用 WorkBuddy 从零打造一本 AI 科普书——我的《ZZZ白话讲AI》创作实录

标签： 腾讯云OpenClaw玩虾大赛

一、项目简介：为什么要写这本书？

作为一名长期关注 AI 领域的开发者，我发现一个尴尬的现象：市面上的 AI 教程要么太学术（一堆术语让人望而却步），要么太零散（只教你怎么用工具，不讲底层逻辑）。很多职场新人和大学生想入门 AI，却不知道从何下手。

于是，我萌生了写一本"零基础也能看懂"的 AI 科普书的想法——《ZZZ白话讲AI》。这本书的定位很明确：

• 目标读者：零基础职场人士、大学生
• 核心目标：用大白话讲清楚 AI 的基本逻辑，让读者能听懂、能复述
• 内容规划：9个主线章节 + 5个扩展章节，涵盖从"什么是大模型"到"AI编程工作流"的完整体系

但问题来了：我一个人，如何在有限的时间内完成这么大体量的内容创作？

答案是：WorkBuddy。

二、选择 WorkBuddy 的原因

在决定创作工具时，我对比了几种方案：

WorkBuddy 吸引我的地方在于三个核心能力：

1. 多模型一键切换：Kimi、GLM、DeepSeek 想用哪个用哪个
2. 长程任务处理：项目级的记忆功能，不会写着写着就"失忆"
3. 文件直接操作：可以直接读取、修改项目文件，不用复制粘贴

三、完整操作步骤：我是如何用 WorkBuddy 完成这本书的

第一步：项目初始化

打开 WorkBuddy，创建工作空间，将项目文件夹关联进去。

关键操作：

• 让AI在项目根目录创建 .workbuddy/memory/ 目录
• 让AI建立每日工作日志文件（如 2026-04-09.md）
• 让AI创建项目级 Skill（如"文章转化为章节"的工作流程）

这样，WorkBuddy 就能记住项目的整体结构和我的写作规范。我还会在 .workbuddy/memory/ 中记录每天的工作内容和关键决策，形成项目的"工作记忆"。

第二步：多模型分工协作

我给不同模型分配了不同角色：

具体操作：

1. 先由 DeepSeek 对内容进行逻辑评审——它会检查概念是否前后一致、推理是否合理、有没有逻辑漏洞
2. 再由 GLM 进行文章评审——从读者视角看结构是否清晰、表达是否流畅
3. 最后用 Kimi 进行文字润色——把内容转化为通俗易懂的白话表达
4. 重复迭代直到质量达标

这种"评审-润色"的分工模式，让我能充分利用各模型的优势：DeepSeek 的逻辑能力强，GLM 的结构感好，Kimi 的文笔流畅。

整个过程在 WorkBuddy 中一键切换，上下文完全保留，不用重复交代背景。

第三步：资料收集与引用

在写某些章节（比如 CLI 开源分析）时，需要查找最新资料。

操作方法：

• 直接告诉 WorkBuddy："搜索 2026 年 3 月 CLI 开源的最新动态"
• WorkBuddy 会自动抓取相关信息
• 将关键数据整理后写入章节（如钉钉 CLI Apache-2.0 开源、飞书 CLI MIT 协议等）

第四步：长程任务管理

这本书的创作跨度数天，期间需要保持概念一致性。

WorkBuddy 的记忆功能帮我解决了这个问题：

• 项目级记忆：记录核心概念框架（如"两个本质"、"八部件框架"）
• 工作日志：每天的工作内容、修改决策都有记录
• 规范文件：将写作规范（如 AGENTS.md）作为系统提示词的一部分

例如，当我写到第 5 章时，WorkBuddy 会提醒我："第 4 章用的是六部件框架，这里是否保持一致？" 这避免了前后矛盾的问题。

第五步：文件直接操作

WorkBuddy 可以直接读取和修改项目文件，这是我最高频使用的功能。

典型工作流：

1. 用户：请读取 docs/04-智能体怎么工作.md
2. WorkBuddy：读取文件内容
3. 用户：请修改第三小节，将"六部件"改为"八部件"
4. WorkBuddy：直接修改文件并保存

不用复制粘贴，不用担心格式错乱，效率提升非常明显。

第六步：Skill 扩展能力

WorkBuddy 还有一个强大的功能——Skill 系统。可以安装各种预设的工作流 Skill，把复杂的任务自动化。

我在项目中安装并使用了 "求是" Skill：

"求是" Skill 的作用：

基于调查研究、矛盾论、实践论等方法论，帮助进行内容分析与架构设计

使用场景示例：

在写扩展章节《当软件不再"给人用"》时，我需要分析 2026 年 3 月 CLI 集体开源这个事件。通过"求是" Skill，我：

1. 用矛盾论分析了"人用软件"vs"软件用软件"的主要矛盾
2. 梳理了 CLI-Skill-API 三层封装架构的逻辑
3. 得出了"SaaS 下沉与生态重构"的次要矛盾

