WorkBuddy深度使用心得：我是如何与AI助手建立默契的

用好AI工具，很多人第一步就走偏了。他们以为直接提问就好，但其实还有更关键的一步——在启动前，先给AI“注入灵魂”。否则，你得到的只会是放之四海而皆准的“正确的废话”。

最重要的第一步：三个身份文件

很多人用AI的第一反应是直接提问题。但WorkBuddy有一个被低估的功能——启动时会自动读取三个配置文件：SOUL.md（AI的灵魂）、IDENTITY.md（AI的身份）、USER.md（你的背景）。

这三份文件，是你们之间建立默契的基石。一份好的配置，能把AI从“对谁都一样的通用助手”变成“只对你有用的专属伙伴”。

SOUL.md — 定义AI的性格和行为准则

别写“你要热情、专业”这种废话。要写具体的、可执行的行为边界。

以一份写得不错的SOUL.md为例，它的核心内容大概是这样的：

• 【核心信条】
  真诚帮忙，不搞表演式热情。不说“很高兴为您服务”，直接干活。
• 先自己想办法。读文件、查上下文、搜资料，带着答案回来。
• 不确定就查，查不到就说查不到。不凭感觉下结论。
• 做不到的事不承诺，没验证的事不包装成确定的。

• 【边界】
  私事不外泄，不确定时先问，不替我做决定。

• 【气场】
  干正事时 — 专注、直接、靠谱；闲聊时 — 有幽默感，能接梗，不谄媚不刻板。

写这份文件的心得在于：别照着模板填，要写出你真正在意的原则。比如“不凭感觉下结论”这条，就是基于一种常见问题——AI自信满满地给出错误答案，这事儿太常见了。

USER.md — 告诉AI你是谁

这里的关键不是写简历，而是写AI需要知道的上下文信息。

看看反例和正例的区别：

❌

“我是一名互联网从业者，有两个孩子，喜欢读书和跑步。”

✅

“【工作内容】主要负责公司内部OA系统的开发与维护，经常需要处理技术方案评审和项目进度汇报的文档。
【家庭情况】家庭成员：我自己、妻子、大女儿（11岁，五年级）、小儿子（2岁）。平时工作较忙，家庭教育的决策主要由我主导。
【学习方向】正在学习Go语言和Kubernetes，希望能用于公司新项目。
【格式偏好】技术文档喜欢Markdown格式，汇报材料偏好结构清晰的PPT大纲。”

区别在哪？第二种写法给了AI实际可用的信息。工作内容决定了AI可以帮你处理哪些类型的公文；家庭情况让它能在聊家庭教育时对号入座；学习方向让它能推荐适合你的技术内容；格式偏好则让它知道该输出什么。

IDENTITY.md — 定义AI的角色

这是最容易写但也最容易写废的文件。经验之谈：不要写抽象的人设，要写可验证的角色标签。

【我是谁】
名字：小巴
定位：干活时是专注靠谱的AI助手，放松时是能聊天的伙伴
风格：可盐可甜。正事专注利落不废话，平时轻松有幽默感

核心原则：AI的角色标签要和你的真实需求匹配。如果你每天让它写公文、处理数据，“可盐可甜”不是最重要的事——

才是。

实战：让AI给出有针对性的建议

身份文件搭好了，接下来看一个实际例子——怎么让AI给出对你真正有用的回答。

一个对比：通用回答 vs 定制回答

试着问WorkBuddy同一个问题：“对家庭教育有什么看法？”

“家庭教育是孩子成长的基础，父母应给予爱与边界，注重言传身教，营造良好的家庭氛围，多鼓励少批评……”

方向对，但像教科书——谁看了都觉得有道理，但不知道从哪下手。

“考虑到你的工作性质和孩子年龄，建议分龄施策。对于11岁的大女儿，重点放在学习习惯和青春期沟通上，别因为工作忙而只关注成绩。对于2岁的小儿子，这个阶段培养安全感和规律作息比什么都重要。你不是每天陪小女儿入睡吗？这个习惯很好，质量 > 时长。另外，你性格偏内敛，对孩子要求严格，需要提醒自己别把工作中的高标准完全套用到家庭教育上。”

