分类：数据分析难度：中等作者：stephenlzc日期：2026-07-24Skill：xlsx

用 WorkBuddy 清洗 119 份门店 Excel 并生成可交互运营看板

场景描述

茶饮连锁品牌「茗悦茶舍」（教学用模拟数据）在全国有约 50 家门店，各门店自行用 Excel 记录每日销售明细并汇总到总部。实际收到的 119 个 .xlsx 文件问题非常典型：

• 列名三套体系并存：中文（日期/品项/销售额）、中文变体（星期/品类/营业额(元)/客流量）、英文（Date/Category/Revenue(¥)/Customers/ATV）
• 结构不一致：14 个文件带大标题行（真实表头在第 2 行），24 个文件按「月」或「季」拆成多个 Sheet
• 日期格式 6 种：2025-01-01、2025/01/01、2025.01.01、03/03/2025（日/月/年）、03月02日（缺年）、07-05（缺年月日）
• 金额字段有噪声：混入 ￥/CNY/RMB/元、千分位逗号，还有「待补录」「--」等缺失标记和负数退货
• 同一门店分散在多个文件：例如北京三里屯店的数据散落在 6 个文件里

手工合并和清洗这类数据通常需要 6-7 小时，且容易出错。这个案例演示如何把工作一次性交给 WorkBuddy，并拿到可以直接汇报的交付物。

想要完成的任务

输入：sales_data/ 目录下 119 个格式混乱的门店销售 Excel。

目标和交付物：

1. 把所有门店数据合并、清洗成一张干净的汇总表（格式统一、去重、口径明确）
2. 生成一份多 Sheet 的 Excel 运营分析报告：区域汇总、城市汇总、TOP10 门店、品类占比、月度趋势
3. 生成一个可离线打开的交互式 HTML 看板：点击任意图表维度即全局联动重算（「驾驶舱」式体验）

使用的 Skill

其余工作（文件遍历、Python 数据清洗、HTML/ECharts 看板生成）由 WorkBuddy 的通用文件读写和代码执行能力完成，无需额外安装 Skill。

前置条件

• WorkBuddy 可正常使用，能读写本地文件
• WorkBuddy 自带的 Python 环境（pandas + openpyxl，由 WorkBuddy 自动管理，无需手工安装）
• 输入文件：门店销售 Excel 放在一个目录下（本案例为 119 个 .xlsx）
• 不需要任何外部账号或 API Key

在 WorkBuddy 中的操作

1. 摸底：让 WorkBuddy 先扫描目录，报告文件数量、格式差异和脏数据类型，先出方案再动手。
2. 清洗合并：确认方案后，WorkBuddy 编写并运行清洗脚本，输出 cleaned_data/汇总表.xlsx（汇总表 / 门店统计 / 数据质量报告 三个 Sheet），同时保留可复现脚本。
3. 生成 Excel 分析报告：基于汇总表生成 8 个 Sheet 的 门店运营分析报告.xlsx，占比、合计、客单价、环比全部用 Excel 活公式（源数据更新即重算），并用 recalc 校验 0 公式错误。
4. 生成 HTML 看板：要求「可点击维度联动、咨询所交付物风格」，WorkBuddy 用 ECharts（下载到本地、离线可用）生成 门店运营分析看板.html。
5. 升级为驾驶舱：追加一句指令，把筛选面板改成「点到哪关联到哪」的全局联动，趋势图支持拖拽选月区间（复用时可直接用下文优化版第三轮提示词，一步提清这些要求）。

每一步 WorkBuddy 都会汇报它发现了什么、做了什么假设，人只需要在关键节点确认口径。

提示词或任务指令

实际执行共三轮对话。第一轮提示词为当时原文；第二、三轮在原文基础上做了优化（见每轮后的说明），复用时可直接采用优化版。

第一轮（清洗合并，原文）：

我有一个名为"茗悦茶舍"的茶饮品牌，我的目标是你需要帮我做一次数据清洗,把所有的数据清洗干净之后，帮我输出到`cleaned_data/汇总表.xlsx`目前我的数据可能存在以下问题一个或者多个或者更多的问题：
1. 日期格式不统一
2. 列名不统一
3. 可能有重复记录
4. 可能有空行或无效数据
帮我：
1. 读取所有文件
2. 统一日期格式
3. 统一列名
4. 去除重复记录和无效数据
5. 合并成一张干净的汇总表

第二轮（生成分析报告，优化版）：

基于刚才清洗好的汇总表，生成一份用于门店运营分析和推广策略的Excel报告，
保存为 analysis/门店运营分析报告.xlsx，每个分析一张Sheet，至少包括：

1. 按区域汇总：七大地理分区销售额排名与占比（含柱状图）
2. 按城市汇总：城市销售额排名（含条形图）
3. 找出销售额TOP10的门店（含客单价与占比，含条形图）
4. 分析各品类的销售占比（含饼图）
5. 生成月度趋势分析：全年12个月销售额与客流量（双轴折线图）+ 环比

要求：所有占比、合计、客单价、环比用Excel活公式实现，源数据更新能自动重算；
最后加一张「洞察与建议」Sheet，基于数据给出可操作的运营和推广建议。

优化点：明确了输出文件和格式（Excel、每项分析一张 Sheet、配图）、补上了活公式要求（源数据更新后报告自动重算），并把「做策略」的意图落成一张具体的「洞察与建议」Sheet——原指令只说"做一个报告"，交付形态全靠模型猜。

第三轮（交互看板，优化版）：

基于汇总表，用合适的可交互库（如ECharts）生成一个HTML看板。它不只是静态报告，
我可以随便点击一些维度，页面内容随之更新。具体要求：

1. 点击任意图表的柱体/扇区，就把该维度设为当前筛选，所有KPI、图表、明细表实时联动重算
2. 月度趋势图支持拖拽选择月份区间
3. 被点击的维度图保持完整显示（仅高亮选中项），其余维度收窄，避免"点完只剩一根柱"
4. 顶部提供全局状态条，可逐维取消筛选、一键重置
5. 依赖库下载到本地，双击即可离线打开
6. 视觉风格请仔细设计，要专业，像德勤这样的咨询机构输出的交付物

优化点：把"随便点一些维度"翻译成明确的交互规则（点击即筛选、全局联动、拖拽选月、保留上下文、可重置），并补上离线可用的硬性要求——避免生成的 HTML 依赖在线 CDN，断网或分享后打不开。"像德勤"的风格描述保留原文，模型能听懂，但交互行为必须写清楚。

在 WorkBuddy 中的效果

清洗结果：原始 186,308 行 → 有效 182,500 行（丢弃率 2.04%）。去除小计/合计行 60 条、无效日期 2,076 行、完全重复记录 1,672 行；53 个门店名被识别（50 个有有效数据），跨文件同名门店自动合并。所有口径假设写入了「数据质量报告」Sheet。

Excel 分析报告：8 个 Sheet（封面指标卡 / 区域汇总 / 城市汇总 / TOP10 门店 / 品类占比 / 月度趋势 / 洞察与策略建议 / 数据说明与假设），165 个活公式，recalc 校验 0 错误。核心发现：华南（28.8%）与华东（28.7%）双龙头合计过半；TOP10 门店占全盘 38.7%；水果/鲜果茶品类占 20.0%。

HTML 驾驶舱：深绿品牌色 + 金点缀的咨询所风格，KPI 卡、5 张图表、门店明细表全部全局联动；趋势图支持拖拽选月。聚合数值经 node 脚本多场景模拟校验，与 Excel 报告完全一致。

执行过程：WorkBuddy 接到任务指令后开始执行（左图）；清洗完成后，它会先汇报发现了哪些脏数据问题、做了哪些处理假设，由人确认口径后再继续（右图）。

验收标准

• 清洗后汇总表的行数、门店数与源文件能对上（有效 182,500 行 / 50 门店，丢弃明细可追溯）
• 「数据质量报告」Sheet 明确列出每项处理假设（缺年日期默认 2025、负销售按净额计入等）
• Excel 报告用 recalc 重算校验：0 公式错误
• HTML 看板的聚合数字（总额、区域、TOP 店、品类、月度）与 Excel 报告逐一吻合
• 看板文件双击离线可打开，联动逻辑经多场景模拟验证（单区域 / 区域+城市 / 品类 / 单月）

遇到的问题

• 日期格式歧义：03/03/2025 这类格式无法直接判断是日/月/年还是月/日/年。WorkBuddy 通过抽样验证（同一文件内出现 15/03/2025 这类日期）确认为 day-first 后才批量解析。
• 缺年份的日期：03月02日 这类记录缺少年份，WorkBuddy 没有自行猜测，而是提出假设（所有源文件均为 2025 年度，默认补 2025）并写入数据质量报告，由人确认。
• 品类近义词：「水果茶」和「鲜果茶」是否算同一类？清洗阶段只去空格、不主观合并；归一规则放在分析阶段，原始 53 个品类明细完整保留在报告中供核对。
• 看板交互陷阱：初版交叉筛选会出现「点完只剩一根柱」的问题——被点维度自身也被收窄。改造为被点维度图忽略自身筛选、始终完整显示并高亮选中项。

安全与限制

• 本案例使用的是教学模拟数据（品牌与门店均为虚构），可公开；真实业务数据请勿在公开案例中原样贴出，截图需脱敏。
• 整个流程只读写本地目录，不访问外部网络、不需要账号授权。
• WorkBuddy 会在数据目录下生成中间产物（清洗脚本、中间 CSV、质量 JSON），提交或归档前注意区分交付物和过程文件。
• 清洗脚本会跳过 Excel 临时锁文件（~$ 开头）和空文件，执行前建议关闭正在编辑的 Excel。

可以怎样复用

• 任何多 Excel 合并场景：连锁零售、经销商月报、分公司报销、问卷分卷回收——只要「多人各填各的表、格式对不上」，提示词框架照搬即可。
• 先摸底再动手：第一步要求 WorkBuddy 先扫描汇报问题再执行，这个习惯对一切数据任务都适用，能避免口径被默默猜错。
• 活公式交付：要求分析报告用活公式而非写死数值，后续月份数据追加后报告自动更新。
• 静态报告 → 交互看板：先拿 Excel 报告确认数字口径，再追加一句指令生成 HTML 看板，是低成本升级汇报体验的路径。

分类：职场效率难度：入门作者：KevinYoung-Kw日期：2026-07-13Skill：Vibe Resume Skill

把经历发给 WorkBuddy，直接生成一份好看的简历

这个案例解决什么问题

去年秋招时，我用 PPT 一点点排过一份简历。做出来很好看，修改起来却很麻烦。多加一段经历，后面的内容就要跟着移动；文字多了一行，字号、间距和分页也要重新调整。

后来我把这套简历做成 HTML，又整理成了 Vibe Resume Skill。把它安装到 WorkBuddy 以后，写简历就变成了一件很直接的事：发出自己的经历和照片，告诉 AI 想投什么岗位，它会生成完整简历。以后有新经历，继续发给它修改就行。

