最近好几个朋友来问我同一件事：WorkBuddy里到底怎么"自己创建专家"？他们大多是冲着AI办公自动化来的，结果进了工作台，看到一堆按钮不知道从哪下手，好不容易建出来的专家回答又空又官方，跟官方演示里那种"懂行"的感觉差太远。我的看法是，这类智能体工作台的核心价值不在开箱即用，而在你愿不愿意花半小时把专家的"人设""流程""边界"讲清楚。这篇内容就是把从零创建WorkBuddy专家的完整过程拆开讲清楚：前置设计怎么做、自定义指令怎么写、知识库怎么配、记忆和迭代怎么管，最后配上我实测踩过的坑。无论你是第一次打开WorkBuddy，还是已经建过一两个但效果不理想，都可以直接把这套流程搬到自己的工作台里试一遍。
1. 先搞明白WorkBuddy是什么角色：它和CodeBuddy的分工决定你的用法
1.1 一个"数字员工平台"，而不是又一个ChatGPT外壳
CodeBuddy和WorkBuddy这两个名字经常一起出现，很多新手以为它们是同一个产品的不同入口，实际使用姿势完全不同。CodeBuddy的战场在IDE里，核心是写代码、查报错、做代码评审这类研发活；WorkBuddy则是一个更通用的智能体工作台，面向的是日常办公、信息整理、流程执行这类偏业务和运营的场景。简单类比一下：CodeBuddy是帮你写代码的资深研发同事，WorkBuddy是你自己培养的"数字员工"——你可以把岗位职责、工作流程、说话话术都定义好，然后它按你的要求干活。
这也是为什么WorkBuddy里会有"专家"这个概念。第一次看到这个词时，我一度以为它只是"更聪明的助手"，后来用下来才意识到完全不是一回事。专家等于一套完整的数字员工配置，包括角色定义、行为规则、知识来源、可用工具、记忆状态。同一个底层模型，配不同的指令和知识库，输出完全可以像两个不同的人：一个可以严谨到每条结论都标数据来源，另一个也可以像闲聊助手一样随性。理解这一层，你才算真正理解了WorkBuddy的用法。
1.2 "创建专家"解决的是复用和标准化的效率问题
单独一个人创建一个专家，价值可能没那么明显，因为你直接打开对话框问模型也一样能得到答案。但放到团队场景里，"专家"的价值立刻体现出来：调好一个专家后，团队里所有人都能调用同一个口径的AI输出，不用每个人都从零写一遍提示词，也不会出现同一个问题四个人问出四种答案的情况。这种标准化输出，在我看来是企业场景里比单次问答质量重要得多的东西。
所以当你准备在WorkBuddy里创建专家时，先想清楚一个问题：这个专家是给谁用的？如果只是自己偶尔用，指令随便写都行；如果要共享给团队，就得在角色定义、规则约束、输出格式上多花精力，因为别人不会像你一样知道这个专家当初是怎么想的。
1.3 先分清：你是要"助手"还是要"专家"
这是创建前必做的选择题。
| 维度 | 泛用助手 | 专属专家 |
|---|---|---|
| 职责范围 | 宽泛，什么都能聊 | 聚焦单一职责，主动拒绝范围外任务 |
| 指令长度 | 短，几十字即可 | 长，通常几百字起步 |
| 知识库 | 可有可无 | 几乎必须配置 |
| 记忆要求 | 无所谓 | 需要长期记忆和上下文 |
| 适用场景 | 个人尝鲜、临时问答 | 团队固定流程、批量任务 |
我见过不少人在"新建专家"页面上随手填了个名字、写了一行提示词，然后把它当成高级版对话机器人，最后效果不满意就得出"WorkBuddy不行"的结论。其实是定位没选对。如果你需要的是"专家"，就要接受它需要更长的指令、更明确的知识库和更长的调试周期。想清楚这一点，后面的每一步才有意义。
2. 创建专家前先把"人设"定好：职责、流程、知识库三件套
2.1 用一页纸写下职责边界，而不是直接打开对话框
我说个自己的真实教训。第一次创建专家时，我直接打开配置页开始写指令，写了删、删了写，折腾两小时还是觉得不对。后来换了个方法，先关掉WorkBuddy，拿一张纸把下面三个问题写清楚：
