WorkBuddy + 通义灵码深度整合

WorkBuddy + 通义灵码深度整合：双 AI 引擎驱动真实项目开发全流程

**#WorkBuddy#** | **#通义灵码#** | **#AI编程#** | **#实战教程#**

前言

在日常开发中，我们经常需要在不同工具之间切换：用 IDE 写代码，用 AI 助手查资料，用另一个工具做自动化。能不能把 WorkBuddy 的桌面级执行能力和通义灵码的代码生成能力结合起来，打造一个「全自动」的开发工作流？

答案是**可以**。本文将通过两个完整实战案例，演示如何把 WorkBuddy 和通义灵码（Lingma IDE）串联使用——从环境搭建到项目交付，全流程 AI 驱动。

一、为什么选择这个组合？

| 能力 | WorkBuddy | 通义灵码（Lingma） |

|------|-----------|-------------------|

| 核心定位 | 桌面 AI 智能体，操作本地文件/系统 | 阿里 AI 编程助手，VS Code 内核 |

| 擅长领域 | 文件管理、自动化执行、多工具编排 | 代码生成、Bug 修复、代码审查 |

| 模型 | 腾讯混元等 | Qwen3 系列 |

| 工作模式 | Craft / Plan / Ask 三模式 | Agent / Edit / Ask 三模式 |

| 独特优势 | 可直接运行命令、管理文件、定时任务 | VS Code 原生体验、MCP 扩展支持 |

两者互补：WorkBuddy 做「调度大脑」和「文件管理」，Lingma 做「代码引擎」——一个负责协调，一个负责编码。

二、环境准备

2.1 前置条件

• Windows 系统（macOS/Linux 同理，路径调整即可）
• 已安装 WorkBuddy 桌面客户端
• 已安装通义灵码（Lingma IDE）
• Node.js / Python 环境（按项目需求）

2.2 确认 Lingma 可用

打开终端，验证安装：

"D:/Program Files/Lingma/bin/lingma.cmd" --version

预期输出类似：v0.11.1 (VS Code 1.106.3)

2.3 WorkBuddy 中加载 Lingma Skill

在 WorkBuddy 对话中直接调用 Lingma Skill 即可，无需额外配置。Skill 封装了 Lingma 的 CLI 接口，支持三种工作模式：

• **agent 模式**：智能体模式，自动执行多步任务（复杂项目首选）
• **edit 模式**：编辑模式，修改代码（重构、修 Bug）
• **ask 模式**：问答模式，不修改代码（代码审查、提问）

三、实战案例一：用 AI 全自动搭建 REST API 项目

需求描述

搭建一个 Python Flask REST API，包含用户注册、登录、JWT 认证、数据库 CRUD 功能。

第一步：WorkBuddy 初始化项目结构

在 WorkBuddy 中输入：

帮我在 C:\projects\flask-api 创建一个 Flask REST API 项目，

包含以下文件结构：

- app.py（入口文件）

- requirements.txt（依赖）

- config.py（配置）

- models/user.py（用户模型）

- routes/auth.py（认证路由）

WorkBuddy 会直接创建目录和基础文件。

第二步：用 Lingma 生成核心代码

通过 WorkBuddy 调用 Lingma Skill，逐模块生成代码：

# 让 Lingma 生成 Flask 应用入口

lingma chat -m agent --add-file config.py "生成 app.py：

初始化 Flask 应用，配置 SQLAlchemy 连接 SQLite，

注册 auth 蓝图，添加 CORS 支持，启动 debug 模式"

# 生成用户模型

lingma chat -m agent --add-file config.py "在 models/user.py 中创建 User 模型：

字段包括 id、username、email、password\_hash、created\_at，

使用 werkzeug 进行密码哈希，添加 to\_dict 方法"

# 生成认证路由（注册 + 登录 + JWT）

lingma chat -m agent --add-file models/user.py --add-file config.py "

在 routes/auth.py 实现：

1. POST /api/auth/register - 用户注册（验证邮箱格式、密码长度）

2. POST /api/auth/login - 用户登录（返回 JWT token）

3. GET /api/auth/me - 获取当前用户信息（需 JWT 认证）

使用 PyJWT 生成 token，添加完整的错误处理和参数校验"

