国内 LLM 工具实战 · Yunumi 教程

Work Buddy（腾讯）：从零开始的 AI 助手

前言：你能用 Work Buddy 做什么

Work Buddy 是腾讯推出的 AI 智能体工作台。把它想象成一个「不用你动鼠标的 AI 小秘书」：你不需要自己也会折腾代码，只需要用大白话告诉它你想干嘛，剩下的事情它帮你做完。

和平时用的聊天 AI（比如网页版 ChatGPT）最大的区别是：聊天 AI 只能给你文字建议，你得自己动手；Work Buddy 能直接操作你电脑上的文件和工具，把结果写好、存好、甚至定时自动跑。它能做什么呢？举个例子：

零基础也能做的事：搜资料并自动整理成表格、扫描文件夹中的文档并生成摘要、定时帮你抓取新闻、把邮件和日历联动管理、把一堆散乱的 Markdown 笔记汇总成一份报告。所有这些，你只要用大白话说出需求，Work Buddy 自己就能跑完。

第 1 步：安装和第一次启动

系统要求：Windows 10 及以上（64 位），或 macOS 12 及以上。不需要显卡，也不需要装 Python 或 Node.js，普通办公电脑就行。

安装步骤（和装普通软件一样）：

打开 Work Buddy 官网，点击首页的「下载」按钮。
下载完成后双击安装包，一路点「下一步」就行（默认安装位置不用改）。
安装完毕，桌面会出现 Work Buddy 的图标，双击打开。
首次启动会弹出登录窗口，用腾讯账号（QQ / 微信）扫码或输账号登录。

启动后你看到什么：登录后会看到一个干净的桌面客户端窗口。左边是侧边栏（显示你的工作区列表），中间是对话主区域（你在这里输入任务），右边是执行面板（显示 AI 干活的过程）。第一次用时，先不用动任何设置，记住这三个区域的位置就够用了。

第 2 步：认识核心概念

Work Buddy 有几个核心概念，用大白话讲：

概念	大白话解释	类比
工作区	你划分的「项目文件夹」，每个工作区对应一个独立的任务场景	就像你电脑里「工作」和「学习」两个文件夹，互相不干扰
任务	你发给 Work Buddy 的一条指令，用自然语言描述就行	就像你给助理发的一条微信：「帮我整理下这些文件」
智能体	Work Buddy 内部负责执行任务的 AI，能读写文件、调用工具	就是那个帮你干活的「AI 队友」
记忆	Work Buddy 能记住你之前的任务偏好、文件位置、常用格式	就像助理记住你「周报要 Markdown 格式」这个习惯
连接器	Work Buddy 连接外部工具（飞书、邮件、Notion 等）的「插头」	像给助理配了飞书账号和邮箱，它能代你收发消息

它们之间的关系，可以这样理解：

一句话总结：你在一个工作区里给智能体发一个任务，它能读取记忆中你的偏好，需要时通过连接器调飞书或邮件工具，最后把结果交给你。

第 3 步：写你的第一个任务

写好任务是让 Work Buddy 帮你干好活的关键。它的任务描述不需要任何编程知识，用日常大白话就行。写任务的时候，记住这三要素：

任务三要素
1. 目标（你想干嘛）：说清楚要完成什么事
2. 约束（有什么要求）：限制条件、格式、范围
3. 交付物（产出什么）：最终给你什么东西，放在哪里

下面是一个实际的例子，跟着写的格式就行：

# 任务描述示例
任务：帮我搜索最近一周关于 AI Agent 的文章
来源：知乎、掘金、CSDN
产出：整理成三列表格（标题、摘要、链接），写进 result.md

把这个任务粘贴到 Work Buddy 的输入框里，按回车，它就开始工作了。你会看到右侧执行面板逐行显示进度：先打开浏览器搜索，再提取页面内容，最后生成表格写进文件。整个过程你不需要碰鼠标。

新手常见的写任务误区：

太模糊：「帮我弄一下文件」，正确写法：「帮我把 documents 文件夹里所有 PDF 文件名列出来，写到 file-list.txt」
没给产出路径：「帮我整理周报」，正确写法：「帮我整理周报，写入 weekly/2026-W31.md」
一次性塞太多：别一口气给 20 件事，一次一个或一类，跑完再加下一件。

