把 AI 当同事用：连用 81 天 WorkBuddy 之后，我总结的几条实话

使用心得 · 原创体验 · 数据截至 2026-09-21

我的数据统计

图 1 · 81 天使用数据总览（数据来源：本机 WorkBuddy 数据库）

先说结论：WorkBuddy 值得用，但它不是装完就能躺赚的魔法盒子。能不能用好，取决于你肯不肯花一两周把它调教成自己的样子。我是一个做对日贸易的普通人，不是程序员，写代码靠现查现学。下面这些话，全部来自我 7 月 3 日到 9 月 21 日这 81 天的真实使用记录——91 个会话、49 个真正干活的日子、83 个自己装的技能、48 次自动任务执行。数据都是从我本机的数据库里拉出来的，不是感觉。

我拿它干什么

我的日常跟大多数人想象的"AI 使用场景"不太一样。我每天要碰的东西是：日文的合同和投标文件、报关单据、几十页的 PDF 图纸、外汇行情、还有要日更的自媒体。

举几件真事。投标前要审的日文招标文件动辄上百页，以前我自己一行行啃，现在扔给 WorkBuddy，让它把延期交货、违约金、保证金这类要命的条款单独拎出来，我再人工核对那几页。这活它干得比我快，也比我稳——人翻到第四十页会走神，它不会。

PDF 里抽图片这种脏活它也接。有一种"4 分割写真一覧"的资料，一张 A4 塞四张现场照片，我要的是照片本身。它用脚本把图完整抽出来存成 JPG 和 PNG，顺带把成本计算表里的公式错误也揪出来过一次——那个错误我们内部审了好几轮都没发现。

再就是每天早上的信息汇总。日元汇率、行业动态、日本这边的政策新闻，它按我定的信源优先级抓一遍，压成一页简报。日文原样保留，中英文翻成中文。以前我刷半小时新闻还怕漏，现在看五分钟。

公司网站的内容更新和博客日更也挂在它身上。这两件事琐碎、重复、没人想做，恰好是自动化最擅长的类型。

三个让我留下来的功能

第一个是 Skill（技能）。这是 WorkBuddy 和一般聊天机器人拉开差距的地方。它出厂带的技能有限，但允许你自己装、自己写。我现在装了 83 个：处理 Word、Excel、PDF 办公文档的一批，联网搜索和信息检索的一批，抓财务和海关数据的一批，还有管理它自身配置的运维类技能。相当于给一个聪明但没经验的助理，一件件配上趁手的工具。装到三四十个的时候有个明显的感觉：以前"这事 AI 干不了"的判断，一大半其实是我自己没给它配工具。

第二个是自动化。我设了两条常驻任务：每天早上 8 点把我的整套配置（人格文件、记忆、技能、数据库）同步到 GitHub 私有仓库做备份，每天上午 10 点生成当天的文章初稿。设完就不用管了，它按点自己跑，跑完留下执行记录。图 4 就是这 48 次执行的完整履历，里面藏着我踩的最大一个坑，后面细说。

第三个是记忆。它的人格设定、我的偏好、项目背景，都存在本地文件里。换台电脑，把文件带过去，它还是那个它。我的配置现在三台机器共用一份，每天自动备份。这个设计给了我一种少有的踏实感：数据在我手里，不是锁在某个云端账号里。

自己摸索出来的结构小白产出不喜勿喷

图 2 · 四层能力栈：场景、技能、记忆、模型各管一件事

用了两个月，我把它的结构理解成上面这四层。场景层决定干什么活，技能层决定能不能干，记忆层决定它记不记得住你，模型层决定花多少钱。哪层缺了，另外三层都会跟着失效。

数据不撒谎

打卡记录

图 3 · 81 天使用热力图（每格 = 一天，数字 = 当天会话数）

上面这张图是 81 天里每天的会话数。大片空白是周末和出差日。8 月中旬之后密度明显上来，不是因为我更勤快了，而是因为前面那两周的调教开始返利——技能装齐了、自动化跑通了，用它的成本降下来了，自然就用得多。

穷鬼试错表

图 4 · 16 个模型的分工分布（深色 = 自建端点）

这张图更能说明问题。81 天里我用过 16 个模型，没有一个是"全能主力"。日常杂活交给便宜快的，长文档和合同交给专门的，复杂分析才舍得用贵的。我自己还接了一个本地路由服务，把好几个外部模型端点挂在上面统一调度。分工逻辑就一条：贵的留给难的，快的留给碎的。以前我用 ChatGPT 是一个问题从头聊到尾，现在更像带一个团队，谁合适谁上。

踩过的坑，一个都不少

自己瞎鼓捣

图 5 · 自动化运行状态：8 月全卡审批，9 月恢复正常

最大的坑是图 5 这条橙色的柱子。8 月我设了每日自动任务，结果整整 29 次执行，全部卡在"待审批"状态，一次都没真正跑起来。我一开始以为功能坏了，排查了半天才发现是任务引用的工具名过期了——平台某个搜索工具改了名字，旧名字调不通，任务就卡在那等人工确认。9 月把失效的工具名换成新的、把审批回路重建之后，19 次执行全部正常。

这事给我的教训很实在：自动化不是设完就完，要定期看它的执行记录。它不会主动喊"我卡住了"，你得自己回头看。

其他几个坑，捡重要的说：

· 模型乱点菜。头一个月我随手用默认模型，干杂活也用最贵的，月末一看消耗吓一跳。后来定了规矩：什么活用什么档，写进了它的配置文件里强制执行。

· 记忆文件写太满。我早期什么都往它的长期记忆里塞，塞到后面它反而抓不住重点。现在定期清理，只留真正需要它永远记住的规则。

· 环境问题防不胜防。就在写这篇文章的当天，它执行命令时还报了个错，原因是运行环境里缺一个基础命令。这类问题它自己修不了，需要人介入——所以别指望全托管。

还有一个心态上的坑：不要在重要决策上偷懒。合同条款它帮你筛，但最后那几页我一定自己看；数字它帮你算，但关键金额我一定复核。它的输出是草稿，不是签字版。这句话我建议每个想把 AI 用进工作流的人都刻在脑子里。

什么样的人适合，什么样的人别碰

适合的：日常有大量重复性文档工作的人；要同时处理多语种资料的人；愿意花时间搭自己的工作流、并且愿意定期维护它的人。

别碰的：希望开箱即用零配置的，工作里没有重复劳动的，以及指望它替你做最终决定的。工具很能干，但方向盘得自己握着。

写给准备上手的人

几条建议，按我后悔的顺序排：先想清楚自己每周最烦哪三件重复的事，从这三件事开始配，别一上来就研究高级功能；给它的记忆文件做减法比做加法难，所以一开始就克制；自动化任务设好之后，前两周每天看一次执行记录；重要输出永远自己过一遍。

工具本身不产生价值，被用起来的工具才产生。这 81 天我最大的收获不是省了多少时间，而是终于把"AI 能干什么"这个问题，从抽象的想象变成了自己桌上的一堆执行记录。

元信息

· 目标读者：想认真把 AI 助手用进日常工作流的非技术岗从业者

· 前置知识：无，文中不涉及任何需要编程背景的内容

· 数据版本：WorkBuddy 本地数据截至 2026-09-21，文中全部数字可复现

· 预计阅读时间：7 分钟