这种系统化的分析方法，让我的文章有了更深入的思考框架，而不仅仅是现象描述。

Skill 的安装也非常方便——在 WorkBuddy 中一键安装即可使用，不需要复杂的配置。

四、项目成果展示

经过持续创作，项目最终成果如下：

主线章节（9章）：

1. 两个本质搞懂大模型
2. 从 ChatGPT 到智能体
3. 大模型派与驾驭工程派
4. 智能体是怎么"干活"的
5. 拆开 OpenClaw 和 Claude Code 看本质
6. 从懂到用——AI提效实践指南
7. AI的"手艺"与"工具箱"
8. AI编程工作流
9. AI是你的老师，也是你的镜子

扩展章节（5章）：

• 上下文工程
• AI时代的编程语言选择
• 为什么需要多个AI一起工作
• 构建好的AI Agent
• 当软件不再"给人用"

项目数据：

• 总字数：约 8 万字
• Markdown 文件：14 个
• Git 提交：数十次
• 创作周期：持续迭代中

五、使用体验：一天搭建知识库，协作中共同成长

快速搭建个人知识库

最让我惊喜的是 WorkBuddy 的效率。

从开始构思到搭建起完整的知识库框架，我只用了一天左右的时间。这包括：

• 9个主线章节的框架设计
• 5个扩展章节的定位规划
• 项目规范的建立（AGENTS.md）
• 术语表的整理
• 工作记忆系统的搭建

这种效率在传统写作方式下是难以想象的。WorkBuddy 不仅是一个工具，更像是一个"项目合伙人"——它帮我处理繁琐的格式整理、资料收集、章节衔接检查，让我可以把全部精力集中在内容创作本身。

与 AI 协作的成长感悟

在使用 WorkBuddy 的过程中，我获得的不仅是"写书"这个成果，更重要的是与 AI 协作能力的提升。

一个具体的例子是：在写第 4 章"智能体怎么工作"时，我最初想的是"把八个部件逐一介绍"。但通过与 WorkBuddy 的对话，我逐渐意识到应该从读者的问题出发——"AI 为什么不会一直停在聊天框里？"这个转变让整章内容更贴近读者，而不是变成技术说明书。

这种"在协作中迭代认知"的过程，对我的知识体系构建有很大的帮助。我不仅输出了内容，也在这个过程中重新梳理了自己对 AI 的理解。

六、使用中发现的问题与建议

在使用 WorkBuddy 的过程中，我也遇到了一些问题：

1. 记忆文件的格式规范

项目级记忆文件需要手动维护格式，刚开始时 YAML frontmatter 的 version 字段有时写字符串、有时写数字，导致格式不统一。

建议：可以增加自动格式检查功能。

2. 长文处理的上下文限制

虽然 WorkBuddy 有记忆功能，但在处理超长章节（如 5000 字以上）时，偶尔还是会出现"忘记"前文的情况。

workaround：将长章节拆分为多个小节，每小节控制在 2000 字以内。

3. 多模型切换的上下文同步

不同模型对上下文的理解有细微差别，切换后偶尔需要补充交代背景。

workaround：在项目中维护一个"核心概念词典"，作为所有模型共享的上下文。

七、未来使用计划

这本书的创作只是开始，我计划继续使用 WorkBuddy 完成以下工作：

1. HTML 版本制作

将 Markdown 内容转换为交互式 HTML 页面，增加章节导航、术语提示等功能。

计划：

• 使用 WorkBuddy 生成 HTML 模板
• 自动转换所有 Markdown 文件
• 增加搜索和索引功能

2. 口播短视频制作

将书中的核心观点转化为短视频脚本，方便在抖音、视频号等平台传播。

计划：

• 用 WorkBuddy 提炼每章的"金句"
• 生成 60 秒口播脚本
• 配合 AI 配音工具制作视频

3. 内容持续迭代

AI 领域变化很快，书的内容也需要持续更新。

计划：

• 每月更新一次扩展章节
• 跟踪最新的 AI 产品和趋势
• 用 WorkBuddy 快速生成新章节草稿

八、总结

回顾整个创作过程，WorkBuddy 给我的最大感受是：它不是一个"更聪明的聊天机器人"，而是一个"真正懂我项目的协作伙伴"。

多模型切换让我可以"一个任务，多个专家会诊"；长程记忆让我可以放心地分阶段创作，不用担心"写着写着就乱了"；文件直接操作让我可以把精力放在内容本身，而不是复制粘贴。

如果你也在进行需要长期投入的内容创作项目，我强烈推荐试试 WorkBuddy。

项目仓库：https://github.com/yourname/ZZZ-Simple-AI

创作工具：WorkBuddy（https://copilot.tencent.com/work/）

使用模型：Kimi K2.5、DeepSeek V3.2、GLM 5.1