第 4 步：让 Work Buddy 操作你的文件

Work Buddy 最厉害的地方是能直接读、写、搜索你电脑上的文件。但要让它操作文件，你需要先授权工作区：

在 Work Buddy 左侧侧边栏点击「新建工作区」（或右上角的 + 号）。
给工作区起个名字，比如「资料整理」。
点击「选择文件夹」，选一个你电脑上的文件夹授权给 Work Buddy。
创建完成后，这个工作区里的所有文件 Work Buddy 都能读取和修改。

安全提示：第一次使用建议单独建一个测试文件夹（比如 Desktop 上的 workbuddy-test），授权给它。确认 Work Buddy 只会在该目录下操作后，再授权你的正式工作文件夹。不要把包含隐私文件（如身份证照片、银行账单）的文件夹直接授权。

文件操作的常见任务示例：

# 读文件
任务：读取 research/ 文件夹下所有 .txt 文件，总结每条结论
产出：写入 summary.md

# 写文件
任务：生成一份 2026 年 7 月工作月报模板，格式为 Markdown
要求：包含本周完成、下周计划、风险项 三个区块
产出：写入 reports/july-2026-monthly.md

# 搜索文件
任务：在 data/ 文件夹里搜索所有包含「销售额」的 Excel 和 CSV 文件
产出：把文件名和所在行号列成清单，写入 search-results.md

第 5 步：进阶：自动化任务

自动化是 Work Buddy 区别普通 AI 聊天的最强功能。你可以让它在固定时间自动执行某个任务，不用人盯着。

什么时候用自动化：每天早晨自动收集新闻、每周五自动生成周报、每小时监控某个网页变化、定时备份笔记等等。

怎么创建自动化：

在 Work Buddy 界面中找到「自动化」或 Automation 入口（通常在右侧或顶部工具栏）。
点击「新建自动化」，填写名称（如「每日 AI 资讯收集」）。
在任务描述区域写下 automation prompt（和普通任务一样用大白话）。
设置执行频率：每天、每周几、每月几号，或者用 Cron 表达式做精确控制。
保存后，到时间 Work Buddy 就会自动跑起来。

一个自动化任务示例：

# 自动化任务：每日 AI 资讯简报
任务：搜索今日关于 AI 大模型的最新报道，来源覆盖 36氪、机器之心、量子位。
要求：每条资讯不超过 3 句话提炼，去重，按重要性排序。
产出：写入 daiy-brief/YYYY-MM-DD.md，标题为当日日期。

把这个 prompt 填进自动化任务的描述框，设置为「每天早上 8:00 执行」，Work Buddy 就会每天自动帮你收集当日的 AI 新闻并整理成 Markdown 文件。你早上到办公室，打开文件夹就能看到。

第 6 步：进阶：连接外部工具

Work Buddy 不只是操作文件，它还能通过「连接器」打通你日常使用的各种效率工具。连接器可以把它理解为一段「插头」：插上飞书，它就能读写飞书消息和文档；插上邮箱，就能代你收发邮件。

已支持的连接器类型（部分）：

连接器	能做什么	典型场景
飞书	收发消息、读写文档、管理日历、操作多维表格	自动把日会纪要从妙记写成飞书文档
邮件	查找邮件、发送邮件、下载附件	每天搜索未读邮件，提取待办，写进任务清单
Notion	创建页面、搜索知识库、更新数据库	把整理的资料自动存入 Notion 数据库
微云	上传下载文件、创建分享链接	自动备份工作区生成的文件到微云
IMA 知识库	搜索知识库内容、添加新知识条目	把搜索到的资讯自动存入 IMA 做知识沉淀

怎么连接：在 Work Buddy 设置页找到「连接器」或「集成」入口，选择你要连接的平台（比如飞书），按提示扫码授权就完成了。授权成功后，你的任务描述里就可以直接提及这些平台的操作，比如「把这份周报送进飞书多维表格的第 3 张表」。