第三步：验收与测试

代码生成完毕后，WorkBuddy 可以直接帮你运行测试：

帮我在 flask-api 目录安装依赖并启动服务，

然后用 curl 测试注册和登录接口是否正常

WorkBuddy 会执行 pip install、启动 Flask、发送测试请求，把结果直接反馈给你。

结果

整个项目从零到可运行，人工操作时间不超过 **10 分钟**。核心代码由 Lingma 生成，项目管理由 WorkBuddy 完成——你只需要审核代码质量。

四、实战案例二：前端 Vue3 管理后台

需求描述

搭建一个 Vue3 + Element Plus 的后台管理系统，包含登录页、仪表盘、用户列表（CRUD）、路由守卫。

工作流

Step 1：WorkBuddy 创建项目脚手架

帮我在 C:\projects\vue-admin 创建一个 Vue3 项目，

使用 Vite 构建，安装以下依赖：

- vue-router

- pinia

- element-plus

- axios

- @element-plus/icons-vue

Step 2：Lingma 生成各页面组件

# 生成登录页面

lingma chat -m agent "

在 src/views/Login.vue 创建登录页面：

- Element Plus 表单（用户名 + 密码）

- 表单验证（必填 + 邮箱格式）

- 登录按钮调用 Pinia store 的 login action

- 登录成功跳转到 /dashboard

- 全屏居中布局，带渐变背景"

# 生成用户管理页面（完整 CRUD）

lingma chat -m agent "

在 src/views/Users.vue 创建用户管理页面：

- Element Plus 表格展示用户列表

- 搜索框 + 新增按钮

- 新增/编辑弹窗（对话框表单）

- 删除确认（MessageBox）

- 分页组件

- 通过 axios 调用 /api/users 接口

- loading 状态处理"

# 生成路由守卫

lingma chat -m agent "

在 src/router/index.js 实现路由守卫：

- 未登录跳转到 /login

- 已登录访问 /login 重定向到 /dashboard

- 白名单路由：[ '/login' ]

- 从 Pinia store 读取 token 判断登录状态"

Step 3：WorkBuddy 打包验证

帮我运行 npm run build 检查是否有编译错误，

如果有的话把错误信息发给 Lingma 修复

五、进阶技巧

5.1 多文件协同编辑

Lingma 支持通过 --add-file 同时添加多个文件作为上下文，让 AI 理解完整项目结构后再生成代码，质量明显更高：

lingma chat -m agent \

  --add-file src/models/user.py \

  --add-file src/models/post.py \

  --add-file src/config.py \

  "基于已有的 User 和 Post 模型，创建 comment 模型，并添加关联关系和级联删除"

5.2 使用 MCP 扩展能力

Lingma 支持 MCP（Model Context Protocol），可以接入外部工具：

# 让 Lingma 能直接抓取在线文档

lingma chat -m agent \

  --add-mcp '{"name":"fetch","command":"npx","args":["-y","@modelcontextprotocol/server-fetch"]}' \

  "参考 Flask 官方文档，生成一个符合最佳实践的 REST API 项目结构"

5.3 WorkBuddy 自动化编排

你可以让 WorkBuddy 创建一个自动化任务，每日定时检查项目代码质量：

帮我创建一个自动化任务：

每天早上 9 点，检查 C:\projects 下所有 Python 文件的代码规范，

用 pylint 扫描，把问题报告保存到桌面

5.4 代码审查工作流

# Step 1：用 Lingma 审查代码

lingma chat -m ask --add-file app.py "这段代码有什么问题？列出所有潜在的 bug 和性能优化建议"



# Step 2：用 WorkBuddy 执行修复

# 把 Lingma 的建议发给 WorkBuddy，让它逐个修改文件

六、最佳实践总结

| 原则 | 说明 |

|------|------|

| **按职责分工** | WorkBuddy 做文件操作和调度，Lingma 做代码生成和审查 |

| **分阶段生成** | 不要一次性让 AI 生成整个项目，分模块逐个生成，质量更高 |

| **多文件上下文** | 让 Lingma 加载相关文件作为参考，生成代码更准确 |

| **人审 + AI 改** | AI 生成代码后，人做最终审核，AI 执行修改 |

| **渐进式完善** | 先跑通主流程，再用 AI 逐步补充边缘情况和错误处理 |

七、总结

WorkBuddy + 通义灵码不是一个「两个 AI 聊天」的组合，而是一个**真正能干活的双引擎开发系统**：

• **WorkBuddy** 是你的「手」——操作文件、执行命令、管理项目
• **通义灵码** 是你的「脑」——生成代码、分析问题、给出建议

两者通过 WorkBuddy 的 Skill 机制无缝串联，让你从「写代码的人」变成「指挥 AI 写代码的人」。

**尝试一下，你会发现 10 分钟搭建一个完整项目不是梦。**

*本文使用 WorkBuddy 辅助撰写。如果你也在使用这个组合，欢迎在评论区分享你的实战经验！*

📌 **相关链接**

WorkBuddy 官网：https://www.codebuddy.cn

通义灵码：https://tongyi.aliyun.com/lingma

腾讯云开发者社区：#WorkBuddy# 话题