- 这个专家要解决什么高频任务？比如"把会议录音转成结构化纪要""把零散工作记录整理成周报"。
- 哪些任务坚决不接？比如"不做项目进度总结""不提供建议，只做事实整理"。
- 遇到超出范围的任务怎么处理？比如统一回复固定话术并引导用户联系对应负责人。
如果这三条你用一句话答不出来，说明这个专家还没到你动手创建的时候。职责边界想清楚之后，会直接决定后面的自定义指令写什么、知识库放什么、技能开哪些。边界不写清楚，AI就默认什么都能聊，输出自然容易跑偏。
2.2 把"输入-处理-输出"的链路定义到可直接执行
有了职责边界，下一步是把工作流拆成三段：输入什么、怎么处理、输出成什么样。同一件事，定义得越细，专家越不需要用户额外解释。举个例子，"周报整理专家"的链路可以是：输入=本周完成事项的零散记录；处理=按成果/问题/计划分类、去重、压缩要点；输出=三段式Markdown周报，每段不超过5条，每条尽量带上可量化数据。
这样的链路定义有一个额外好处：专家会主动引导用户给素材。你不需要每次都对它解释"我要什么格式"，它自己就会按规则来。很多专家用起来"笨"，不是模型不行，而是你根本没告诉它流程是什么，它只能靠猜。
2.3 知识库素材的准备：别什么都往里面塞
知识库是专家"专业感"的主要来源，但也不是越多越好。按我的经验，适合放进知识库的素材主要有四种：企业内部规范、领域术语表、历史案例、高质量模板范例。不适合放的是那些模型本身已经掌握得很好的通用常识，比如"什么是复利"这种，你放进去反而可能干扰模型原有的判断。
文件格式上，WorkBuddy一般支持纯文本、Markdown、PDF等常见格式。上传前有个小技巧：把长篇文档拆成主题明确的小文件，用清晰的文件名，比如"2025-Q3-资讯整理规范.md"，而不是丢一个几百页的PDF进去。长篇文档虽然也能解析，但检索精度会明显下降，拆开后命中率会好很多。
知识库的更新机制也得提前想好。我见过不少团队的专家刚建完很能打，两个月后知识过期了也没人维护，输出质量慢慢崩掉。建议在团队里指定一个负责人，至少每周过一遍知识库增量，有变更及时替换。
2.4 判断要不要开联网和技能，原则是"能不开就不开"
有些任务需要实时信息，比如查当天汇率、看最新政策；有些任务只需要本地资料。默认情况下，我建议先把专家做"瘦"——用最少的技能把核心流程跑通，再按需添加。原因很简单：能力和技能开得越多，模型在生成时就越容易混杂不相关的东西，维护成本也越高。比如一个周报整理专家，完全不需要联网和网页抓取；而一个资讯整理专家，才需要考虑挂载网页正文提取这类技能。
3. 核心实操：从新建专家到第一次像样的对话
3.1 新建专家入口与基础信息：名称就是第一份指令
登录WorkBuddy工作台之后，在专家列表的底部或者页面右上角，一般能找到"新建专家"入口。创建时要填名称、头像和简介。这里我强烈建议：名称直接用"职责+对象"的格式，比如"周报整理专员""竞品信息分析员""会议纪要整理专家"，不要起"小智""大白"这种只有自己懂的名字。因为专家一旦共享给团队，别人在列表里是靠名称来认它的。简介也别写空话，写清楚"这个专家能用它干什么"，方便团队其他成员快速判断要不要用。
3.2 自定义指令（System Prompt）：专家的岗位说明书
自定义指令是整个创建过程的重头戏，WorkBuddy里一般叫"自定义指令"或"系统提示词"。它的作用等价于给这个专家写一份岗位说明书和工作手册。写的时候别丢一行"你是个AI助手"就完事，我用的是一套固定的黄金结构：
