WorkBuddy零基础教程：核心功能与Agent工作流实战

很多人用 AI 工具停留在"单点问答"——问一个问题、拿一个答案，然后关掉对话框。真正拉开效率差距的，是把零散的 AI 能力串成一条能跑通的工作流。B站这套 WorkBuddy^广告（原视频口播中亦有"WorkBody"叫法）系统课程，正是围绕这个目标设计的：从界面认知到工作流搭建，最终落到 AI 漫剧制作这类完整实战案例上。

本文基于该教程的第一讲内容，梳理 WorkBuddy 的产品定位、核心概念与使用路径，帮你在动手之前先建立一张清晰的地图。

一、WorkBuddy 到底给谁用？三类人群定位

据教程介绍，WorkBuddy 由腾讯推出，界面设计本身就写明了目标用户：日常办公、代码开发、设计创意三大板块。

• 日常办公：面向白领人群，处理文档、表格、PPT 幻灯片与数据分析，也覆盖金融服务类文档场景。
• 代码开发：面向程序员，支持网站、小程序和 Agent 相关开发。教程特别指出，得益于腾讯生态，WorkBuddy 在微信小程序开发上有天然优势，与腾讯云^广告等底层能力衔接顺畅。
• 设计创意：面向需要视觉产出的用户，可生成视觉海报等内容。WorkBuddy 本身具备图像与视频理解能力，因此设计类任务也能覆盖。

这种"按人群分板块"的设计思路，意味着新手不必一上来就面对全部功能，而是可以从自己最熟悉的场景切入。

二、对话式协作与工作空间：两个必须先搞懂的基础概念

教程反复强调一个观点：AI 软件的操作难度其实很低，真正的门槛在于理解几个新概念。

对话式协作是 WorkBuddy 的交互底座——多模态输入（图像、视频、语音都可以）、可迭代交付、持续对话并保留上下文。

工作空间则决定了文件存放位置。你选定一个目录后，任务过程中产生的所有文件都会归集到该目录下，避免产出物散落各处。这个细节看似不起眼，却直接关系到后续工作流能否被复用。

另一个容易被忽略的开关是**"允许完全访问"**：它控制 WorkBuddy 是否有权限操作你的电脑。关闭后，部分依赖本地环境的能力将无法使用。教程建议根据任务实际需要谨慎开启。

三、专家、技能、MCP 连接器：三种能力扩展方式

这是整套课程中概念密度最高的部分，也是很多人卡住的地方。教程用了一个很形象的类比来区分三者：

专家（角色智能体）：优化 AI 的"大脑"

专家本质上是内置了提示词的角色智能体，通过给 AI 设定身份与角色，让它输出更准确的专业信息。教程明确提醒：专家擅长给建议，主要作用是优化判断力，而不是直接干活。

角色智能体（Persona Agent）是提示工程的一种产品化形态：把系统提示词、角色设定、输出规范等封装成可复用的配置，用户选择某个“专家”后，模型即以该身份和约束作答。它与普通对话的区别在于，角色设定会持续约束模型的语气、知识侧重与推理路径，从而在特定领域给出更稳定的专业输出。需要注意的是，角色智能体并不改变模型本身的能力边界，也不引入新的数据或执行权限，因此它擅长提供判断和建议，却无法替代工具去实际读写文件或调用服务。这也是教程把它与“技能”严格区分的原因。

技能：给 AI 装上"手和脚"

技能是固定、可复用的操作方法，负责让 AI 真正动手执行。教程中的例子很直观——QQ 音乐、PDF、Markdown 等各类操作都有对应技能。

一句话总结二者的关系：专家优化大脑提升判断，技能优化手脚负责执行。

MCP 连接器：扩大操作地盘

MCP 连接器连接的是云端服务而非本地软件。教程以云文档为例：数据不在你的本地电脑上，但你又需要读取和操作它，这时就需要 MCP 来打通。

为什么需要这么多扩展方式？教程的答案是生态。应用方通过开放 MCP 给 AI 连接，既能确保 AI 连得上，也能精确控制开放哪些数据——不想让你操作的内容，不开放即可。

MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年底提出并开源的标准化协议，目的是让 AI 模型以统一方式连接外部数据源与工具。在 MCP 出现之前，每接入一个服务（云文档、数据库、第三方 API）往往需要单独开发定制接口，AI 应用与外部系统之间形成大量重复的“点对点”适配。MCP 把这些适配抽象成统一的客户端—服务器结构：服务提供方实现一个 MCP Server，声明自己开放哪些资源与操作，AI 应用作为客户端即可直接调用。对用户而言，这意味着同一套能力可以在不同 AI 工具间复用；对应用方而言，则能在开放能力的同时精确划定数据边界，这正是教程中“生态”一说的技术底层。

四、助理、项目与资料库：被低估的三个协作品块

除了核心的专家/技能/MCP 体系，教程还介绍了几个延伸模块：

• 助理：通过微信、QQ、钉钉、飞书、企业微信等渠道远程与 WorkBuddy 对话。教程演示了在微信上发消息让它把电脑里的文件发过来——所谓助理，就是远程连接的那双手。
• 项目：面向团队任务，支持多角色、上下级任务分配与截止时间管理。
• 资料库：本质是"知识外挂"。把专有素材（教程举例为生物医药领域的数据）放进去，AI 每次执行任务时直接读取，无需再去做宽泛的网络搜索。
• 定时任务：可设定时间自动执行，任务复杂时可搭配更强的模型。

五、学习路径：从漫剧实战到工作流迁移

教程给出的课程路线值得单独说：前期打基础（概念、安装、工作模式、记忆与个性化规则、连接器），中期以 AI 漫剧制作为核心实战案例，完整拆解剧本创作、美术资源生成、视频片段制作、配音一致性控制到后期剪辑的全流程。

掌握这套流程后，能力可以迁移到文案创作、人物换装、女装广告、配音与 AI 视频广告等场景；课程后段还会延伸到个人网站制作、自动化与定时任务。

这条路径的设计逻辑很清晰——先学会一个完整案例，再把方法迁移到其他任务。对想用 AI 提升效率、甚至探索副业机会的人来说，这比学会某个单点功能有价值得多。

写在最后

WorkBuddy 的界面操作并不复杂，真正的学习成本在于建立"能力组合"的思维：专家管判断、技能管执行、MCP 管连接、资料库管知识、助理管远程、项目管协作。把这六块拼起来，零散的 AI 问答才可能变成可复用的工作方法。

（本文内容整理自 B 站 WorkBuddy 系统教程第一讲，具体功能表现请以官方最新版本为准。）

背景补充

工作空间在多数 AI 编程与智能体工具中对应一个受控的本地目录，工具对该目录拥有读写权限，任务产生的脚本、中间文件和最终交付物都落在其中。这种设计的意义在于可追溯与可复现：文件位置固定，后续工作流引用路径就不会失效，换一台机器或换一个任务时也能沿用同一套结构。与之配套的通常是权限沙箱机制——工具默认只能访问工作空间内的内容，访问范围外的系统目录需要显式授权，文章提到的“允许完全访问”开关正是这一机制的手动放行入口。