任务，确认理解之后再动手

这条规矩的原理特别简单：AI最大的错误来源不是能力，而是理解偏差。你以为你说清楚了，它以为它听懂了，实际上两边的理解可能是平行的。

我最初没设这条规矩的时候，发生过非常典型的事故：让workbuddy“把上个月的复盘整理成一份给老板的摘要”，它的理解是“把我上个月的工作内容大纲输出一份”，结果生成的是一份项目简报，方向完全偏了。不是因为它笨，是因为“上个月的复盘”可以指复盘文档，也可以指复盘过程，还可以指迭代出来的结论，我默认它应该知道，但它确实不知道。

加了“先复述任务再动手”这条规矩以后，它每次都会先输出一段类似这样的话：“我理解你的任务是：基于上个月的复盘记录，提炼出5条关键结论，形成一份面向老板的摘要，重点汇报风险与下一步动作。确认后我开始执行。”这个过程看似多了一步，但它给了你一个纠偏的窗口，而且是每次都给你这个窗口。一个月下来，因为理解偏差返工的次数至少减少了一半。

注意一个细节：这条规矩一定要写“等我确认后再执行”，否则它会先复述完就直接往下写，复述这个动作就失去了拦截作用。我当时漏写了这层意思，结果它只是走个过场，该偏还是偏。

3.2 所有结论必须带依据，不确定就标“推测”

如果说“先复述任务”解决的是方向问题，那“所有结论必须带依据”解决的就是信任问题。AI有一个很坑的特点：它太擅长把猜测包装成事实。你问它“这个数据为什么下降”，它能给你编出一个听起来无比合理的解释，但那个解释可能是它随口生成的。

我遇到的典型情况是：让workbuddy分析一份销售数据，它说“3月份销量下滑可能与春节假期有关”。听起来没什么问题，但它根本没有查日历、没有对照去年数据，只是在做概率推测。这条规矩生效后，它的回复结构变成了：“3月销量环比下降18%，其中华东区下降幅度最大。春节假期可能导致整体销量波动（此为推测，需要对照去年3月数据验证）。”这才是真正需要的东西：它把“有依据的事实”和“未经证实的推测”分开了。

我在这条规矩里加了很多限定词，比如“引用数据时要注明具体数值和来源”“判断句必须附带证据，或者标注‘推测’”。如果它给出的是“整体来看呈现增长”，而没有数字，一次都不行。规则里带了判定标准，AI执行起来才会更严格。

3.3 把常用输出做成“死模板”

模板化可能是最容易被低估的一条。很多人觉得模板限制发挥，但在干活场景里，模板恰恰是减少沟通成本、提升交付速度的关键。

我的做法是：在自定义指令里预置了三个模板——邮件模板、周报模板、会议纪要模板。以邮件模板为例，我写得很细：

邮件模板：
- 目标：让收件人10秒内知道核心结论与需要他做的事。
- 结构：第一句表明目的与结论；第二段给必要背景（最多三行）；第三段列行动项与时间点；结尾礼貌收束。
- 语气：平等、直接、专业，避免“打扰了”“麻烦您”式过度客气。
- 禁忌：不堆砌寒暄，不发空泛的“辛苦了”。

这些规则看起来都是“常识”，但AI不写进去就不会自动遵守。它默认写出来的邮件永远是“希望您理解”“期待您的回复”的中庸风格。模板化之后，我几乎不用再改措辞，只需改时间点、名字和具体数字，邮件发送效率提升非常明显。

3.4 主动交代哪些信息它并不确定

这条规矩针对的是另一类典型问题：AI为了“完整性”，会在一个看似严谨的回答里夹带一些它其实没有把握的内容，而且不会主动告诉你哪些内容是没把握的。

我在指令里加了一条：“当任务信息不足、数据缺失或你对答案没有足够把握时，必须在回复末尾用‘需确认/需补充’清单列出缺失项，并说明这些缺失项可能如何影响结论。”这条规则一加，它的输出习惯彻底变了。以前让workbuddy写一个推广方案，它能把预算、渠道、目标、转化路径全部写得明明白白，看起来特别专业，实际上里面有三个关键假设根本没提——比如“假设用户获取成本低于XX元”这种要命的假设。现在它会主动标注“以下内容基于假设，需确认预算范围后才能确定最终建议”。