下面是我在 WorkBuddy 中完整跑过的一次过程。

开始前准备什么

我准备了三样内容：

• 一段个人经历，包括教育、实习和项目。
• 一张准备放进简历的照片。
• 想投递的岗位，例如“AI 产品经理实习”。

为了公开展示，这个案例使用的是虚构候选人和虚构经历。

第一步：安装 Vibe Resume Skill

在 WorkBuddy 中新建任务，把下面这句话发出去：

帮我安装这个简历 Skill：
https://github.com/KevinYoung-Kw/vibe-resume-skill

安装完成后，WorkBuddy 会提示 Skill 已经可以使用。

Skill 里有 12 套简历模板。可以让 WorkBuddy 把模板列出来，挑一套自己喜欢的；如果不想选，直接使用默认模板也可以。

第二步：发送经历和照片

我把个人经历粘贴进对话，附上照片，然后发送：

这是我的个人经历，我想投 AI 产品经理实习。

请使用 vibe-resume-skill 帮我生成一份简历。
不要编造没有的数据，尽量控制在一页。

WorkBuddy 读完材料后，开始整理内容和排版。第一版生成完成时，右侧可以直接预览整份简历，同时还会得到 HTML、PDF 和预览图。

第三步：继续修改

第一版的内容已经完整，不过段落之间有些松。我直接告诉 WorkBuddy：

段落与段落之间有些稀疏，帮我适当收紧一点，不要删内容。

后来又多了一段实习经历，我继续把内容贴进同一个对话：

这是我最近新增的一段经历，帮我加到已有简历里。
不要删掉原来的内容，仍然尽量保持一页。

WorkBuddy 在原来的简历上加入新经历，并重新调整了整页间距。修改前后的内容都保留在同一个任务里，不需要重新制作一份简历。

最后得到什么

这次一共生成了三份文件：

• HTML：可以继续编辑，之后增加经历时还能接着修改。
• PDF：保持一页，可以直接用于投递。
• 预览图：方便快速查看整页效果。

最终版本加入了新的实习经历，页面依然保持一页，文字和照片都能完整显示。经历、日期和数据也与提供的材料一致。

还可以怎么用

如果还没有简历，可以直接把零散经历发给 WorkBuddy，让它整理并生成第一版。

如果已经有 Word、PDF 或 HTML 简历，可以把旧简历和新增经历一起发过去，让它在原版上修改。

如果准备投递不同岗位，可以再附上岗位 JD，让 WorkBuddy 分别调整经历顺序和内容重点。

使用时注意

AI 生成完成后，记得核对姓名、联系方式、经历时间和数据。涉及公司内部信息的内容，发送前先做脱敏处理。

了解更多

• Skill 地址：KevinYoung-Kw/vibe-resume-skill
• 文章：《别花几千改简历了，我开源了个 Skill 给你》

分类：内容创作难度：入门作者：nikola日期：2026-07-13Skill：wechat-publisher

用 WorkBuddy 公众号 Skill 一键排版并发布到微信公众号草稿箱

场景描述

写公众号文章，最耗时的往往不是内容本身，而是排版。在微信后台编辑器里调整字号、行距、缩进、图片位置，经常要反复预览和修改。整篇文章从写完后到真正能发布，排版时间可能和写作时间一样长。用 WorkBuddy 把这件事变成两步：用 Markdown 写好内容，剩下的排版和发布交给 Skill 自动完成。

我自己平时写公众号最大的问题就是排版，真的对排版深恶痛绝，尤其是图片外链的处理。之前我的公众号排版流程是这样的：markdown写好内容->第三方编辑器美化->粘贴到微信公众号草稿中（最大的问题就在这，我的文章中会放很多图片，但是从编辑器中粘贴过来的图片经常挂掉，因为公众号不支持第三方图床）->逐一粘贴图片->预览、修改->发布。

而现在有了Wechat Publisher可以一键排版，自动上传图片到公众号草稿箱，真的是节省了我半个多小时的时间。

想要完成的任务

完成后，WorkBuddy 应当能够：

1. 读取一篇 Markdown 格式的文章（标题、正文、图片、代码块）。
2. 自动将 Markdown 转换为微信公众号兼容的排版格式，包括代码高亮、主题样式和 Mac 风格代码块。
3. 自动将文章中的本地图片和网络图片上传至微信图床。
4. 一键将排版后的文章推送到公众号草稿箱。
5. 在公众号后台预览或微调后即可群发。

使用的 Skill

wechat-publisher 基于开源项目 wenyan-cli，内置多套排版主题和代码高亮方案，支持自动图片上传和草稿箱推送。

前置条件

• WorkBuddy 可以正常使用。
• 已经拥有微信公众号（订阅号或服务号），并具备开发者权限。
• 已获取微信公众号的 AppID 和 AppSecret（在公众号后台「设置 → 开发 → 基本配置」中查看）。
• 本机公网 IP 已添加到公众号后台的 IP 白名单中（最好用WiFi而非手机热点，因为热点IP每次都会变，那么每次就要重复添加白名单IP）。
• 有一篇用 Markdown 写好的文章（含标题和封面图）。

在 WorkBuddy 中的操作

第一步：安装 wechat-publisher Skill

在 WorkBuddy 中新建任务，输入：

帮我安装公众号排版 Skill：wechat-publisher
**或者直接去技能搜索框搜索：wechat-publisher** 这个简单直接

WorkBuddy 会从推荐市场中搜索并安装这个 Skill。安装完成后，可以确认一下 Skill 是否就位：

wechat-publisher Skill 已经安装好了吗？告诉我它能做什么。

第二步：配置公众号凭证

wechat-publisher 需要公众号的 AppID 和 AppSecret 才能调用微信 API。推荐使用 wenyan 自带的凭证管理工具进行配置，凭证会持久化保存到本地配置文件：

帮我执行 wenyan credential -s，我需要配置公众号的 AppID 和 AppSecret。

WorkBuddy 会引导你逐步输入 AppID 和 AppSecret，配置完成后对话框确认查看凭证文件是否已经保存成功。

注意：在配置凭证之前，务必先登录公众号后台（设置 → 开发 → 基本配置 → IP 白名单），将本机的公网 IP 添加到白名单中。可以用 curl ifconfig.me 查看当前公网 IP。

第三步：准备 Markdown 文章

文章的 Markdown 文件需要包含 frontmatter，至少要有 title（标题）和 cover（封面图路径）。封面图可以是本地文件或网络 URL。

---
title: 我的技术文章
cover: case_assets/wechat-format-publish/cover.jpg
---

# 正文开始

这是文章内容...

可以直接在 WorkBuddy 中让 AI 帮你写好文章，也可以把自己写好的 Markdown 文件拖进对话。如果还没有封面图，还可以让 WorkBuddy 帮你生成一张：

帮我生成一张适用于公众号技术文章封面的图片，主题是关于 AI 辅助写作的。

第四步：执行排版与发布

文章准备好后，告诉 WorkBuddy 执行发布：

使用 wechat-publisher Skill，把这篇文章发布到公众号草稿箱。

要求：
- 使用 lapis 主题
- 代码高亮用 solarized-light
- 启用 Mac 风格代码块
- AppID 用我之前配置的那个

WorkBuddy 会自动完成以下步骤：

1. 检查 Markdown 文件的 frontmatter 是否完整
2. 将文章中的图片上传到微信图床
3. 应用所选主题和代码高亮样式进行排版转换
4. 调用微信 API 将排版后的文章推送到草稿箱

第五步：在公众号后台预览与群发

发布到草稿箱后，登录微信公众号后台，在「内容管理 → 草稿箱」中就能看到排版好的文章。在后台预览确认无误后，即可群发。

提示词或任务指令

下面是经过脱敏、可以直接复用的任务指令：

使用 wechat-publisher Skill，把我写好的 Markdown 文章发布到公众号草稿箱。

具体要求：
1. 文章文件路径：D:/articles/my-post.md
2. 使用 lapis 主题和 solarized-light 代码高亮
3. 启用 Mac 风格代码块装饰
4. 文章中的图片（本地路径和网络 URL）全部自动上传到微信图床
5. 发布前确认 frontmatter 包含 title 和 cover
6. AppID 使用我之前通过 wenyan credential -s 配置的那个

发布成功后，告诉我如何到公众号后台预览这篇文章。

在 WorkBuddy 中的效果

这一套流程走完后，你得到的是：

• 一篇已经排版完成的公众号草稿，不需要在微信后台编辑器中手动调整字号、间距、图片位置。
• 文章中的代码块带有语法高亮和 Mac 风格装饰，比微信原生编辑器效果好得多。
• 所有图片已自动上传到微信图床，不会出现图片丢失或外链失效的问题。
• 在公众号后台稍作预览即可直接群发。

验收标准

• wechat-publisher Skill 安装成功，并能在任务中被调用。
• 公众号凭证配置成功，能看到已保存的 AppID。
• Markdown 文章成功推送到公众号草稿箱，后台可以看到排版后的文章。
• 文章中的代码块带有正确的语法高亮和主题样式。
• 文章中的所有图片（包括本地图片和网络图片）都能正常显示。
• 在公众号后台预览时，排版效果与预期一致。

常见问题

发布时报 "IP 不在白名单"

这是最常见的问题。登录公众号后台，在「设置 → 开发 → 基本配置 → IP 白名单」中添加当前机器的公网 IP。用 curl ifconfig.me 可以查看公网 IP。

报错 "未能找到文章封面"

检查 Markdown 文件的 frontmatter 中是否包含了 cover 字段。wenyan-cli 强制要求 title 和 cover 两个字段缺一不可。封面图路径建议使用绝对路径（Windows 下如 D:/photos/cover.jpg）。

图片上传失败

确保图片路径正确。如果 Markdown 中的图片使用相对路径，需要在 Markdown 文件所在目录执行发布命令。或者改用绝对路径引用图片。

想换一种排版风格

wechat-publisher 支持多种内置主题。可以在发布命令中更换 -t 参数，例如：

• -t lapis：青金石主题（推荐）
• -t phycat：物理猫主题
• -t default：默认主题

代码高亮也可以通过 -h 参数切换，如 -h github、-h monokai、-h dracula 等。

当然，这些指令记记不住都没有关系，直接用自然语言描述，告诉AI你想做的事情，它可以帮你切换主题。

安全与限制

• AppID 和 AppSecret 是公众号的核心凭证，不要分享给他人，也不要在公开场合暴露。
• 推荐使用 wenyan credential -s 配置凭证（凭证保存在本地加密文件中），避免将密钥写在命令或环境变量里。
• 公众号 IP 白名单建议只添加必要的 IP，并定期检查。
• 文章推送到的是草稿箱而非直接群发，发布前仍需人工审核内容。
• 如果文章包含公司内部或敏感信息，发布前先做脱敏处理。

可以怎样复用

这个 Case 的核心能力是「Markdown 写作 + 自动排版发布」。替换文章内容，就能适配不同的公众号创作场景：

• 技术博客：Markdown 写技术教程，代码块自动高亮，推送到草稿箱审核后群发。
• 团队周报：用模板和 Markdown 整理周报内容，自动排版后分享到团队公众号。
• 多号管理：通过 --app-id 参数切换不同公众号，一个 Skill 管理多个号的草稿发布。
• 定期专栏：结合 WorkBuddy 自动化任务，把固定格式的文章模板设为每日或每周重复执行，实现定期更新。