第 7 步：实战：搭一个自动资料收集系统

这一节带你完整走一遍用 Work Buddy 搭建一个「自动 AI 资讯收集系统」的全过程。学完这一步，你就真正掌握 Work Buddy 的核心用法了。

目标：每天早上 8 点，Work Buddy 自动搜索三大平台的最新 AI 资讯，整理成卡片格式，存进本地 Markdown 文件。

步骤 1：创建工作区

在侧边栏新建一个工作区，命名为「AI 资讯收集」。授权一个空文件夹给它，比如 D:/knowledge/ai-news/。

步骤 2：测试手动任务

先在对话里手动跑一次，确认任务能正常完成：

# 手动测试任务
任务：搜索今日关于 AI 大模型的最新 5 条报道
来源：36氪、机器之心、量子位
要求：每条包含标题、一句话摘要、原文链接、发表日期
产出：写入 ai-news/2026-07-31.md，格式：
  ### 标题
  - 摘要：一句话
  - 来源：链接
  - 日期：xxxx-xx-xx

步骤 3：创建自动化

手动测试跑通后，进入 Automation 面板，新建自动化「每日 AI 资讯」。把上一步的 prompt 贴进去，设置执行频率为「每天 08:00」，保存。Work Buddy 会从明天开始自动执行。

步骤 4：加一个去重检查

几天后文件夹里会有一堆文件，可以再增加一个自动化任务做去重和汇总：

# 周汇总任务（每周日跑一次）
任务：读取 ai-news/ 文件夹下本周所有 .md 文件
要求：去重、按热度排序、对连续追踪的话题做合并
产出：写入 ai-news/weekly-summary-2026-W31.md

步骤 5：进阶对接连接器（可选）

如果你连接了飞书或 IMA，可以在自动化 prompt 末尾加一句：

# 额外要求（需先连接对应工具）
同时把本周资讯摘要发到飞书的「AI 资讯群」，并存入 IMA 知识库「行业动态」分类下。

这个系统的核心思路就是「手动测试 → 自动化 → 增量优化」，等你熟练后可以套用到任何需要定期收集信息的场景：竞品动态、行业政策、技术论文等等。

第 8 步：用好 Work Buddy 的 10 个技巧

一次一个任务：别把多个不相关的任务塞进同一条 prompt，拆开写更容易得到准确结果。
给文件命名约定：比如日志用 YYYY-MM-DD.md，周报用 weekly-WNN.md，Work Buddy 能靠文件名识别模式。
先测试再自动化：永远先在对话里手动跑一遍，确认产出符合预期后再设为 Automation。
善用 workbuddy.md：在工作区根目录放一个 workbuddy.md 文件，写上你的偏好和常用规则，Work Buddy 每次执行任务前都会读它（比如「周报要中文、Markdown 格式、用二级标题分章节」）。
利用记忆功能：在对话里明确告诉 Work Buddy「记住：我的周报模板是…」，它会在后续任务里自动应用。
拆分大任务：如果任务涉及几十个文件或几百条数据，拆成 5 到 10 个为一批分批处理，避免一次消耗太多额度。
描述产出路径要具体：不要写「存起来」，写「写入 D:/work/weekly/summary.md」。
带上格式示例：如果你对产出格式有要求，在 prompt 里直接给一个示例模板，比口头描述更准。
关注执行日志：右侧面板会显示每一步做了啥，遇到报错从这里找线索。
定期清理旧文件：自动化任务跑久了文件夹会堆满，写一个定期清理的自动化任务，比如「删除 30 天前的 *.tmp 文件」。

学习检查清单

与本站教程的衔接

Work Buddy 不是独立使用的工具，它和本站其他模块是天然的组合关系：

提示词工程：用提示词工程的 CO-STAR 框架（上下文、目标、风格、语调、受众、回复格式）来写 Work Buddy 的任务描述，产出质量会大幅提升。比如把「目标」对应到 CO-STAR 的 Objective 字段，「约束」对应到 Style 和 Tone 字段。
RAG 检索增强：把工作区里的资料文件夹当成一个本地「知识库」，Work Buddy 搜索文件本质就是在做 RAG 的第一步：检索相关文档。配合 RAG 教程中的分块策略，你可以提前把长篇资料切成小块，让搜索更精准。
AI Agent 编排：Work Buddy 的自动化链「收集 → 整理 → 分发」本质上就是一个 Agent 流水线。遇到更复杂的多步骤场景，可以参考 AI Agent 编排中的工具调用链设计思路，把大流程拆成多个独立的自动化任务串起来。
安全与对齐：授权文件夹时要遵循最小权限原则（只给需要用到的目录），这和安全与对齐中的权限边界控制原则一致。不要在任务描述里拼接未验证的外部输入。