这条规矩对分析类任务尤其重要。它在本质上就是教AI养成一个习惯：知道自己不知道什么。你可以把它理解成给AI装了一个“诚实开关”，而不是要求它什么都懂。

3.5 把“假大空”词汇拉进黑名单

最后这条规矩看起来最短，但价值很大。不知道你有没有感触：跟AI聊天聊多了，你会发现它写出来的东西总带着一股“一眼AI味”，核心问题就在于套话太多——不是说它语法有毛病，而是表达里全是正确的废话。比如方案里的“赋能”“抓手”“闭环”“颗粒度”，比如计划里的“积极推动”“重点发力”“持续加强”，这些词单独看都没问题，但放在一段文字里就是毫无信息量。

我给workbuddy定了一条规矩：严禁使用“赋能、抓手、闭环、沉淀、颗粒度、逻辑闭环”这类空泛词汇，也严禁使用“为了提高效率、提升体验、进一步加强、积极推动”这种没有信息量的表述。如果必须使用抽象表达，必须紧跟一个具体例子或具体动作。

这条规矩生效之后立竿见影。以前它写的工作计划里会出现“通过多维度赋能，实现业务的可持续发展认知升级”这种话，我一看到就头疼。现在它会写“下季度将每个客户经理的周拜访量从10次提高到12次，并配套话术模板，目的是把商机转化率提升5个百分点”。虽然不敢说次次精准，但那种“说了等于没说”的段落几乎绝迹了。

4. 从0到1配置一套可用的自定义指令：迭代实录

4.1 第一版指令为什么效果一般

我前面给了模板，但这里要跟你说句实话：第一版直接套模板的效果，并没有我期待得那么好。原因有三个。

第一，我一开始太贪心，把所有想约束的东西全部写了进去，整份指令超过1200字。结果显示，它会“选择性遗忘”后面几条规则。原因很可能是上下文窗口被前面的详细描述占掉，后续规则的权重变低了。

第二，我写了很多抽象词。比如“要专业”“要高效”“要有深度”，这些形容词AI无法转化为具体行为，等于没写。真正有效的是“结论控制在三行内”“引用数据时注明数值”这种可判定的要求。

第三，我没有考虑场景差异。所有规则写在一起，它写邮件的时候要遵守，分析数据的时候也要遵守，结果两头都不够满意。

所以如果你刚起步，我建议第一版指令不要超过十条，每条都要“可判定、可执行、可验证”。

4.2 三次迭代：从抽象要求到可执行规矩

配置自定义指令，最关键的不是第一次写得完美，而是持续迭代。我给自己定了一个迭代节奏：每三天回顾一次workbuddy的输出，找出最不满意的那一条，然后修改指令。

我简单梳理三次核心迭代：

第一次迭代，去掉所有抽象形容词，全部替换成具体行为要求。“给出专业意见”改成“给出最多三条具体建议，每条附带理由和可能的副作用”；“注意语气”改成“不用寒暄，第一句直接说事”。

第二次迭代，压缩指令长度。把原来1200字的指令砍到600字左右，把“模板覆盖”部分单独放进场景规则集里。压缩方法很简单——删掉所有“你应该”“你要注意”这种引导语，直接写“事实+行为”，AI理解起来更快。

第三次迭代，引入参数化分支。这一版出现了前面说的动态参数识别。改完之后效果提升最明显，因为同一套指令能同时覆盖“邮件场景”和“分析场景”两种截然不同的要求。

给大家一个直观感受：完成第三次迭代之后，我让workbuddy写一封催办邮件，它给我的版本已经不需要大改，我只需要改一个数字和一个名字。这在配置之前是完全不敢想象的。

4.3 我目前在用的精简版指令与效果对比

下面是我目前正在用的一套精简版自定义指令，分享出来供大家参考。注意这是“办公全局版”，不包含具体邮件模板附件。

你是我的私人工作助理，风格严谨、直接、结论先行。

收到任务后，先用不超过50字复述你的理解，并列执行计划，等我确认后再开始。

输出统一按“结论/依据/建议”三层结构组织。除非我要求详细展开，回复默认控制在300字以内。

任何结论必须附带依据。引用数据要给出数值；无法确定的内容标注“推测”或“需确认”。

任务信息不足时，先列出缺失信息清单并向我问询，不要猜测补齐。

严禁空泛套话。禁止使用“赋能、抓手、闭环、沉淀、颗粒度”等词。抽象表述后必须跟具体例子。

识别任务类型：邮件/周报/纪要/分析/方案/其他。不同任务套用对应模板。

有了这套之后，实际效果可以拿一封催办邮件的对比来说明。配置前它写的是：“您好，打扰了，想了解一下关于XX项目的最新进展，如果有什么困难我们可以一起讨论，期待您的回复。”配置后它写的是：“关于XX项目，目前距离交付节点还有5天，我方仍缺少两项关键信息：A方案的预算审批结果和B模块的测试报告。请在周三前同步进度，否则交付节点存在延期风险。如需我方配合，请直接说明。”后者才是真正能推进工作的版本。原因就在于前面那几条“结论先行、给依据、直接说事”的规矩全部生效了。