分类：资讯整合难度：入门作者：WorkBuddy Guide 编辑组日期：2026-07-13Skill：AIHot

用 WorkBuddy 自动整理每日 AI 资讯

场景描述

AI 资讯更新很快，同一事件经常出现在多个媒体和信息源中。逐个网站浏览不仅耗时，也容易错过模型发布、产品更新、开源项目和行业变化。

这个案例适合需要持续关注 AI 行业的产品、研发、运营、投资和内容团队。我们希望把“到处找新闻”变成一次可以重复执行的 WorkBuddy 任务。

想要完成的任务

完成后，WorkBuddy 应当能够：

1. 查询指定时间范围内的 AI 行业动态。
2. 按公司、模型、产品或主题筛选内容。
3. 为每条信息保留标题、摘要、发布时间和来源链接。
4. 把大量候选信息整理成更容易阅读的热点报告。
5. 根据任务要求重点关注大模型、产品、开源项目或论文等方向。

AIHot Skill 能做什么

AIHot 是面向 AI 动态的信息类 Skill，适合查询和整理模型、产品、行业、论文与开源项目等方向的近期内容。它可以作为 WorkBuddy 的现成信息源，根据你的任务描述返回相关资讯和原始链接。

AIHot 负责提供和检索候选资讯；哪些内容值得重点关注、怎样分类和以什么格式输出，由你写给 WorkBuddy 的任务描述决定。

安装前准备

• 已经可以正常使用 WorkBuddy。
• WorkBuddy 可以访问外部网页。
• AIHot Skill 地址：https://aihot.virxact.com/aihot-skill/

AIHot 来自外部地址。安装前应查看来源域名和 Skill 内容，并让 WorkBuddy 先执行安全检查。不要安装来源不明、要求异常权限或包含可疑脚本的 Skill。

在 WorkBuddy 中安装 AIHot Skill

打开一个新的 WorkBuddy 任务，直接输入：

帮我安装这个 skill：https://aihot.virxact.com/aihot-skill/

WorkBuddy 会先获取 Skill 内容，并调用 Skill 安全检查流程。确认来源、权限和将要执行的内容没有异常后，再继续安装。

安装完成后，可以继续问：

请告诉我 AIHot Skill 已经安装到哪里、它能完成哪些任务，以及调用时是否需要额外账号或权限。

这一步可以帮助你确认 Skill 是否真的可用，而不是只看到安装任务结束。

任务一：查询最近 OpenAI 动态

最简单的任务描述是：

请看一下最近 OpenAI 发布了什么新东西。

为了让结果更稳定、方便核查，推荐写得更明确：

使用 AIHot Skill 查询最近 7 天与 OpenAI 相关的动态。

要求：
1. 优先整理 OpenAI 官方发布、模型与产品更新、API 变化和重要行业动态；
2. 合并明显重复的同一事件；
3. 每条内容包含标题、发布时间、两句话摘要和原始来源链接；
4. 按“官方动态、产品与模型、行业影响”分类；
5. 不确定的信息请明确标记，不要补写没有来源支持的结论。

实际运行后，WorkBuddy 返回了最近 7 天的 OpenAI 相关内容，并为每条资讯保留标题、时间、摘要和 AIHot 原始链接：

任务二：生成今日 AI 大模型热点总结

如果希望得到一份更接近日报的结果，可以输入：

使用 AIHot Skill 总结今天的 AI 热点新闻，重点关注 AI 大模型方向。

请按下面结构输出：
1. 今日最热：列出最值得关注的 3 条动态；
2. 大模型新发布：整理最近 7 天值得关注的模型、产品和开源项目；
3. 每条包含一句话摘要、为什么值得关注和来源链接；
4. 合并重复报道，并注明有多少个信息源在报道同一事件；
5. 最后用一句话总结今天的大模型行业主线。

实际结果按照热点和大模型方向进行了整理，保留了具体来源链接，并给出一句话结论：

怎样把任务描述写得更好

一个稳定的 AIHot 任务描述，至少应该明确四件事：

如果只说“总结 AI 新闻”，WorkBuddy 仍然可以执行，但结果的数量、范围和格式不够稳定。任务描述越明确，输出越容易复用和验收。

最终效果

通过 AIHot Skill，WorkBuddy 把分散的 AI 资讯整理成了两类可以直接阅读的结果：

• 围绕特定公司或主题的近期动态列表。
• 经过筛选、分类和去重的 AI 热点总结。

每条信息都保留来源链接，读者可以继续打开原文核查，而不是只依赖模型生成的摘要。

验收标准

• AIHot Skill 已成功安装，并能在新任务中被调用。
• 查询结果符合任务指定的时间范围和主题。
• 每条重要资讯都保留了可以继续访问的来源链接。
• 相同事件不会被当作多条重点新闻重复呈现。
• 摘要没有加入来源无法支持的数字和结论。
• 热点报告的分类与任务描述一致。

常见问题

安装后没有调用 AIHot

在任务中明确写出“使用 AIHot Skill”，并让 WorkBuddy 说明它实际调用了哪个 Skill。如果仍然不可用，检查 Skill 是否安装成功以及当前工作区是否能看到它。

返回的信息太多

缩短时间范围，限定公司或主题，并明确只保留 5～8 条最重要内容。

结果看起来像普通摘要

要求保留发布时间、来源名称和原始链接，并明确写出分类、去重和影响判断规则。

安全与限制

• AIHot 是资讯来源，不代表所有内容都已经完成事实核查。
• 对重要结论，应继续打开原始链接，优先核对官方来源。
• 新闻内容会随时间变化，相同任务在不同日期得到的结果也会不同。
• 安装外部 Skill 前应检查来源、权限和脚本内容。
• 不要把未经核实的热点摘要直接用于正式对外发布。

可以怎样复用

把任务中的主题替换掉，就可以快速得到不同方向的资讯报告，例如：

使用 AIHot Skill 查询最近 7 天 AI Agent 相关动态，重点关注新产品、开源框架和企业落地案例。每条保留来源链接，最后总结 3 个值得团队继续研究的方向。

也可以在确认单次任务稳定后，再结合 WorkBuddy 自动化任务，把相同提示词设置为每日或每周重复执行。自动化属于后续扩展，这个 Case 首先确保 AIHot 的安装、调用和输出可以独立跑通。

分类：数据分析难度：进阶作者：stephenlzc日期：2026-07-25Skill：浏览器Skill：本地文件读写Skill：Python 代码执行

用 WorkBuddy 专家团吃透十年年报：一套可复用的上市公司深度研究方法

场景描述

商业分析人员（MBA 学员、咨询顾问、行业研究员、投资与战略岗）面对一家陌生上市公司时，核心问题不是「缺信息」，而是如何在短时间内建立对这家公司完整、可信、可检验的认知。最权威、最完整的公开素材是历年年度报告，但一年一份的年报动辄两三百页，十年就是数千页，人工通读并交叉核对叙事口径与财务数据通常需要数周，且很难做到逐年可比、口径一致。

这个案例的价值不在于「产出了一份数字化转型分析报告」这个交付物本身，而在于它完整演示了一套通用的「上市公司深度研究」方法论：以一手信源为底座、文本与数据双线交叉验证、理论框架作分析骨架、全流程可复现——并把这套方法一次性交给 WorkBuddy 的「智数分析专家团」（Agent Swarm 多智能体团队）执行：从巨潮资讯网下载十年年报原文，到 PDF 解析、文本语义分析、财务量化、理论框架整合、图表制作，再到最终 HTML 咨询报告，全链路自动完成，所有中间计算以 Python 脚本保存、可复现复算。

本案例选中的分析主题是「数字化转型叙事」，但它只是这套方法论的一个「镜头」。研究管线本身（年报获取 → 结构化解析 → 文本+财务双线量化 → 理论框架整合 → 咨询报告交付）与分析主题无关，可以直接迁移到上市公司运营分析、销售与营销分析、人力资源分析、财务质量分析、ESG 分析等各类工商管理研究场景，只需替换提示词模板中的占位符（见下文「提示词或任务指令」）。

想要完成的任务

输入：一家工业自动化领域的 A 股上市公司的名称与股票代码（本案例已对具体公司做匿名化处理），以及分析区间（2015–2025，共 11 个年度）。

目标和交付物：

1. 从巨潮资讯网自动下载分析区间内的全部年报原文 PDF（11 份）
2. 解析年报，聚焦「管理层讨论与分析」（MD&A）章节，做文本语义分析：关键词词频、主题模型（LDA）、叙事强度轨迹
3. 提取财务数据，做财务指标与数字化投入的量化分析（增长、盈利、研发强度、人均效能等）
4. 引入 MBA 战略与数字化转型理论作为分析框架，理论与实践结合
5. 生成一份专业咨询报告风格、可离线打开的 HTML 报告：目录导航、公司现状概述、核心问题分析、改善措施与战略举措建议、图表（趋势图、对比柱状图、雷达图等）、小结与结论
6. 所有中间计算以 Python 脚本保存，保证全流程可复现

这套任务定义背后，是一套可以迁移到任何一家公司的研究方法论，也是商业分析人员系统研究一家上市公司的标准思路：

• 以一手信源为底座：不依赖二手研报和新闻拼凑印象，直接从官方披露渠道获取十年年报原文，确保分析起点是未经转述的一手材料。
• 文本 + 数据双线交叉验证：管理层叙事（文本语义）说了什么，与财务数据实际呈现什么，两条线对照才能识别「叙事与现实的偏离」——本案例的「叙事解耦」发现正是由此而来。
• 理论框架作为分析骨架：用成熟的工商管理理论组织发现、解释数据，而不是把指标堆砌在一起；理论是骨架，数据是证据。
• 全流程可复现：中间计算以脚本保存，任何结论都可被复查、复算——这是「研究」区别于「一次性生成」的关键，也是结论敢拿去答辩、汇报、尽调的前提。
• 专家团分工与研究流程同构：资料检索 → 数据工程 → 分析 → 可视化 → 成稿，智能体的角色分工与人的研究团队一一对应，方法论不需要为工具做任何妥协。

使用的 Skill

多智能体协同由 WorkBuddy 的「智数分析专家团」（Agent Swarm）完成：下达总指令后，专家团自动拆解任务、生成 to-do list，并由团队负责人按角色分派给知识检索、数据科学、报告撰写、可视化设计等成员并行执行。无需额外安装 Skill。

前置条件

• WorkBuddy 可正常使用，能读写本地文件、能联网（用于从巨潮资讯网下载年报）
• WorkBuddy 自带的 Python 环境（由 WorkBuddy 自动管理，无需手工安装依赖）
• 可使用「智数分析专家团」（Agent Swarm 多智能体团队）
• 不需要任何付费账号或 API Key（年报为公开披露文件）
• 分析对象为公开上市公司，分析区间内的年报在巨潮资讯网上均可获取

在 WorkBuddy 中的操作

1. 下达总指令：在 WorkBuddy 首页输入任务指令，并在输入框左侧选中「智数分析专家团」。指令只需说清公司、区间、分析维度、理论框架、交付物和技术规范（泛化模板见下一节）。

1. 专家团拆解任务：专家团接到指令后自动创建协作团队（团队名按「公司-分析主题」自动命名），并生成任务清单 to-do list：下载年报 → 解析 PDF 提取文本与财务数据 → 文本语义分析 → 财务指标与数字化投入量化分析 → 引入 MBA 理论框架并整合 → 设计可视化图表 → 撰写 HTML 咨询报告 → 汇编综合交付。

1. 分工并行执行：团队负责人按阶段（Phase）调度 5 位成员——首席数据编排师、知识检索专家、数据科学工程师、洞察报告撰写师、可视化分析设计师。底部成员头像实时显示各自进度（✓ 已完成 / 转圈中为执行中），每完成一项任务，负责人会汇报关键发现，例如「叙事强度轨迹四阶段」这类中间结论。

