20年架构老兵的AI探索，让WorkBuddy帮你超越身边的人

关注腾讯云开发者，一手技术干货提前解锁👇

李伟山是一位有着 20年从业经验的架构师，也是腾讯云架构师同盟的明星成员，此前曾在腾讯云开发者账号上分享了多篇 AI Agent爆款文章：

一文讲透如何构建Harness——六大组件全解析

从零设计生产级 Multi-Agent Harness：架构、评估、记忆、成本与 MCP 工具接入全拆解

从Prompt、Context到Harness，工程的三次进化与终局之战

现在，他的日常工作是设计toB智能体系统。每天花 40% 的时间写方案做架构，60% 的时间做需求调研和设计。

我们了解到，在他的workflow里，WorkBuddy已经成为了一个核心节点，在一声声“很好用” “真的很好用”的夸赞中，我们对他进行了采访，看他是如何玩转WorkBuddy 的。

01、为什么一个架构师需要内容生产力？

传统印象里的架构师，日常工作可能是画架构图、写技术方案、对接上下游规划整体工作，为什么他却在做教程和早报？

因为 2026年，AI架构师的工作很大程度上被AI重塑了，写代码画架构图已经不是最燃眉之急的场景，更棘手的问题，往往来自于AI知识的快速迭代与范式更新。

他的日常是这样的：

• 团队里不断有人问"这个新工具怎么用"
• 老板要他给全组做AI工具培训
• 自己要跟踪行业动态，每天有几十篇论文和产品发布要看
• 还得把这些信息整理成别人能看懂的东西

以前他是怎么做的？

自己写提示词，去各个网站收集信息，手动整理成文档或HTML页面，一个教程从调研到排版，少说一整天。

直到有一天他发现，这些重复性的知识生产工作，完全可以让AI来做，前提是你得教会它要什么。

02、10分钟，17500字的教程

这是他用WorkBuddy跑出的一套典型案例。

需求：给团队做一份《Codex从入门到精通》教程，内容要全面、有深度、带配套图表。

以前：自己查官方文档、看视频、整理笔记、写大纲、填内容、做排版。保守估计1-2天。

现在：打开 WorkBuddy，召唤"深度研究"专家。

一句话："帮我深度调研下 Codex 从入门到精通的教程。"

WorkBuddy自动做了什么：

1. 调出"深度研究主理人"专家，制定了完整的5阶段研究计划
2. 拉起"课题研究员"做初始调研，确定内容框架
3. 按照"规划大纲 → 逐章研究 → 审稿 → 撰写 → 发布"的流程逐步执行
4. 最终产出一份5章、17500+字、带配套流程图的完整HTML教程

从提出需求到教程生成：整个过程不到10分钟。而且质量不是那种充斥着AI味儿的泛泛之谈。教程里有：

• Codex 工作流程图（从用户输入到代码生成的完整链路）
• Spec-kit 结构化开发工作流（/spec → /plan → /do 三阶段）
• 双AI联动工作流（Claude Code + Codex 协同）
• 每章都有实操案例和最佳实践

关键不是 AI 能搜到这些信息，而是它知道我要的不是一篇博客，是一份可以直接给团队用的教程。因为我的知识库里已经告诉了它：我们内部培训的标准格式是什么样的。

03、每早 8点自动推送 AI早报

他给 WorkBuddy 创建了一套自动化任务，每天投喂 AI领域的信息：

1. 每天早上自动调用 AI HOT 技能抓取当日AI领域资讯
2. 按5个固定板块分类：模型发布/更新、产品发布/更新、行业动态、论文研究、技巧与观点
3. 全局编号贯穿全文，方便快速定位
4. 自动生成一份完整的 HTML 页面，样式精美，带导航栏和卡片布局
5. 如果当日早8点前数据还没更新，自动回退到最近一期