完全不一样了——不是更好听的道理，而是可以直接操作的具体动作。

为什么差距这么大

因为身份文件里的信息被用上了：

身份文件提供的信息	AI怎么用的
两个孩子，11岁和2岁	分龄施策，不做笼统建议
用户性格偏内敛、要求严格	提醒“别对孩子期望过高”
每天陪女儿入睡	肯定已有做法，“质量 > 时长”

这就是好配置的威力：不是让AI更聪明，是让它更懂你。

一个实操技巧：追问比首问重要

AI的第一次回答往往偏通用，但如果你追问一句——

回答立刻从“父母应给予爱与边界”变成了“今晚和孩子单独待10分钟，不问学习，只听他说”。

把抽象建议变成具体动作，是让AI从“说得对”变成“用得上”的关键一步。

进阶：自定义模型配置的踩坑实录

为什么配自定义模型

WorkBuddy默认模型已经很好用，但为了对比不同模型的能力差异（推理深度、中文理解、回答风格），我于是配了两个自定义模型。

配置入口在 WorkBuddy 的配置目录下的 models.json 文件，格式是标准JSON：

[
  {
    "id": "gpt-5.5",
    "name": "gpt-5.5",
    "vendor": "Custom",
    "url": "(你的API服务地址)",
    "apiKey": "sk-xxx",
    "supportsToolCall": false,
    "supportsImages": false,
    "useCustomProtocol": false
  }
]

踩坑一：URL路径差了一个 /v1

配置完两个模型后，WorkBuddy里都显示“未连通”。

排查过程：

Step 1: curl测试API端点 → HTTP 200 ✅
Step 2: 简单对话测试 → 正常返回 ✅
Step 3: 中文测试 → 回复完整 ✅
Step 4: 大prompt测试(1600 token) → 秒回 ✅
Step 5: 检查WorkBuddy实际请求路径……

根因：WorkBuddy在 useCustomProtocol 设为 false 时，会自动在URL后拼接 /chat/completions。

配置是：

"url": "(服务商地址):端口号"

实际请求变成了：

(服务商地址):端口号/chat/completions ← 少了 /v1

正确的：

(服务商地址):端口号/v1/chat/completions ← 这才是对的

改成 "url": "(服务商地址):端口号/v1" 瞬间连通。

踩坑二：中文编码看运气

另一个模型用同样的配置格式，API连通、英文正常、但中文输入全部乱码。发“你好”，模型收到的是乱码字符。

排查确认是API中转站的编码层问题，客户端改不了。

排查方法总结：

检查项	命令
API连通	curl -s -o /dev/null -w "%{http_code}" (API地址)/v1/models
对话测试	curl (API地址)/v1/chat/completions -d '{"model":"模型名","messages":[{"role":"user","content":"say 1"}]}'
中文测试	同上，content改成“你好”
URL路径	确认末尾是否包含 /v1

总结：和AI建立默契的几条心得

一个月下来的核心感受：AI的能力上限由模型决定，但AI对你的有用程度由你决定。

三条黄金法则

花5分钟写身份文件，之后每次对话都在省时间。不要裸用。

同样问“怎么写好一篇文章”，第一次它给的通用建议，第二次把之前写的草稿丢给它，它直接给了针对性修改——差距巨大。

AI第一次回答偏通用是常态，不是你问得不好。追问一句“能具体到明天我能做一个什么事吗”，立刻从理论变成行动。

什么场景下AI最有用

场景	为什么
审阅文档找遗漏	AI比人擅长结构化检查
数据处理和自动化	Python脚本是AI的母语
需要个性化建议	前提是给了足够上下文
学习新知识	AI能按你的水平调整解释深度

什么场景下AI容易翻车

场景	问题	对策
凭感觉下结论	AI会自信地给出错误答案	要求它注明信息来源或自己验证
文件操作	可能损坏格式或丢失数据	永远先备份
情感问题	通用回复缺乏温度	追问“基于我的情况”来收紧范围

最后的话

用好AI不需要技术背景。需要的是：

剩下的，让它去试、去修、去优化。你的精力应该留给做判断，而不是做执行。