1. 过程产物落盘：执行过程中，年报原文、解析后的文本与结构化数据、可复现脚本、中间分析结果分别写入 annual_reports/、extracted_text/、extracted_data/、scripts/ 等目录，全程可追溯。

1. 交付汇总：全部任务完成后，专家团给出交付总结（本案例耗时约 1 小时），列出每项交付物的路径和说明，人只需打开最终 HTML 报告审阅。

提示词或任务指令

以下为本案例提示词的泛化模板版。将 {占位符} 替换为具体内容，即可复用到任何一家上市公司、任何一种工商管理分析主题：

对 {公司名称}（股票代码：{股票代码}）在 {分析区间，如 2015–2025} 的 {数据来源，如历年年报}
开展全面的 {分析主题，如数字化转型叙事分析}，生成一份专业咨询报告风格的 {交付物格式，如 HTML 文件}。

## 分析维度
{分析维度，如：文本语义分析、财务指标分析、数字化投入分析；
 换主题可替换为：运营效率、销售结构、人力资源效能、财务质量、ESG 表现等}

## 理论框架
引入 {理论框架，如 MBA 战略营销与数字化转型相关理论} 作为分析框架，
确保理论与实践紧密结合。

## 交付物结构要求
{交付物结构，如：目录导航、公司现状概述、核心问题分析、改善措施与战略举措建议、
 图表（趋势图、对比柱状图、雷达图等）、小结与结论}

## 技术规范
- 采用语义化 HTML 标签构建结构层级，内嵌 CSS 样式，排版美观、层级清晰、配色专业
- 报告需符合专业咨询公司报告模板规范，数据详实、分析深入
- 所有的中间计算以 Python 脚本形式保存下来，做到可复现
- 原始数据从 {数据来源渠道，如巨潮资讯网} 获取原文

各占位符填写说明（括号内为本案例的填写示例）：

• {公司名称} / {股票代码}：分析对象（示意写法：某智能制造企业 / 6 位股票代码；本案例填写的是一家工业自动化领域的 A 股上市公司）。换公司时只需替换这两项。
• {分析区间}：建议覆盖 5–10 个完整年度，保证趋势可比（2015–2025，共 11 份年报）。
• {数据来源}：原始素材类型与获取渠道（巨潮资讯网公开披露的年度报告）。也可换成招股说明书、ESG 报告、业绩说明会纪要等。
• {分析维度}：决定专家团拆解出的分析任务（文本语义分析、财务指标分析、数字化投入分析）。
• {理论框架}：希望引入的理论体系（MBA 战略营销与数字化转型理论——实际执行中专家团落到了动态能力、资源基础观/VRIO、波特价值链、数字化成熟度、平台战略与网络效应、技术接受模型 TAM 六大框架）。
• {交付物结构} 与 {技术规范}：把「报告长什么样」写死，避免交付形态靠模型猜；「中间计算以 Python 脚本保存」这一条务必保留，它是可复查、可复算的关键。

这套模板适用于工商管理领域的各类上市公司分析：战略与数字化转型、运营效率、销售与营销、人力资源、财务质量、ESG 等，换主题时只改 {分析维度} 和 {理论框架} 两处即可。

在 WorkBuddy 中的效果

最终交付物：一份 85 KB 自包含的 HTML 咨询报告（双击离线可打开），左侧为目录导航，正文含执行摘要、五章正文与附录 A–D，内嵌 10 张图表。报告首页即给出执行摘要与六张核心指标卡：营收十年增长 4.4 倍（CAGR 16.0%）、毛利率升至历史最高的 50.1%、数字化投入与营收强相关（Pearson r=0.919）、人均营收提升 2.2 倍、叙事强度峰值 89.1、研发强度均值 10.6%。

核心问题分析：第三章以「问题卡片」形式呈现五大核心问题，每张卡片标注严重程度、理论依据与实证数据。例如「平台网络效应尚未充分兑现」：以平台战略与网络效应理论（Parker et al., 2016）为依据，用「数字化转型关键词词频热力图（2015–2025）」佐证——「工业互联网」词频从 2019 年峰值持续回落，「工业 AI」于 2025 年崛起取代榜首。

理论框架与数据结合：基于 Westerman 数字化成熟度模型，从技术能力与转型管理能力两个维度给出评分（85–90 分 / 70–75 分），并配「数字化成熟度五维评估」雷达图（成长性、数字化成效、抗风险能力、创新性、盈利性），图下附评分逻辑说明，每个分值都能对应到具体财务或文本指标。

附录的专业度：报告末尾附缩略语表（DCS、MD&A、LDA、RBV、VRIO、TAM、CAGR、ROE 等逐一给出全称与释义），连同数据来源、脚本说明、口径说明共四个附录，符合咨询交付物规范。

WorkBuddy 中的交付总结：专家团完成后给出交付清单——HTML 咨询报告、10 个 ECharts 图表合并预览页、六大理论框架整合分析文档（约 1.5 万字）、11 份年报原文、4 个可复现 Python 脚本、8 个中间分析数据文件（JSON/CSV），并提炼出三大论文级亮点发现，如「叙事解耦」现象（叙事强度与研发投入相关性 r=-0.275）、某亏损年度的「战略叙事韧性」（业绩大幅亏损当年叙事强度不降反升）。

📎 报告原文（已匿名化，可在线打开）：company-deep-research-report.html

验收标准

• 年报齐全：annual_reports/ 目录下 11 份 PDF 齐全，覆盖 2015–2025 每个年度，均来自巨潮资讯网，与该公司实际披露一一对应（注意剔除年报摘要、英文版、更正公告等干扰文件）
• 脚本可复现：scripts/ 下 4 个脚本（下载、解析、文本语义分析、财务分析）可独立重跑，重跑结果与 extracted_data/ 下 8 个中间数据文件（词频矩阵、LDA 主题权重、叙事强度、财务指标等 JSON/CSV）一致
• 报告可打开：最终 HTML 报告自包含（CSS 内嵌、图表已嵌入），断网双击可打开；左侧目录导航可跳转；公司现状、分析框架与方法论、核心问题分析、战略举措建议、小结与结论五章及附录 A–D 齐全
• 数字可核对：报告中的关键数字（营收 4.23 亿→18.67 亿、CAGR 16.0%、毛利率 50.1%、Pearson r=0.9189 等）能与年报原文和 extracted_data/ 中间结果对账，建议人工抽查 3–5 个
• 理论落地：每个理论框架都有对应的实证数据支撑，且理论整合逻辑在 analysis/theoretical_framework_integration.md 中有完整文档说明，不是报告里的一句空话

遇到的问题

• 年报 PDF 解析难度大：年报版式复杂（多栏排版、扫描件、复杂表格），直接全文抽取容易出现乱码、断行和表格错位。解决方式是按章节切分、聚焦 MD&A 等文本密集型章节做语义分析，财务数据单独走结构化提取，解析脚本中保留容错与日志。
• 巨潮资讯网下载需筛选：同一公司同一年度可能同时存在年报全文、摘要、英文版、取消/更正版等多份公告，下载脚本需要按公告类别过滤并去重；同时需控制访问频率，避免触发网站限制。
• 披露口径中途变化：2021 年后该公司研发投入口径从「含资本化」切换为「仅费用化」，资本化明细不再披露，导致部分数字化投入指标只能给出估算区间。报告中对这类口径切换做了显式标注，而不是把口径不同的数字直接连成趋势线——这一点在换公司复用时几乎必然遇到。
• 语义分析的计算量：11 年 MD&A 全文做分词、词频统计和 LDA 主题建模耗时较长，专家团将其拆为独立阶段执行，中间结果落盘（词频矩阵、主题权重矩阵 CSV），失败可断点重跑。

安全与限制

• 年报属于公开披露信息，数据来源合法合规，本案例不含任何个人隐私或企业敏感数据，可公开分享。
• 下载年报需联网访问巨潮资讯网，请控制抓取频率、仅下载分析所需文件，遵守目标网站的使用条款，不要批量爬取无关公告。
• 报告由 AI 生成，不构成投资建议；叙事强度、数字化投入估算等属于文本挖掘推导指标，并非公司官方披露口径，引用前需与年报原文核对。
• PDF 自动解析可能漏抽个别表格或数字，关键财务指标正式使用前务必人工抽查复核。
• 整套流程只读写本地工作目录；执行会在目录下生成较多中间产物（脚本、CSV、日志），归档时注意区分交付物与过程文件。

可以怎样复用

这套案例最值得带走的是研究范式，而不是某一个分析主题。商业分析人员拿到任何一家上市公司——尽职调查、竞品分析、行业研究、求职前了解目标公司、课程案例作业——凡是需要「快速建立对一家公司完整、可信、可检验认知」的场景，都可以直接套用同一条研究管线：一手信源 → 结构化解析 → 文本+数据双线交叉验证 → 理论框架组织发现 → 可复现交付。

• 换分析主题只是换「镜头」：运营分析（产能、供应链、成本结构）、销售与营销分析（渠道、客户结构、区域分布）、人力资源分析（员工结构、人均效能、薪酬与激励）、财务质量分析（现金流、偿债、减值风险）、ESG 分析——只需改写 {分析维度} 和 {理论框架} 两处占位符，研究管线原样不动。
• 换一家公司：把泛化模板中的 {公司名称}、{股票代码}、{分析区间} 换掉即可，下载脚本和分析流程原样复用；先确认目标公司在巨潮资讯网上年报齐全。
• 换一类原始素材：同模板也适用于招股说明书、ESG/可持续发展报告、业绩说明会纪要、券商研报合集，把 {数据来源} 换成对应渠道即可。
• 保留「可复现」这条硬性要求：「所有中间计算以 Python 脚本保存」是全案例最有复用价值的一句提示词——它让任何结论都能被复查、被复算，是把 AI 分析从「看起来专业」变成「经得起检验」的关键，也是这套方法能被称为「研究」的原因。
• 多智能体团队适合长链路任务：凡是要「下载 → 清洗 → 分析 → 可视化 → 成稿」一气呵成的任务，交给专家团拆解执行比自己逐轮下指令更稳；其分工（检索、数据工程、分析、可视化、成稿）与人的研究团队同构，中间汇报也便于在关键节点人工确认口径。

分类：创意开发难度：入门作者：0769-zhaoxia日期：2026-08-29Skill：网站设计

朝霞带你游东莞：一句话生成一座城市的数据驱动名片

本案例演示：如何用「网站设计」能力，把一座城市的官方资料整理成一份可交互、可换城市的单文件 HTML 城市名片。成品为「朝霞带你游东莞」，页面结构完全由数据驱动，换任何城市只需替换一个数据对象。

场景描述

做城市推介材料，通常卡在两难：做成 PPT，数据堆叠、翻页即逝；写成公众号长文，好看但拿不出手、也不好改。市面上的旅游攻略模板又大多只有"去哪玩、吃什么"，撑不起招商、接待、对外宣传的场合。

一位在政府办公室工作的用户，需要一份既能讲清城市实力（GDP、外贸、产业集群、大科学装置）、又能带人逛街巷（景点、美食、行程）的城市名片，且希望它能被复用到其他城市、其他场合。

想要完成的任务

• 输入：一座城市的名称，以及它的官方资料（统计公报、政府门户介绍、文旅信息等）。
• 目标：一份单文件 HTML，零外部依赖，双击即开、可直接分享。
• 预期交付物：包含 11 个板块的可交互网页，页面文字与数据全部由页面内的一个 CITY 常量对象驱动渲染。