# 角色 你是... # 目标 你负责完成... # 工作流程 1. 收到输入后，先... 2. 然后... 3. 最后... # 规则 - 必须... - 禁止... # 输出要求 - 使用Markdown - 结构包括：... # 边界 - 当遇到...时，回复...，不自行处理这套结构的好处是，把"身份、目标、流程、规则、格式、边界"六个要素都覆盖到了，模型拿到之后很清楚自己该干什么。我拿"周报整理专员"举个完整示例：
# 角色 你是某科技公司的周报整理专员，负责把员工的零散工作记录整理成规范周报。 # 目标 产出一份可直接提交的周报，包含成果、问题、计划三部分。 # 工作流程 1. 读取用户提供的原始记录； 2. 按成果/问题/计划分类，去除重复和无价值信息； 3. 将每条要点压缩到20字以内，尽量带上可量化数据； 4. 按输出格式生成周报，并在末尾列出待补充信息。 # 输出要求 使用Markdown，包含： - 本周成果：最多5条 - 遗留问题：最多3条 - 下周计划：最多5条 - 数据待补充：如有，单独列出 # 边界 用户请教的非周报问题，统一回复：我只负责周报整理，请把问题发给对应负责人。写完指令先别追求完美，保存后立刻做一轮测试对话，看看输出符不符合预期，再根据实际问题修改。
3.3 知识库上传与实际操作细节
在专家配置页面找到"知识库"入口，上传你准备好的文件或文档。上传后系统会做向量化处理，这一步通常需要几分钟。注意一个细节：不要在向量化还没完成时就开始测试，否则大概率检索不到内容，你会误以为知识库失效。我的习惯是上传后先去干别的，回来看到状态变成"已完成"再测试。
如果同一个专家需要多个知识库来源，建议按主题分开建，比如"术语库""历史案例库""规范文档库"。检索时会自动匹配最相关的片段，分开建比塞一个混合大文件效果好得多。
3.4 Skill技能挂载：给专家装工具，但要限定触发条件
技能（Skill）是WorkBuddy的扩展能力入口，相当于给专家安装"工具插件"。比如需要搜索网页、解析特定格式文件、访问企业内部系统，都可以通过技能实现。这里最容易犯的错误是：把所有技能一股脑全挂上去。挂得越多，专家越容易在日常对话里误用，反而影响输出质量。我给每个技能都会写明触发条件，比如"仅在用户明确要求查询实时信息时，才调用网页搜索技能"，这样专家就知道什么时候该用、什么时候不该用。
3.5 保存、发布与共享范围：先私有，再小范围，后全员
配置完成后点击保存，通常会让你选择可见范围：仅自己可见、指定成员可见、团队共享。我的建议是走"三步走"：先用私有范围自己测试；测到基本稳定后分享给三五个人小范围试用，收集真实反馈；最后再开放全员。直接全员开放的后果，往往是暴露问题后众口难调，你反而不知道怎么改。
4. 让专家从"能用"到"好用"：指令打磨、记忆管理与迭代测试
4.1 自定义指令的进阶改写技巧
第一版指令跑通之后，重点进入打磨阶段。几个非常有效的改写技巧：
把模糊要求改成可执行动作。"输出要专业"不如"每个结论都必须给出依据或数据来源"；"语气要友好"不如"回答开头先用一句话概括结论，再展开细节"。
用示例代替规则。给模型一两个"输入→输出"的示例，效果比写十条抽象规则都明显。示例就是最直接的模板，模型会模仿它的结构和风格。所以指令里可以放一小段"示例对话"，不用太长。
少用否定句，多用肯定句。AI对"不要做什么"的理解经常不如"应该做什么"可靠。与其写"不要闲聊"，不如写"用户问无关话题时，回复……并按流程转交"。这样一来，模型有明确的替代动作可执行，而不是停留在抽象层面。
4.2 历史对话记录与本地记忆：记得住好，记太多未必好
WorkBuddy的专家会积累历史对话记录和记忆，这是它能越用越顺的原因之一。但记忆也是一把双刃剑。如果专家把临时任务信息当成长期背景，后面反而会干扰判断。比如你上周让它临时记住某次周报的特殊格式，这周它可能还按那个特殊格式输出。
我的习惯是定期检查专家记忆。WorkBuddy一般可以在专家详情里查看历史对话记录，我会每两周清理一次明显过期的临时信息，只保留两类东西：用户固定的偏好、项目长期背景。判断标准很简单：这条信息三个月后还有用吗？没用就清掉。
4.3 本地记忆迁移：换电脑、重装系统的正确姿势