5. 常见问题与排查技巧实录

5.1 规矩打架了怎么办：给规则排优先级

这是自定义指令配置中最容易遇到的问题。最典型的冲突是：我既写“输出尽量简洁”，又写“覆盖所有关键因素”。这两个要求本质上是对立的——覆盖所有因素必然带来篇幅上升。AI遇到这种冲突时会在两条规则之间随机摇摆，结果就是时好时坏。

解决办法只有一个：给规则排优先级。我在指令里明确加了“当规则冲突时，按以下优先级执行：事实准确性 > 结论明确性 > 完整覆盖 > 篇幅精简。冲突时，后面规则让位。”加进去以后，AI再遇到“既要简洁又要全面”的情况时，就不会随机摇摆了，而是优先保证数据点不丢，在此基础上尽量控制篇幅。你也应该根据自己最在意的点，明确排一个优先级顺序。

5.2 指令太长，后面的规矩“失效”了

很多AI工具在单次对话中能处理的上下文是有限的，自定义指令占用的内容越多，留给当前任务的空间就越小，而且排在后面的规矩往往会被“弱化”。我见过有人把5000字的规则集贴进去，结果AI每次回复只遵守前面的几条，后面的全成了摆设。

我的建议是：全局指令只保留最核心的十条左右，详细模板放进场景规则集，或者干脆放在每次任务的消息里。如果你发现某条规则“偶尔生效、偶尔失效”，大概率不是AI抽风，而是指令太长被弱化了。试试把这条规则移到靠前的位置，或者把不重要的同类规则合并成一条。

5.3 输出太死板，怎么找回灵活度

规矩设得太多太死，另一个问题也会出现：它写出来的东西确实合规，但像一个没有感情的模板机器，少了灵活和洞察。

我的处理方式是加一条“灵活性开关”：“如果某项任务有更高效或更合适的处理方式，可以在遵守核心红线的前提下跳出模板，但必须说明你为什么这么做。”听起来有点玄，但它确实给了AI一个空间，让它在处理反常规任务时不会被模板锁死。实际使用中，我发现这一条并不会让输出失控，反而会促使它更主动地给出有价值的个性化建议。

5.4 换个话题规矩就失效：把全局规则和场景规则分开

有时候你会遇到这样的情况：上个任务它表现得井井有条，换个话题就全面放飞。原因通常是：你把“任务型规则”写在了“通用规则”里，或者你把太多具体例子写进了规则，导致AI把规则理解成了“只针对这种任务的指令”。

排查方法很简单：找一个自定义指令确实生效的对话，看它怎么理解规则。如果它的复述里根本没提“我会按核心规则处理所有任务”，那就是规则绑定得太具体了。修正方法是加一句“以下规则适用于所有任务类型，无论话题如何变化都必须遵守”，然后把具体例子移到对应的场景规则集里。

注意：以上排查经验都基于我个人在workbuddy上的长期使用记录，不同工具的自定义指令实现机制略有差异，但“精简、具体、分层、可验证”这几个原则是通用的。

用workbuddy半年多，我最深的体会是：AI助手靠不靠谱，不完全取决于模型多先进，很大程度上取决于你愿不愿意花时间去定义“什么算靠谱”。我给workbuddy立这些规矩，前前后后大概花了一个周末加三天的碎片时间，换来的是之后每天能节省至少一小时的返工时间，这笔账怎么算都划算。

最后再分享一个小技巧：自定义指令这个东西，值得每隔一两个月重新回头读一遍。很多规矩刚写的时候觉得很有必要，但用了一段时间后，你的工作习惯和需求可能已经变了，那些老规矩反而会拖后腿。我每隔一段时间就会删掉几条不再用的规则，也给新场景补几条新规则。这个习惯虽然不起眼，但它让我的workbuddy一直保持在“越用越顺手”的状态，而不是“越用越僵化”。如果你也想试试，别追求一步到位，先立三五条最要紧的规矩跑起来，再根据实际效果慢慢调，效果会好得多。