使用的 Skill

前置条件

• WorkBuddy 版本：5.x（需进入「设计创意」模式）
• 操作系统：Windows 10/11
• 所需账号或权限：无
• 所需输入文件：无硬性要求；建议准备该城市的官方统计公报、政府门户「走进 X 城」介绍、文旅信息，用于核对数据

在 WorkBuddy 中的操作

1. 在对话框上方切换到「设计创意」模式，选择「网站设计」。
2. 输入下方「提示词或任务指令」，把 {{城市}} 换成目标城市名。
3. 发送后，WorkBuddy 生成单文件 HTML，右侧内置浏览器自动打开预览。
4. 从首屏开始逐板块检查：数字是否正常滚动、时间轴是否完整、数据是否与官方口径一致。
5. 核对无误后，将 HTML 保存到本地（可直接双击打开或分享）。

提示词或任务指令

~~~text 帮我做一份「{{城市}}」的城市名片交互式网页，输出单文件 HTML，无任何外部依赖。

【一、页面结构】按顺序生成 11 个板块：

1. 城市速览——8 张数据卡，覆盖行政区划、人口规模与结构、三次产业结构、人均 GDP、市场主体、创新主体、城市荣誉等基本面
2. 千年脉络——垂直时间轴，用 8-11 个关键年份串起城市发展史，提炼一条贯穿全篇的叙事主线
3. 区位交通——SVG 同心圆"时空圈"，中心放该市主枢纽，四方标注到周边核心城市/机场的通勤分钟数
4. 产业实力——产业集群卡片（用"全球每 X 台就有一台产自这里"等独家比例数据）+ 增速条形图 + 高增长产品标签
5. 科创引擎——深绿渐变卡片，突出大科学装置、重点实验室、科学城数据
6. 开放门户——5 项外贸外资核心数据
7. 城市气质——6 张带线性图标的气质卡，亮出该市独有城市名号
8. 大学资源——列出该市高校（校名 + 层次标签 + 一句话介绍）
9. 文旅画卷——4 个分区 Tab 切换（老城人文 / 历史史迹 / 湖山生态 / 潮流文创），每区 4-6 个景点卡片
10. 烟火风味——8-10 道地道美食，按区县标注
11. 行程建议——1 日 / 2 日 / 3 日三条路线

【二、内容要求】

• 全部数据使用官方公开口径，页脚标注来源
• 页脚加一句提示：票价、开放时间等信息可能变动，出行前请核实官方渠道
• 语言风格：稳重、克制、有文化质感，避免营销腔
• 景点按片区归类，行程不要走回头路

【三、技术要求】

• 单文件 HTML，CSS 与 JS 全内联，不引用任何 CDN、字体或外部图片
• 全站内容由一个名为 CITY 的 JavaScript 常量对象驱动渲染，换城市只需替换该对象
• 必须包含：顶部滚动进度条、区块滚动渐入、数字滚动计数、条形图进入视口自动生长、导航自动高亮、回到顶部按钮
• 响应式：桌面多列网格、手机单列、导航横向滚动

【四、交付】 输出一个 .html 文件，命名为「朝霞带你游{{城市}}.html」，并打开预览确认效果。 ~~~

在 WorkBuddy 中的效果

成品为「朝霞带你游东莞」，约 46 KB，零外部依赖。11 个板块从城市速览、千年脉络、湾区区位，一路走到城市气质、大学资源、文旅画卷与行程建议。

• 首屏：衬线大标题 + 旋转徽标 + 四组核心数据（GDP、人口、外贸、平均年龄）滚动计数 + 一句欢迎语
• 千年脉络：11 个时间节点的垂直时间轴，用"每遇狭路总能生风"串联发展史
• 湾区区位：SVG 同心圆时空圈，中心为虎门站，四方标注到广州、深圳、香港、机场的分钟数
• 城市气质：藏茶之都、篮球之城、潮玩之都等 6 张带线性图标的气质卡
• 大学资源：10 所高校卡片

验收标准

• 页面是单文件 HTML，无任何外部资源引用（可离线双击打开）。
• 11 个板块齐全，导航可跳转、自动高亮。
• 首屏四组核心数据能正常滚动显示真实数值（不卡在 0）。
• 换城市时，只需替换 CITY 对象，页面结构与动效无需改动。
• 页脚标注数据来源，并提示票价、开放时间可能变动。
• 所有数据可回溯到官方公开口径，重要数字需人工复查。

遇到的问题

1. 首屏数据数字显示为 0：数字滚动动画初始绑定在下方板块上，首屏数据条不在动画触发范围内，导致数字停在初始值 0。解决：对首屏数据条单独触发一次计数动画。
2. 斑马纹底色上白卡片"糊"成一片：交替区块（白底）里的白色卡片缺少对比。解决：为斑马纹区块内的卡片单独反色（白卡片换暖白底）。
3. 打印时区块整体空白：区块初始 opacity:0，打印时不会触发渐入。解决：在 @media print 中强制 opacity:1。
4. 老版 WPS 资料无法直接读取：.wps 为 OLE2 二进制格式。解决：本机用 Microsoft Word 的 COM 接口打开并导出为文本后再整理。

安全与限制

• 数据必须人工复核：GDP、人口、外贸、高校名单等数字应以官方统计公报、政府门户为准；AI 可能张冠李戴，涉及对外发布前务必逐项核对。
• 景点票价与开放时间会变动：页面仅作展示参考，页脚已提示出行前核实官方渠道。
• 肖像权：投稿/公开展示的版本不放个人照片，避免他人"做同款"后复用肖像；如做个人 IP 版，请自行确认肖像使用授权。
• 不收集数据、不调用权限：页面为纯静态 HTML，无后端、无统计、无外部请求。

可以怎样复用

• 换城市：只改 CITY 对象（城市名、徽标字、核心数据、时间轴、产业集群、交通时空圈、文旅分区、美食、高校、行程），11 个板块与全部动效自动适配。
• 换用途：删掉「千年脉络」或「行程建议」等板块，改成企业介绍页、产品发布会长页、活动宣传页。
• 做同款：把本案例的提示词中的 {{城市}} 换成目标城市，即可一键生成对应版本。
• 配自动化：可进一步配置定时任务，让核心数据定期更新，形成城市信息的自动维护页。

分类：创意开发难度：进阶作者：JZCreative日期：2026-07-15Skill：本地文件读写Skill：本地 HTTP 服务器Skill：Git 推送与 GitHub Pages

用 WorkBuddy 生成一个 GSAP 粒子球体作品集动画网站

场景描述

年底需要做一份工作室年度作品集 Showreel。传统的做法是用 After Effects 或 Premiere 手动剪辑，但这类工具对动效交互和 3D 视觉的迭代成本很高——每次调整缓动曲线或粒子参数都要重新渲染。

我希望换一种方式：用 GSAP + 软件 3D 投影做一个纯前端动画，300 个粒子聚拢成球体，6 个节点代表 6 组作品，点击节点后镜头聚焦、标题浮出、作品视频展开。整个过程在浏览器里实时运行，可以随时调整参数立即看到效果。

但手写这个动画的 3D 数学、粒子分布、时间线编排和 Mockup 布局非常耗时。所以我把它交给 WorkBuddy，用自然语言描述需求，让它逐步生成并迭代。

想要完成的任务

• 输入：一份 6 场景脚本（含标题、副标题、作品名、链接），27 个本地媒体文件（MP4/MOV 视频 + 截图）
• 目标：一个自包含 HTML 文件 + 本地媒体，在浏览器中实时播放粒子球体 Showreel 动画
• 交付物：
  • 可在浏览器中预览的 HTML 动画
  • 推送到 GitHub 仓库并通过 GitHub Pages 在线访问

前置条件

• WorkBuddy 版本：支持本地文件读写和 Bash 执行的版本
• 操作系统：macOS（Windows/Linux 同样适用，路径稍作调整）
• 所需账号或权限：GitHub 账号，已配置 SSH key 或 personal access token
• 所需输入文件：27 个媒体文件放在本地文件夹，一份脚本文本

使用的 Skill

本次任务没有安装额外的 Skill，全程使用 WorkBuddy 的内置能力：

在 WorkBuddy 中的操作

第一步：描述需求并提供素材路径

我把脚本和素材路径发给 WorkBuddy：

我准备设计一个工作室作品集动画视频，标题是「JZ Creative Studio 2025 Showreel」。
要求：浅色背景 + 点线 MG 设计，开场形成一个基于 GSAP 的大型粒子球体，
球面上有节点代表作品组，聚焦节点后弹出作品视频。

脚本：
场景1 - SVG 交互设计（蕉内 / 香奈儿 / 喜茶）
场景2 - H5 互动页面（中国新闻网 / 互动叙事H5）
场景3 - Vibe Coding（在线技能五子棋）
场景4 - AIGC 创意设计（数据可视化 / 航天科普 / 政务漫画）
场景5 - AI 创新方法论（编程式快闪 / 音乐Remix / SVG融合）
场景6 - 复旦百廿·母校礼赞（复旦120周年专题）

素材都在本地文件夹：/Users/yaoyao/Documents/Marshall工作文档/运营/Showreel/2025

WorkBuddy 读取了素材目录，生成了第一版 HTML，并启动了本地 HTTP 服务器让我预览。

第二步：迭代调整视觉与动画

第一版出来后，我开始逐轮反馈。以下是关键的迭代节点：

第 2-3 轮：颜色太多 → 改为 Apple 黑白灰（#1D1D1F / #86868B / #F5F5F7）；只有开场没有转场 → 补全 6 个场景的完整流程。

第 4-5 轮：节点用 CSS 3D Transform 会随球体翻转被压扁 → 放弃 CSS 3D，改为纯 JS 软件 3D 投影（手动旋转矩阵 + 透视投影），节点用 2D translate() 定位，只同步位置不翻转。

第 6-7 轮：节点视觉上在球体之外 → 使用 Fibonacci 球面粒子索引直接替换对应位置的粒子，确保节点在球面上；增加坐标轴、大圆参考线、倾斜轨道、粒子间虚线连接等装饰。

第 8-9 轮：Mockup 风格不统一 → 统一为浏览器窗口线框风格（标题栏 + 圆点 + URL + 内容区）；通过 sips 命令检查所有截图实际像素尺寸，修正竖版/横版比例。

第 10-11 轮：作品展示面积太小 → 放大 Mockup 尺寸并增加漂浮动画；标题从节点位置浮出，带连接线和持续漂浮。

第 12 轮：页面空白打不开 → JS 语法错误（},0}) 漏了一个 }），修复后正常。

第 13-14 轮：动画太快 → 全局减速 1.5-2 倍，缓动改用 power4.inOut / back.out(1.2)；五子棋视频被裁切 → Mockup 内容区比例精确匹配视频比例（780×528 对应 1.560）。

第 15-16 轮：节点进入球体内部 → 投影坐标乘以 0.82 使节点视觉上嵌入球面；结尾 LOGO 替换为水墨头像 PNG；字体改为阿里巴巴普惠体 2.0。

第 17 轮：放大动画不显示 → 发现 GSAP timeline 中退出和新场景的 camS tween 各自创建独立临时对象，导致起始值=终值无渐变 → 改为共享同一对象修复。

第三步：推送到 GitHub 并启用 Pages

把这个项目和关联资产都推到我的 GitHub 仓库：
https://github.com/JZCreative/2025showreel

WorkBuddy 自动完成了：

1. 创建 .gitignore（排除 node_modules、构建产物）
2. git init + git add + git commit
3. git push（414MB 媒体文件，约 4 分钟上传完成）