很多人搜索"历史对话记录、本地记忆迁移"，多半是遇到了换电脑之后专家还在，但记忆和聊天历史不见了的情况。我的经验是，先在网页版登录同一个账号看看，因为云端配置和部分记忆是跟着账号走的；如果网页版有、客户端没有，那问题大概率出在本地缓存上，需要检查客户端的本地数据目录或重新同步。
这里给一个实用建议：每次调完指令、更新完知识库，随手导出一次专家配置做备份。WorkBuddy不同端（网页版、桌面客户端、Linux版）的同步策略不完全一样，养成备份习惯之后，任何时候重装系统都不慌。别等数据丢了才想起来备份。
4.4 迭代测试方法：先正常路径，再对抗测试
建好专家后，我一般做两轮测试。第一轮是正常路径测试：用最典型的任务喂进去，看输出符不符合指令里写的格式和要求。第二轮是边界对抗测试：故意问范围外的问题、给空输入、给模糊输入，看专家会不会失控。这两轮跑完，专家的"下限"基本就清楚了。
记录问题的时候，每条问题都要能对应到指令的某一条规则。修改时坚持"一次只改一处"原则，改完重新测试，再进入下一轮。这个原则和改代码完全一样：同时改五处，出了问题你不知道是哪条规则引起的。我实测下来，绝大多数专家经过三轮"测试-修改-回归"就能达到可用状态，完全没有必要追求一次写完美。
5. 实战拆解：一个金融版"资讯整理与合规检查专员"的完整配置
5.1 需求背景与场景价值
这个案例来自我帮一个做行业信息处理的团队做的配置。他们的日常工作量很大：每天要浏览大量行业资讯，整理成内部简报，还要核对摘要里有没有合规敏感点，比如是否存在夸大收益、缺少风险提示这类问题。人工做费时且口径不一，每个人整理出来的风格都不一样，领导看着头疼。
于是目标很明确：用一个专家把"信息收集—摘要提炼—合规提示"的流程标准化。这里要特别说明一下，我讲的"金融版"是指WorkBuddy针对金融行业工作场景的一类配置思路，核心是资讯整理和内容检查，不涉及任何投资建议。这个案例的思路，其实可以平移到任何需要"信息整理+合规检查"的行业里。
5.2 自定义指令全文：每条规则都有针对性
我最终采用的指令大致如下：
# 角色 你是金融行业资讯整理与合规检查专员，服务于内部信息组。 # 目标 把用户提供的行业资讯原文或链接，整理成内部简报，并对明显的合规敏感点给出提示。 # 工作流程 1. 读取原文，提取时间、主体、事件、影响范围四个要素； 2. 按行业分类（市场动态、监管政策、公司信息、技术进展）； 3. 每条要点概括到80字以内； 4. 识别原文中可能与收益承诺、风险披露、夸大表述相关的内容，单独列入"合规提示"； 5. 不确定的信息写入"待核实"，不得编造。 # 输出要求 输出Markdown简报，包括： - 行业动态列表（每条含时间、主体、影响范围） - 合规提示 - 待核实清单 # 边界 本专家只做资讯整理与合规检查，不提供投资建议；用户询问买卖建议时，统一回复：这超出我的职责范围，请联系相关业务负责人。注意里面的细节：每个要素都对应一个输出字段，模型就不会漏；"不提供投资建议"直接写进了边界，这是为了从源头防止专家跑偏成"荐股助手"。
5.3 知识库与技能的具体配置
知识库方面，我给它配了两个文件：一份"行业术语库.txt"，把团队常用的简称、专有名词都收进去；一份"历史合规案例.md"，里面收录了过去出现过的合规敏感表述和对应处理方式。这两个都是纯文本/Markdown格式，上传后向量化很快。
技能方面，只挂载了两个：网页正文提取和长文本解析。其他能力一律没开。理由还是那句：能力越少，越不容易在输出里夹带不相关的东西。
5.4 三轮迭代记录：从"像新闻摘要"到"能用"
第一轮测试结果：输出太像新闻摘要堆砌，缺少结构化的要素标注。修改方案：在输出格式里强制要求每条动态必须标注时间、主体、影响范围三个字段。
