我用WorkBuddy三个月：从"这玩意儿能用？"到"离不开了"

一、先说背景

我在数据管理工作，主业是数据运营、管理咨询这些事。听起来很正经，对吧？副业是写科技类公众号文章，偶尔接点投标文件。

工作内容决定了我每天要和大量的文档、数据、政策文件打交道。今年3月开始用WorkBuddy，到现在差不多三个月，从一开始"试试看"到现在的日常主力工具。这篇不吹功能，就说真实场景。

二、三个让我觉得"这钱/积分没白花"的场景

场景1：写一份十几页的规章制度文档

我手头有份《数据管理实施细则》，初稿写了15章，大纲调了两轮缩到11章，每章下面还有若干条。传统做法是：先查公司已有的制度文件，分析结构差异，再逐章起草、反复修改。一套下来，快则两周，慢则一个月。

用WorkBuddy的处理方式是这样：我把公司以前的制度文件丢给它，说清楚新文件的定位和结构要求，让它先出一个比对分析。然后再逐章展开，每次只聚焦一两章，改好了再往下走。

关键技巧是拆对话——一个对话专门做结构分析，另一个对话写第一章到第三章，再开一个写数据安全部分。拆开对话之后，每一轮的消耗少了很多，修改也更容易定位。如果全部堆在一个对话里，到后面每次修改都要带着前面十几轮的历史，积分哗哗地跑。

最终这份文件从大纲到定稿，实际写作时间大约是3个工作日，比传统做法减少了至少60%的时间。

场景2：写公众号深度文章

我写科技类文章，最近一篇是《一年砸5万亿搞AI，第一批零人公司已经出现了》。这类文章需要查大量资料、对比数据、反复调整逻辑结构。

我的流程是：先在WorkBuddy里做一轮资料搜集，把几份行业报告的关键数据喂进去，让它帮我提取对比框架。然后我自己搭文章骨架，再让AI填充具体段落——但每段我必须自己改一遍。

这一步很关键：AI写的第一稿一定不能直接用。 我给自己定了三刀流的改稿规则：砍太顺滑的文字（读起来像溜冰的地方必须改）、砍人云亦云的观点（把那些"这话好像在哪听过"的段落整段删掉）、砍花哨的表达（短句子短段落，开门见山）。改完之后，文章读起来才像"人写的"。

场景3：闲鱼自动上架

这是个纯技术活。我在闲鱼上卖点闲置，手动上架太麻烦，就想做个自动化工具。用Playwright + CDP协议连接Edge浏览器，自动填写商品信息、上传图片、点击发布。

WorkBuddy在这个场景里干的事是：帮我写核心脚本、调试Playwright的CDP连接问题、处理各种异常情况（比如元素找不到、弹窗遮挡）。如果你写过Playwright就知道，连Edge的调试端口、等页面加载完、处理浏览器上下文这些细节很烦人。它帮我省了至少80%的查文档时间。

三、关于积分，我踩过的坑

刚用的第一周，500积分两天就空了。研究了一阵才发现问题：

坑1：Auto模式吃积分大户。 我以为Auto模式会自动选最优模型，结果一个简单的格式转换也被分配了高级模型。后来改手动选MiniMax处理轻量任务，消耗直接降了三分之二。

坑2：一个对话干到底。 前面说了，对话越长每轮消耗越大。我现在给自己定了个规矩：超过15轮就开新对话，新对话里用一句话总结一下之前的结论就行。

坑3：忘了签到。 每天签到能拿100积分，连着7天第7天给1000。我是那种容易忘的人，后来设了闹钟才坚持下来。一个月签到加上偶尔写写社区文章，积分基本够用了。

四、说点实话

WorkBuddy不是万能的。做深度数据分析的时候，它不如专门的BI工具。写长文档时，超过5000字的内容它容易"走神"，需要分段喂。第一次用的时候也有学习成本——你得知道怎么拆任务、怎么选模型、什么时候开新对话。

但它的优势也很明显：把"自己动手"变成了"说清楚让它干"。以前花两小时做的事情，现在可能20分钟就搞定了。多出来的时间，我可以去研究WebGL动画，或者多读几份行业报告。

最后给新用户一个建议：别上来就想着"让它一次搞定"。把大任务切成小块、每个对话保持干净简洁、该手动选模型就别偷懒——做到这三点，积分够用，效率也够高。