4. 通过 GitHub API 启用 Pages
5. 创建 index.html 重定向页面

提示词或任务指令

以下是经过脱敏、可以复用的核心任务指令：

设计一个工作室作品集动画，要求：
- 浅色背景 + 点线 MG 设计风格
- 开场：GSAP 驱动的 3D 粒子球体（300 个粒子，Fibonacci 分布）
- 球面上 6 个节点代表 6 组作品
- 聚焦节点：球体旋转 → 镜头缩放 → 节点放大 → 标题浮出 → Mockup 展开
- 颜色：Apple 黑白灰（#1D1D1F / #86868B / #F5F5F7）
- 字体：阿里巴巴普惠体 2.0
- 键盘控制：Space 播放暂停 / ← → 切换场景 / Esc 跳结尾
- 结尾：粒子消散，水墨头像淡入

素材路径：[本地文件夹路径]

迭代阶段的典型反馈指令：

节点看起来还是在粒子球之外，让它们进入球体内部；
五子棋视频被裁切了，调整 Mockup 比例匹配视频；
动画整体太快，慢一些更丝滑；
结尾 LOGO 替换为这个 PNG。

在 WorkBuddy 中的效果

最终交付物：

• 主文件：showreel-preview.html（约 33KB，自包含 HTML + CSS + JS）
• 媒体资产：public/works/ 下 27 个文件（13 视频 + 14 截图）
• 在线预览：https://jzcreative.github.io/2025showreel/
• GitHub 仓库：https://github.com/JZCreative/2025showreel

动画效果概述：

300 个粒子聚拢成球体，带坐标轴、大圆参考线和粒子间虚线连接。

聚焦节点后，标题从节点浮出，Mockup 浏览器窗口沿分支线展开，右上角信息面板实时显示旋转数据。

• 300 个粒子从随机散开位置聚拢成球体（3 秒，power4.out）
• 球体缓慢自转，带坐标轴、大圆参考线、粒子间虚线连接
• 点击节点或按 → 切换场景：球体旋转将目标节点转到正面（1.8 秒，power4.inOut）
• 镜头缩放至 1.3x，节点放大 1.8x（back.out(1.2) 回弹）
• 标题从节点位置浮出到左上角，带贝塞尔曲线连接线
• Mockup 浏览器窗口沿分支线展开，持续 sine.inOut 漂浮
• 右上角信息面板实时显示旋转角度、缩放倍率、当前节点

验收标准

• [x] 浏览器中打开能正常播放 6 个场景的完整动画
• [x] 粒子球体旋转流畅，节点在球面内部
• [x] 每个场景的视频比例正确，无裁切
• [x] 键盘控制（Space / ← → / Esc）正常响应
• [x] 播放到结尾后不自动循环
• [x] 字体为阿里巴巴普惠体 2.0
• [x] 结尾显示水墨头像
• [x] GitHub Pages 在线可访问
• [x] README 包含项目说明和使用方式

遇到的问题

CSS 3D Transform 导致节点压扁

问题：节点作为 3D-transformed div 在球体旋转时被透视压扁变形。

解决：完全放弃 CSS 3D Transform，改为纯 JS 软件 3D 投影。手动计算旋转矩阵（Y 轴旋转 → X 轴旋转 → 透视投影），节点用 2D translate(x, y) 定位，只同步位置不参与 3D 翻转。

性能卡顿（69000 次 DOM 更新/帧）

问题：260 个粒子各自绑定 onUpdate: apply() 回调，每帧触发 260 次完整 DOM 更新。

解决：改用 gsap.ticker.add(formTick) 单帧回调，每帧只调用一次 apply() 统一更新所有粒子和装饰元素。

放大动画瞬间跳变

问题：退出旧场景和新场景的 camS tween 各自创建临时对象 {s: camS}，timeline 创建时 camS=1.3，新场景 tween 从 1.3→1.3 无渐变。

解决：在 goScene() 开头创建共享对象 const camObj = {s: camS}，退出和新场景的 tween 都操作同一对象，退出 tween 先把值归 1，新场景 tween 再从 1 渐变到 1.3。

GitHub 大文件警告

问题：s2w1.mov（67MB）超过 GitHub 建议的 50MB 上限。

解决：文件仍在 100MB 硬限制内，推送成功。GitHub 发出警告但未阻止。如果后续需要更大文件，可考虑 Git LFS。

安全与限制

• 本地文件访问：WorkBuddy 需要读取本地素材文件夹，确保路径正确且文件无敏感信息。
• GitHub 推送：推送前确认 .gitignore 排除了 node_modules、构建产物和 .workbuddy 工作区数据。
• GitHub API：启用 Pages 需要 personal access token，不要将 token 提交到仓库。
• 媒体版权：确保推送的视频和截图拥有发布权限，本项目中的作品均为自有内容。
• 在线预览：GitHub Pages 为公开访问，确认内容可以公开展示。

可以怎样复用

这个案例的方法可以迁移到多种场景：

• 替换内容：把脚本和素材换成自己的作品集，即可生成个人 Showreel。
• 调整视觉：修改 --fd / --fb / --fm CSS 变量切换字体，修改 --bg / --ink / --soft 切换配色。
• 增减场景：在 SCENES 数组中增删条目，调整 NIDX 节点索引即可。
• 换 3D 效果：修改 project() 函数的投影参数或 genSphere() 的分布算法，可以产生不同的球体形态。
• 迁移到其他框架：核心的 3D 投影逻辑是纯 JS，可以移植到 React/Vue 组件中。

关键经验：

1. 先描述效果，再描述实现：告诉 WorkBuddy 你想要什么视觉效果，而不是直接指定技术方案。它会在尝试中找到最优解（比如从 CSS 3D 到软件投影的转变）。
2. 一轮一个反馈点：每次只反馈一个最突出的问题，避免同时改太多导致难以定位。
3. 用 sips / ffprobe 验证事实：涉及像素尺寸、视频比例等客观参数时，用命令行工具获取实际值，而不是凭目测。
4. 共享对象避免 tween 状态丢失：GSAP timeline 中多个 tween 操作同一变量时，必须使用共享对象而非各自创建临时对象。

分类：知识管理难度：进阶作者：nikola日期：2026-07-14Skill：ima 知识库连接器

告别微信收藏夹吃灰：用 ima + WorkBuddy 把碎片内容构建成可生长的知识体系

场景描述

微信是大多数人日常信息摄入的最大入口——公众号文章、群聊讨论、朋友分享的图片和链接，每天大量的好内容从眼前流过。

但问题是：收藏了一百篇文章，就再也没打开过；截图存了一堆，想用的时候翻不到；知识是零碎的，散落在聊天记录和收藏夹里，从来没有被真正消化成自己的东西。

我自己就是这样。微信收藏夹里堆了几百条内容，但真正回头看过的不到十分之一。后来我试了 ima 知识库——把微信内容直接转发进去，确实比收藏夹好用，能搜索、能归类。但光存不够，我还想把这些碎片内容串起来，形成一个有结构、能持续生长的知识体系。

这时候 WorkBuddy 的 ima 连接器就成了关键拼图：ima 负责存，WorkBuddy 负责加工和重组。

两种用法：轻量 vs 深度

让我一句最直接、最不绕弯子的话来总结ima+workbuddy的优势是：WorkBuddy可直接把整个知识库或单文件作为上下文，进行加工处理，生成的内容可一键回传ima，形成闭环，把零碎微信内容系统化构建成可复用的知识体系，而非仅在ima中进行简单的知识问答。

朋友，这么讲你应该就能理解其中的妙处了吧（很棒，朋友，哈哈哈~）。

如果你只是想找个比微信收藏夹更好用的地方存东西、偶尔搜一下，ima 单独用就够了。如果你想把这些碎片真正内化、变成可复用的知识资产，接着往下看。

想要完成的任务

1. 将微信中的文字、图片、公众号文章等内容存入 ima 知识库。
2. 在 WorkBuddy 中连接 ima 知识库，将知识库内容作为 AI 对话的上下文。
3. 让 WorkBuddy 按你指定的知识领域，把零碎内容梳理成有结构的知识体系（如分类框架、主题汇总、知识地图）。
4. 将 WorkBuddy 生成的结构化成果回传到 ima，形成「收集 → 加工 → 沉淀」的闭环。
5. 后续有新的微信内容时，可以持续追加并重新梳理。

使用的 Skill 与连接器

ima 知识库连接器是 WorkBuddy 与 ima 之间的桥梁——WorkBuddy 可以读取整个知识库或单个文档作为对话上下文，也能把处理结果写回 ima。

前置条件

• WorkBuddy 可以正常使用。
• 已安装腾讯 ima 客户端（PC 或 Mac）/小程序也行，并创建了知识库。
• 已掌握把微信内容转发到 ima 的方法（微信内长按 → 转发 → 选择 ima）。
• 在 WorkBuddy 中已添加并授权 ima 知识库连接器。

在 WorkBuddy 中的操作

第一步：把微信内容存入 ima

这是日常动作，不需要 WorkBuddy。微信里看到任何有价值的内容：

• 公众号文章：打开文章 → 右上角「...」→ 用小程序打开 → 选择 ima
• 图片/截图：长按图片 → 用小程序打开 → 选择 ima

日积月累，你的 ima 知识库里就有了原始素材。

第二步：在 WorkBuddy 中添加 ima 连接器

在 WorkBuddy 中打开连接器管理面板，搜索并添加「ima 知识库」连接器，完成授权。授权完成后，WorkBuddy 就能读取你的 ima 知识库内容了。

第三步：用 WorkBuddy 梳理知识体系

连接器就位后，在 WorkBuddy 中输入任务描述。比如你最近在 ima 中存了大量 AI 产品相关的文章，想让 WorkBuddy 帮你梳理：

我最近在 ima 知识库里存了很多关于 AI 产品的文章，请帮我做一次知识梳理。

要求：
1. 浏览知识库中的全部内容，先给我一个内容概况。
2. 按「大模型底层能力、AI 应用产品、行业趋势」三个维度分类整理。
3. 每个类别下列出核心观点和支撑内容的关键来源。
4. 找出内容之间的关联（比如 A 文章的观点被 B 文章进一步验证或反驳）。
5. 最后输出一份知识地图，标注当前我覆盖了哪些子领域、哪些领域还有空白。

WorkBuddy 会读取你的 ima 知识库，基于全部内容进行分析，把碎片拼成一张有逻辑的网。

第四步：把梳理成果回传 ima

梳理完成后，告诉 WorkBuddy 把结果保存回 ima：

把刚才生成的知识梳理报告保存到 ima 知识库，命名为「AI 产品知识体系-2026.07」。

WorkBuddy 会通过连接器将成果写回 ima，下次你在 ima 里搜索就能找到这份结构化报告了。

第五步：持续更新知识体系

过了一段时间，你又存了新的微信内容到 ima。再次打开 WorkBuddy：

ima 知识库里最近新增了一些内容，帮我基于之前的知识体系框架，把新内容整合进去。如果有新的子领域出现，补充到知识地图里；如果新内容与之前的观点冲突，指出差异。

这样你的知识体系就不是一次性的，而是随着输入持续生长。