每天清晨，打开电脑就能看到一份整理好的AI行业全景报告。24条资讯，6大板块，全自动。

以前是自己去刷各种网站——Twitter、Reddit、arXiv、各家产品官网。光收集信息就要小半个小时，更别说整理了。

现在这件事的人工参与度：零。

他把早报规则写得极其细致：

1. 每条资讯必须有来源标识（X/RSS/官网）
2. 每条摘要60字以内中文摘要
3. 时间必须转成北京时间ISO格式
4. 链接必须使用 target="_blank" rel="noopener noreferrer"
5. 所有样式写死在HTML里，禁止外部依赖

你给它的规则越具体，它出活的质量就越稳定。我的早报已经跑了好几个月了，几乎不用人工干预。

04、三条 AI协作原则

当我问他把 WB 用好的关键是什么时，他给了我三个很朴素但很实用的建议：

原则一：知识库先行，别让AI直接开干

新建任务的时候，先选对场景，然后在知识库里添加你业务的上下文。这样产出的质量会很高，不需要反复解释。

翻译成人话： 别每次都从一句空白提示词开始。先把你的业务背景、标准规范、常用模板喂进去。前期多花5分钟配置，后面省几十个小时。不然你就会陷入早期人类驯服 AI 的死循环中，然后……token就没了。

原则二：用好 WorkBuddy 的专家模块，别什么都自己问

不定期看看专家模块，总会发现不一样的东西。现在开放了自定义专家，可以把自己好的经验设置成专家来召唤，这样就不需要每次从头开始。

他的做法是：把自己反复用的工作流固化成专家。下次同类需求来了，召唤一下就行，不用重新描述需求。

原则三：给AI立规矩，规则越死出活越稳

在Coding场景下，他给WorkBuddy 立了这些规矩：

• 代码回答必须带文件路径
• 不许自作主张改我的测试
• 所有技术决策必须给理由

在通用场景下，一套模糊的提示词下，AI也许能发挥很好，也许可能翻车，但在Coding场景下，翻车的代价往往很大。所以，这也是为什么Harness Engineering会越来越重要，也推荐各位去设立自己的规则，这样 AI才能更加满足你的需求。

05、写在最后

当我们问到，除了WorkBuddy，你还有哪些 AI工具在重度使用时。他给的回答是Codex和Claude Code，为了满足他不同的工作场景需求。

按他的实际分工：

• Codex / Claude Code：纯写代码。需要直接在代码库里操作的时候用它们
• WorkBuddy：一切"需要理解我、记住我、帮我管理信息"的事

写代码是一个动作，但工程师的工作远不止写代码。

调研、学习、总结、培训、信息整理、知识传播，这些占了他 60%以上的工作时间。而这些事情恰恰是需要上下文连续性和个性化理解的。

WorkBuddy恰好知道这些，因为你已经教会他了。

采访最后，我们问他：能否给 WorkBuddy 一句话评价？

他说了一句很有意思的话：

超越你身边的人，WB 绝对是一把利器。

如果这波 AI浪潮终究会席卷所有人，就像那个经典的地狱笑话里说的，两个人在森林里被熊追赶，跑肯定是跑不过熊，但如果你能跑得比另一个人快，存活下来的可能性是不是更高？

所以，用好WorkBuddy并不是用AI帮你偷懒，是让AI放大你的能力，帮你做到周围人做不到的事儿。

而把 WorkBuddy 用好的方法其实很简单：

1. 把你的业务知识喂进去（花一次时间，省无数次重复）
2. 把常用工作流固化成专家（下次一键召唤）
3. 能自动化的就自动化（让AI替你值夜班）

他只花了 4 个月就把自己变成了「一人 AI培训部门」，你也可以。

欢迎评论区分享你的WorkBuddy实践，如果你有好用的工程师视角的体系方法论，请联系我们对你进行采访，你的经验将有机会发布在本公众号上，我们也将为你送出精美的腾讯周边礼品一份。

-End-