总的来说，Work Buddy 是你的「执行层」，本站其他模块是你的「方法论层」：方法论告诉你为什么这么做，Work Buddy 帮你把想法变成实际产出。两者结合，零基础的人也能做出专业级的工作流。

通义千问 Qwen

通义千问是阿里云出品的大模型系列，开源的 Qwen 权重在开发者社区极活跃，既能通过阿里云百炼（Model Studio）API 调用，也能本地部署开源权重做微调。

1. 工具介绍与背景

Qwen 覆盖从 0.5B 到超大 MoE 的全尺寸，中文与代码能力均衡，配套 DashScope / 百炼平台提供托管推理，省去自建算力。

2. 安装部署流程

调用 API 只需装 SDK；本地推理可用 modelscope 或 ollama 拉取权重。

# 安装 Python SDK（API 调用方式）
pip install dashscope

3. 注册与账号配置

在阿里云百炼控制台开通模型服务，创建 API Key，写入环境变量。切勿把 Key 硬编码进代码。

# 配置 API Key（建议放进环境变量）
export DASHSCOPE_API_KEY="你的key"

4. 基础使用方法

import os
from dashscope import Generation

resp = Generation.call(
    model="qwen-plus",
    prompt="用三句话解释什么是检索增强生成（RAG）。",
)
print(resp.output.text)

结构化输出：在 prompt 里显式要求 JSON，配合提示词工程的结构化技巧，能直接喂给下游程序。

5. 与本站教程的衔接

Qwen 是模型微调 / LoRA的好练手对象（Qwen 权重开源，可本地 LoRA）；它的 Embedding 模型也常作为向量数据库的接入端，用于RAG管道。

智谱 GLM

智谱 AI 的 ChatGLM / GLM 系列在国内政企与开发者中采用率高，提供开放平台 API 与多种尺寸的开源权重，工具调用（function call）能力成熟，适合做 Agent。

1. 工具介绍与背景

GLM 系列强调「长上下文 + 工具调用」，是构建AI Agent的常用底座之一。开放平台提供从免费到企业级的阶梯额度。

2. 安装部署流程

# 安装官方 SDK
pip install zhipuai

3. 注册与账号配置

在智谱开放平台创建 API Key，配置到环境变量或配置文件（注意权限，别提交进仓库）。

export ZHIPUAI_API_KEY="你的key"

4. 基础使用方法

from zhipuai import ZhipuAI

client = ZhipuAI()
resp = client.chat.completions.create(
    model="glm-4-plus",
    messages=[{"role": "user",
              "content": "把下面这段话翻译成英文：周报已生成。"}],
)
print(resp.choices[0].message.content)

5. 与本站教程的衔接

GLM 的工具调用能力天然契合AI Agent 编排；其长上下文适合直接塞入RAG的整篇文档做「长文档问答」；接入评估与评测时可作被评测对象之一做横向基准对比。

横向对比

三者定位不同：Work Buddy 偏「办公执行体」（零代码、直接干活），通义千问与智谱 GLM 偏「模型能力底座」（API / 开源权重，适合工程集成）。选型的简单原则：要开箱即用地自动化办公，选 Work Buddy；要写代码调模型做产品，选 Qwen 或 GLM。

账号安全：所有 API Key 都走环境变量或密钥管理，不要在提示词里拼接用户未过滤的输入（见安全与对齐的提示注入防御）。

国内 LLM 工具实战：开箱即用的中文智能体

Work Buddy（腾讯）：从零开始的 AI 助手

前言：你能用 Work Buddy 做什么

第 1 步：安装和第一次启动

第 2 步：认识核心概念

第 3 步：写你的第一个任务

第 4 步：让 Work Buddy 操作你的文件

第 5 步：进阶：自动化任务

第 6 步：进阶：连接外部工具

第 7 步：实战：搭一个自动资料收集系统

第 8 步：用好 Work Buddy 的 10 个技巧

学习检查清单

与本站教程的衔接

通义千问 Qwen

1. 工具介绍与背景

2. 安装部署流程

3. 注册与账号配置

4. 基础使用方法

5. 与本站教程的衔接

智谱 GLM

1. 工具介绍与背景

2. 安装部署流程

3. 注册与账号配置

4. 基础使用方法

5. 与本站教程的衔接

横向对比

相关推荐