提示词或任务指令

请连接我的 ima 知识库，帮我做一次完整的知识体系梳理。

背景：
我把日常在微信看到的有价值内容（公众号文章、群聊讨论、技术博客截图等）都存到了 ima，内容集中在 [你的领域：如 AI 产品 / 技术写作 / 前端开发]。

要求：
1. 先浏览全部内容，做一次内容盘点，告诉我库里都有什么。
2. 按 3-5 个核心维度分类组织内容，每个维度下列出关键观点和对应的原始内容来源。
3. 找出内容之间的关联、互补和矛盾之处。
4. 画一张知识地图（文字形式即可），标注已覆盖的子领域和空白区域。
5. 把所有梳理结果写回 ima，命名为「[领域]知识体系-YTD」。

后续我新增内容后，会继续让你更新这份知识体系。

在 WorkBuddy 中的效果

这一套流程跑通之后，你得到的是一个「活的」知识系统：

• 微信内容不再堆积在收藏夹里吃灰，而是被分类、关联、结构化地沉淀在 ima 中。
• 原来的零散碎片变成了一个有骨架、能导航的知识地图，随时知道自己在某个领域已经掌握了什么、还缺什么。
• WorkBuddy 不只是帮你整理，还帮你建立跨内容之间的连接——这是人脑很难做到的，尤其是内容量大的时候。
• 梳理结果回传 ima 后，你既可以在 ima 里直接搜索查看，也可以继续作为下一轮 WorkBuddy 对话的上下文。
• 新的微信内容能源源不断地输入到这个体系里，知识库会越来越「厚」，而不是越来越乱。

验收标准

• ima 客户端正常使用，微信内容能成功转发到 ima。
• WorkBuddy ima 连接器已授权，能在对话中成功读取知识库内容。
• WorkBuddy 能基于知识库内容，输出有结构的知识梳理报告（包含分类、关联、知识地图）。
• 梳理成果能成功写回 ima 知识库，在 ima 中可以搜索到。
• 后续新增内容后，WorkBuddy 能在原有体系上整合而非推倒重来。

常见问题

ima 连接器连不上

检查连接器的授权状态。如果之前授权过期，需要在 WorkBuddy 连接器管理面板中重新授权。另外确认 ima 客户端已登录同一账号。

WorkBuddy 读不到知识库里的某些内容

检查内容是否已经成功保存到 ima 知识库（在 ima 客户端中能看到）。部分格式（如纯视频、小程序卡片）可能不被支持。

知识梳理结果不够深入

在提示词里给 WorkBuddy 更明确的指令：指定你想要的分类维度、希望提取的粒度、以及输出格式。提示词越具体，结果越可控。

内容太多，一次梳理不完

可以先按时间范围或主题范围做分区处理。例如「先梳理最近三个月的内容」或「只梳理与 AI 产品相关的内容」。分批梳理后再做一次整体汇总。

安全与限制

• ima 知识库中的内容属于你自己的数据，在 WorkBuddy 中使用时不会外泄。
• 如果知识库中包含敏感个人信息或公司内部资料，使用前先确认哪些内容适合作为 AI 对话上下文。
• 回传内容到 ima 前，检查生成结果中是否有 AI 编造的数据或来源，必要时人工复核。
• ima 连接器的可用性和功能可能随官方更新变化，以连接器市场中的最新说明为准。

可以怎样复用

这个 Case 的核心是「收集 → 加工 → 沉淀」的三步闭环，替换知识领域和工具，可以适配很多场景：

• 读书笔记体系：把微信读书的书摘、划线发到 ima，用 WorkBuddy 按主题整理成读书笔记。
• 技术调研体系：把各种技术文章、GitHub 项目链接存到 ima，用 WorkBuddy 做技术选型分析和竞品对比报告。
• 学习追踪体系：把课程笔记、学习截图发到 ima，WorkBuddy 定期帮你做学习复盘和薄弱点诊断。
• 内容创作素材库：把选题灵感、参考文章、读者反馈存到 ima，WorkBuddy 帮你梳理选题排期和内容大纲。

分类：企业服务难度：入门来源：腾讯云官方文档《典型应用场景》

项目管理：AI 自动汇总项目进度

场景

多项目并行、协作人员众多时，信息散落在群聊、会议和文档中，负责人大量时间耗在整理信息、同步结论和追踪进度上。

核心做法

• 每 4 小时自动汇总群聊、会议记录、文档、链接和图片中的项目信息，提取讨论结论并识别文档新增批注
• 将最新共识、项目进度和待解决问题同步到项目看板，未参会成员快速了解情况
• 在企业微信群聊或私聊中直接提问，快速查找会议结论、项目背景和关键进展

应用成效

成效：同时负责的项目数量从 2-3 个提升到 5-6 个。

来源：腾讯云官方文档《典型应用场景》

分类：法律服务难度：入门来源：腾讯云官方文档《典型应用场景》

法律服务：专业经验结构化沉淀

场景

律师的专业经验分散在案件处理、客户沟通和项目协作中，工作繁忙难以持续整理沉淀。

核心做法

• 汇总群聊、会议和文档中的关键信息，整理为项目记录和知识资产
• 将过往经验整理为可复用的模板、项目文档和流程表格
• 随新项目推进持续补充更新，让历史经验服务后续项目

应用成效

成效：组织知识持续积累，团队成员按需查找调用。

来源：腾讯云官方文档《典型应用场景》

分类：法律服务难度：入门来源：腾讯云官方文档《典型应用场景》

法律服务：长周期客户服务看板

场景

长周期案件中律师既要办案又要反复向客户同步进展，重复沟通占用大量时间。

核心做法

• 从客户群聊中提炼最新服务记录和关键进展，形成结构化信息
• 将当前阶段、已完成事项和待处理任务整理到服务看板
• 基于项目上下文生成清晰专业的服务进展海报，交付客户

应用成效

成效：客户及时了解进度与后续安排，信任感提升。

来源：腾讯云官方文档《典型应用场景》

分类：制造业难度：入门来源：腾讯云官方文档《典型应用场景》

制造业：客户反馈变研发灵感

场景

客户需求、使用疑问和现场问题分散在不同客户群，研发团队难以及时掌握真实需求。

核心做法

• 从客户群聊提取需求、疑问、问题反馈和现场图片，整理进智能表格
• 按周期汇总反馈，识别反复出现的功能需求和集中性痛点
• 将零散反馈归纳为可跟进的研发灵感看板，供产品规划参考

应用成效

成效：为产品迭代提供真实需求依据。

来源：腾讯云官方文档《典型应用场景》

分类：供应链难度：中级来源：腾讯云官方文档《典型应用场景》

供应链：跨系统协作自动流转

场景

供应链涉及销售、采购、库存、财务多环节，信息传递依赖人工录单、电话核对和消息催办。

核心做法

• 将群聊中的订单、需求整理到智能表格，再由 WorkBuddy 写入对应业务系统
• 审批、发货、回款等关键节点自动同步到相关群聊
• 企业微信机器人应答订单状态、账款余额、库存数量等常见问题

应用成效

成效：减少跨部门协作中的人工录入与催办。

来源：腾讯云官方文档《典型应用场景》

分类：金融服务难度：入门来源：腾讯云官方文档《典型应用场景》

金融服务：客户线索与专业报告

场景

金融客户服务中，员工需结合产品特点识别服务机会、跟进反馈并准备专业材料。

核心做法

• 结合产品特点和客户特征，提炼潜在客户线索
• 汇总客户触达后的反馈，识别有进一步沟通意向的客户
• 基于数据分析生成客户易于理解的专业报告

应用成效

成效：报告基础版本制作时间从两三天缩短至几分钟。

来源：腾讯云官方文档《典型应用场景》

分类：连锁餐饮难度：入门来源：腾讯云官方文档《典型应用场景》

连锁餐饮：门店装修标准化

场景

连锁门店装修中总部标准传达不清、一线理解不一致，导致执行偏差和返工。

核心做法

• 汇总企业微信群聊、文档和会议内容，提炼为统一的图纸标注规范
• 汇总加盟商群中的实际问题和高频错误，持续补充完善规范
• 设计师将图纸交给 WorkBuddy，AI 按规范识别并标注需调整的位置

应用成效

成效：案例显示装修返工率降低 60%。

来源：腾讯云官方文档《典型应用场景》

分类：医疗健康难度：中级来源：腾讯云官方文档《典型应用场景》

医疗健康：系统咨询机器人答疑

场景

医院新系统上线后运维团队被大量重复咨询和故障反馈淹没，夜间报障还可能遗漏。

核心做法

• 基于系统说明和历史问答构建知识库，自动回答群内常见问题
• 识别报错截图中的关键信息，给出处理建议
• 无法解决的问题生成工单或提醒运维跟进，新问题回流知识库

应用成效

成效：重复答疑和夜间故障遗漏显著减少。

来源：腾讯云官方文档《典型应用场景》

分类：医疗健康难度：中级来源：腾讯云官方文档《典型应用场景》

医疗健康：灵活排班全流程闭环

场景

医院排班人员多、规则复杂、临时调整频繁，人工排班、通知、换班和月底核算耗时巨大。

核心做法

• 排班规则和人员名单整理到智能表格，由 AI 按规则生成排班计划
• 排班完成后机器人自动通知值班人员
• 员工通过企业微信审批提交换班，审批通过后 AI 更新排班
• 月底根据值班记录自动汇总工作量并核算薪酬，供管理员复核

应用成效

成效：人工协调成本大幅降低。

来源：腾讯云官方文档《典型应用场景》

分类：一人公司难度：中级来源：腾讯云官方文档《典型应用场景》

OPC 的一天：一人公司用 WorkBuddy × ima

场景

一个人经营公司，行业变化、竞品消息、客户邮件一起涌来；既要判断方案方向，又要亲自制作文件。

核心做法

• 创建定时任务搜索行业变化与竞品动态，生成带来源链接的简报，一键存回 ima 形成行业情报库
• 通过连接器读取 QQ 邮箱与飞书消息，标出需立即回复的内容并生成今日优先级
• 腾讯会议连接器导入会议记录，整理成新需求、已确认事项、待确认问题和后续行动
• 把每次产出沉淀回知识库，越用越厚，形成专属团队

应用成效

成效：早上得到的不再是一堆待读信息，而是可直接执行的工作安排。

来源：腾讯云官方文档《典型应用场景》

分类：自动化难度：入门来源：麒跃科技《WorkBuddy 数字员工》实测

5 个提示词搭一条数字员工流水线

场景

收件箱永远 99+、下班前补周报、好文章收藏后再也不看——三个日常顽疾交给 5 个「数字员工」接力处理。

核心做法

• 选题侦察兵：每天基于 7 天热点出 10 个选题（标题+痛点+素材），你挑 3 个排期
• 日报秘书：下班前丢流水账，整理成进展/风险/明日计划三段式周报
• 邮件分拣员：按紧急度分级，草拟即时回复，标出需亲自决策的事项
• 竞品雷达：拆解竞品文章的目标、钩子与可借鉴动作
• 素材管家：收藏内容自动分类打标签，告别收藏夹吃灰

提示词示例

你是我的工作助理。我会给你今天的零散记录，请你整理成周报，格式：
① 今日进展（3 条，每条含结果与数据）；
② 风险与阻塞；
③ 明日计划。
语气专业、克制，不超过 300 字。

应用成效

成效：博主两个月实测：平均每天省下约 3 小时。关键设计是前一个员工的产出直接喂给下一个。

来源：麒跃科技《WorkBuddy 数字员工》实测

分类：研发难度：入门来源：腾讯云开发者社区

需求文档拆成任务清单与验收标准

场景

产品给一段需求，开发常卡在「到底要做哪几件事、做到啥程度算完」。

核心做法

• 粘贴需求原文，让 AI 输出任务清单：任务名、归属模块、预估复杂度
• 为每条任务生成验收标准（AC）：给定…当…则…，明确做到啥算完成
• 补充隐含需求：权限控制、性能边界、异常处理、日志审计
• 列出风险与待确认项，回头找产品对齐；进阶可转成看板卡片

提示词示例

请把下面的需求拆解成开发任务清单。