第二轮测试结果：合规提示误报率偏高，把正常的宣传语也当成了风险。修改方案：在合规检查规则里收紧范围——只提示与收益承诺、风险披露、夸大表述相关的表述，并且把两个误报案例作为示例写进指令，让模型有参照。
第三轮测试结果：边界对话处理太生硬，用户问投资建议时，回复像在念警告。修改方案：把边界回复改成了一段固定话术，语气更自然，同时不模糊职责边界。
三轮下来，这个专家基本达到了"可以直接交给团队成员使用"的状态。这个案例给到你的参考价值，不在于照抄指令，而在于看我是怎么通过测试发现问题和定向调整的。
6. 高频问题排查记录：启动慢、网络失败、跨端选型与插件
6.1 启动非常慢：先别急着重装，按顺序排查
"WorkBuddy启动非常慢"是很多人都会碰到的情况。我的排查顺序是这样：
- 第一次启动慢是正常的。工作台要初始化本地资源、加载配置，等几分钟是常有的事，不是故障。
- 后续启动依然慢，优先检查客户端缓存目录。用久了缓存会越来越大，清理缓存后启动速度会明显回升。
- 如果一直卡在加载界面，检查网络是否稳定。工作台很多组件需要在线加载，网络差会表现为"假死"。
- 老的客户端版本偶尔会有资源占用异常，优先升级到最新版再判断。
按这个顺序走完，90%的"启动慢"问题能解决。不要一上来就卸载重装，折腾半天可能只是缓存问题。
6.2 网络连接失败：绝大多数是环境问题，不是软件坏了
报"网络连接失败"时，第一步不是找客服，而是先做个对照实验：直接用浏览器打开WorkBuddy网页版，看能不能正常访问。如果网页版能访问，说明账号和服务器都正常，问题基本在客户端所在的本机网络环境。
接下来检查本机系统代理设置和防火墙规则，有异常拦截先临时调整；再把WorkBuddy客户端加入防火墙白名单。这两步做完还不行，再考虑卸载重装——但重装前一定要先备份本地记忆和专家配置，别把积累的状态弄丢了。
6.3 网页版、客户端与Linux/Ubuntu环境的选型
很多用Linux的同学在搜索"workbuddy ubuntu""workbuddy linux"，说明Linux版确实有不少人用。我整理过三种使用端的选型思路，列成表供参考：
| 使用端 | 适用场景 | 主要注意点 |
|---|---|---|
| 网页版 | 临时使用、换设备 | 需要稳定网络，长时间会话可能超时 |
| 桌面客户端 | 日常主力 | 启动快、有本地缓存，需要定期清理 |
| Linux/Ubuntu版 | 开发运维人群 | 按官方文档装齐系统依赖库，缺库会导致启动失败 |
Linux版装完启动不了或启动报错，最常见的根因就是缺了系统依赖库。建议对照官方文档里的依赖清单，用系统包管理器逐项装齐，不要跳步。
6.4 插件生态与辅助功能：按需启用，别什么都装
WorkBuddy支持插件扩展，可以给专家挂载更多外部能力。但插件和技能一样，装多了会拖慢加载速度、增加误用风险。我对插件的态度是"按需启用"：先跑通核心流程，再加一个测试一个，不用的插件及时停用。
另外工作台里有些版本还有"宠物"之类的辅助组件，主要提供任务打卡、进度提醒这类陪伴向功能。它对核心专家能力没有帮助，属于锦上添花。个人使用喜欢就开着，团队办公建议关掉，减少干扰。还有朋友问过WorkBuddy开发者平台，它主要面向更深度的自定义开发和能力接入，普通用户如果只是想创建专家，用标准工作台入口就够了，暂时不用碰开发者后台。
最后说点个人体会。我在WorkBuddy里反复创建过好几个专家，最大的教训就是"一开始追求完美，结果迟迟不落地"。现在我习惯先花10分钟搭一个80分的版本跑起来，用真实任务去测，再用三轮迭代把分数拉到90以上。指令里的每一句话都可能影响输出方向，而最有价值的修改，往往来自你真实业务里的反例。如果你想自己创建一个专家，建议从手头最重复、最耗时的一个任务开始，按这篇文章的流程走一遍。做完你就会明白，"工作台"这个词不是白叫的——它给你的不是一堆功能按钮，而是一个可以把你的工作方法沉淀下来、反复使用的地方。