需求描述：[粘贴需求]
请输出：
1) 任务清单：任务名、归属模块、预估复杂度（低/中/高）
2) 每条任务的验收标准（AC）：用「给定…当…则…」
3) 隐含需求补充：权限、性能、异常、日志审计
4) 风险与待确认：哪些点需求没说清

应用成效

成效：需求到开发之间最稳的「翻译层」。踩坑：不给需求原文会凭空编任务，不要求 AC 则拆项不可验收。

来源：腾讯云开发者社区

分类：开发者难度：入门来源：腾讯云开发者社区

三周，从「玩具」用成「工作台」

场景

把 WorkBuddy 当聊天机器人就亏了——真正值钱的是它能直接在你的环境里动手，一条链路打通。

核心做法

• 代码与终端一体化：贴报错让它读文件、跑命令、对比依赖版本、定位根因，不再反复横跳
• 直接产出交付物：技术方案、README、复盘按结构生成 .md/.docx，复制即用
• 把日报、数据抓取、周期性检查挂成自动化定时任务，到点自动跑、只看结果

应用成效

成效：把机械性劳动外包出去，每天多出一块完整时间做真正要动脑的事。

来源：腾讯云开发者社区

分类：办公难度：中级来源：腾讯云开发者社区

自动化 + 专家协作，办公效率拉满

场景

任务描述笼统产出要返工、重复劳动每天手动做、AI 生成内容缺依据——三个坑各有解法。

核心做法

• 写正式报告找公文/研报类专家，自带结构方法论；表格用 sheetagent 技能处理透视与合并
• 常用行业报告、公司制度、产品文档放进资料库，让 AI 基于真实材料生成内容
• 四要素描述法：目标 + 素材 + 要求 + 边界
• 大任务拆成 2-3 个连续任务，每步验收后再继续；重复劳动一律改造成定时自动化
• 例行任务用轻量模型、复杂任务才上强模型，控制消耗

应用成效

成效：用顺之后每天实打实省下 1-2 小时。

来源：腾讯云开发者社区

分类：零代码难度：入门来源：腾讯云官方教程《实践七：零代码制作本地应用》

零代码制作本地应用

场景

无代码基础也想快速验证想法：知识管理、待办工具、数据小脚本都可以直接说给 AI 做。

核心做法

• 新建任务选择代码开发模式，一句话描述需求，AI 生成完整代码并尝试运行
• 出现异常时描述观察到的现象（按钮、报错、步骤），配合截图多轮排查修复
• 按需持续升级：模糊搜索、每天自动推送待办、对接 QQ/微信录入、内容自动关联

应用成效

成效：先做最小可用版本，再逐步增加复杂能力，稳定迭代。

来源：腾讯云官方教程《实践七：零代码制作本地应用》

分类：知识管理难度：入门来源：腾讯云官方教程《如何用 WorkBuddy 把 ima 知识库越用越厚》

把 ima 知识库越用越厚

场景

收藏夹吃灰、文件散落各处、找过的资料第二次还要重搜——个人知识没有复利。

核心做法

• 把微信收藏、文档、网页内容转存进 ima 知识库
• 在 WorkBuddy 中直接基于知识库提问，让回答来自你自己的资料
• 每次任务的产出有价值的部分一键存回知识库，定期整理成笔记

应用成效

成效：知识库越用越厚，逐渐形成个人的「第二大脑」。

来源：腾讯云官方教程《如何用 WorkBuddy 把 ima 知识库越用越厚》

分类：日化难度：企业级来源：2026 腾讯全球数字生态大会公开报道

中顺洁柔：供应链全链路求最优解

场景

供应链链路长、变量多，靠人工排产和选仓难以求最优解。

核心做法

• 1200 名员工完成 WorkBuddy 强制考核培训，全员会用
• 销售订单、发货、选仓到生产排产的整条链路交给智能体求最优解
• 业务人员自己动手后，原本在外包团队和 IT 手里的规则沉淀到企业内部

应用成效

成效：供应链成本节降达到四位数级（万元级以上）。

来源：2026 腾讯全球数字生态大会公开报道

分类：通信难度：企业级来源：2026 腾讯全球数字生态大会公开报道

联通华盛：开票三表智能核对

场景

31 个省级公司财务人员每月各花两天，人工核对打款、订单与开票三张表。

核心做法

• 把三张表和匹配规则交给智能体自动核对
• 差异项自动标出并生成核对结论

应用成效

成效：一名财务人员每月 2 小时完成；按约 100 个内部案例总结，重复性工作提效约 10 倍。

来源：2026 腾讯全球数字生态大会公开报道

分类：乳业难度：企业级来源：2026 腾讯全球数字生态大会公开报道

伊利：经营策略直达千名导购

场景

营销策略到一线导购的传导慢、颗粒度粗。

核心做法

• WorkBuddy 汇聚业务数据、生成经营策略
• 策略下发到上千名导购，由 ADP 导购智能体生成推荐与话术
• 组合使用腾讯云 ADP、WorkBuddy 与企业微信

应用成效

成效：运营提效超过 50%，A/B 测试中销售订单提升 26%。

来源：2026 腾讯全球数字生态大会公开报道

分类：制造业难度：企业级来源：2026 腾讯全球数字生态大会公开报道

头部制造：月审 2 万单索赔发票

场景

售后、产品、市场提出 13 个场景，索赔发票人工初审量大易错。

核心做法

• 通过 MCP 直连企业经销商管理系统
• 每月 2 万单索赔发票由 WorkBuddy 自动初审
• 企业版统一管控后，测试账号上线第二天被员工领完

应用成效

成效：企业内 AI 使用者规模扩大 10 倍以上。

来源：2026 腾讯全球数字生态大会公开报道

分类：文化传媒难度：企业级来源：腾讯云开发者社区

文化传媒：政策分析 75 倍提效

场景

员工手动处理数万字政策文件、多源数据整理与深度报告，分析周期长达数小时至数天。

核心做法

• 政策文件分析：3.8 万字材料 2.5 小时 → 2 分钟生成 7 页 PPT 报告，自动标注观点出处
• 会议纪要：2500 字纪要 50 分钟人工提取 → 60 秒生成 12 项工作推进台账
• 热点选题：每日抓取 15+ 信息源，8 分钟生成舆情监测报告
• 内容智能审核：六维度审核系统将稿件评分从 6.15 提升至 9.15，错别字检测准确率 100%

应用成效

成效：核心场景效率提升 50-75 倍。

来源：腾讯云开发者社区

分类：电商难度：企业级来源：腾讯云开发者社区

本地生活电商：运营数据驱动提效

场景

多系统数据分散、周报耗时 4-6 小时、8 人团队无专职文案、新人上手要一个月。

核心做法

• 对接团购平台、社群及会员系统，自动汇总多源数据生成运营仪表盘
• AI 批量生成商品详情页文案、社群话术与活动文案
• 基于用户分层与商品数据智能推荐活动主题，自动生成方案与效果预测
• 沉淀运营 SOP、爆品复盘、用户分群策略，新人 AI 对话快速上手

应用成效

成效：报表 4 小时→15 分钟；内容产出 +60%；活动策划 +50%；新人上手周期缩短 50%。

来源：腾讯云开发者社区

分类：政务难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

深标院：标准化专业智能体

场景

标准化研究机构希望用智能体提升专业工作效率，同时守住数据安全底线。

核心做法

• 依托 WorkBuddy 与企业微信，3 个试点部门 75 人先行先试 3 个月
• 内部累计上架 46 个技能和 3 个专家包
• 开发上线标准化专业智能体「让标准创造价值的 AI伙伴」

应用成效

成效：高频事务处理效率提升 40% 以上，全流程零数据泄露、零权限越界。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：政务难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

湾擎政务训练营：2 天 54 项场景

场景

政务服务场景碎片化、个性化强，需要快速孵化和验证 AI 应用。

核心做法

• 依托广东省政数局湾擎·WorkBuddy 政务智能中枢开营
• 22 家试点部门、8 个地市的政务骨干集中实训
• 两天产出 54 项政务 AI 场景应用，复测验证后汇编成全省场景全景图

应用成效

成效：对比原有工作方式实测平均效率提升 70% 以上，一地创新、全省复用。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：智库难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

国家数据发展研究院：科研办公辅助

场景

研究人员的時間大量耗在检索、摘录、比对和格式整理上。

核心做法

• 启用 WorkBuddy 专享版，搭配腾讯乐享知识库
• 覆盖公文起草、院务办理、知识检索和科研辅助四个场景
• 把机械性工作交给 AI，研究员专注判断与洞见

应用成效

成效：研究支撑效率明显提升。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：税务难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

深税悦悦：千万级纳税人智能咨询

场景

面向全市 1000 余万纳税人、缴费人的咨询，人工坐席无法全覆盖。

核心做法

• 基于 ADP 构建税务咨询智能体「深税悦悦」
• 从一问一答升级为办问一体，直接辅助办理
• 咨询数据回流持续优化应答

应用成效

成效：纳税人需求自助满足率超过 97%，已有 10 个省市税务局试用。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：科研难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

谛听地震科学智能体：一句话处理波形

场景

地震监测数据处理需要专业模型和部署运维，一线人员使用门槛高。

核心做法

• 中国地震局地球物理研究所将「谛听」地震波大模型封装为技能接入 WorkBuddy
• 首批上线震相拾取、事件分类、震级估算和事件定位四项技能
• WorkBuddy 负责理解需求、选择技能，波形处理交给大模型

应用成效

成效：一句话即可处理本单位监测数据，无需自行部署维护模型。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：水务难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

水务大脑：一个入口调用水务智能

场景

水务业务系统已有存量，新建 AI 能力不应推翻重来。

核心做法

• 以腾讯云专属专区为底座，建立决策、记忆、感知算力三个中枢
• 员工通过企业微信、WorkBuddy 一个入口即可调用
• 整套系统满足等保三级要求

应用成效

成效：存量系统平滑接入 AI 能力，加速水务智能化。

来源：消费日报网《腾讯云加速政务智能体落地》

分类：法律难度：企业级来源：消费日报网《腾讯云加速政务智能体落地》

法镜：法律业务智能体底座

场景

法律业务的核查、核对与流程管控高度依赖人工经验。

核心做法

• 中律科技与腾讯云联合发布法律业务智能体底座「法镜」
• 与 WorkBuddy 深度结合
• 首批上线网络核查、内核核对和案件全流程管控三个场景

应用成效

成效：法律专业能力产品化，可按场景调用。

来源：消费日报网《腾讯云加速政务智能体落地》