WorkBuddy 最值得推荐的 15 个技能（11月最新版上篇）

程序员小灰·约 12 分钟阅读

2026年11月3日11月3日

文章目录

大家好，我是程序员小灰。

经常使用AI的朋友，恐怕没有人不知道WorkBuddy，这个国内爆火的Agent，给我们的工作和生活带来了极大的便利。

说起WorkBuddy，就离不开技能的使用。想给 WorkBuddy 装技能，每次一搜都能搜出一大串名字，其中有些技能很好用，有些技能却差强人意。

如何高效找到适合我们使用的 Workbuddy 技能呢？

从 8 月份开始，小灰每个月都会整理一期《WorkBuddy 最值得推荐的技能》，如今进入11月，我再给大家推荐15个全新的 WorkBuddy 优质技能。

这些技能涵盖了信息获取与学习、思维与决策、内容创作与演示、商业与副业这四个方向。

文章较长，建议大家先收藏、不迷路。

一、信息获取与学习

1、Agent Reach：检索并整理平台公开内容

你平常有没有遇到这样的问题：想让 AI 帮你看看 B 站最近有什么值得关注的视频，它却说访问不了？最后还是得自己搜关键词，再一个个点开看。

Agent Reach 主要解决的就是这类信息获取问题。它把不同平台的访问工具接入 AI，让 WorkBuddy 能搜索、读取公开内容，再整理成你要的摘要或清单。

小灰这次选了 B 站来测。安装后让 WorkBuddy 补齐 B 站工具和技能入口，已能在安装列表搜索确认。

装好后，小灰发了下面这句提示词：

检查 B 站近期关于 AI 大模型最新进展的热门视频

它先检查访问工具，再用「AI 大模型」「大模型发布」「AI 日报」等关键词搜索，但需要注意的是，B 站部分字幕需要登录才能获取，所以这个技能只负责找。要看懂具体内容，可以再点开原片，或者接 Summarize、YouTube Clipper 这类技能做下一步。

WorkBuddy 根据我们的需求，最终把符合要求的视频按照播放量的顺序整理成了表格：

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/Panniantong/Agent-Reach

2、Summarize：先把长文章读薄

你平常有没有遇到这样的问题：收藏了一篇长文章，知道它值得看，却一直没空读完？

Summarize 可以提取网页和媒体内容，交给 WorkBuddy 整理要点。小灰选了 Anthropic 的《Building effective agents》，看看它能不能把一篇方法文章整理成方便回看的中文笔记。

提示词如下：

请使用已安装的 Summarize 技能，总结 Anthropic 的公开文章《Building effective agents》。输出中文5个核心观点、工作流与智能体的对照表，以及给初学者的3条实践建议，保存为一份可打开的Markdown报告。

实际运行约4分钟，Summarize 命令先提取完整正文，再由当前会话整理成中文报告。这次没有额外配置摘要服务的密钥。

下面是完成后展开的执行记录，可以看到它确实调用了技能提取正文：

打开报告，内容分成5个核心观点。比如，先用简单方案验证需求，再判断是否需要更复杂的智能体；它还单独解释了什么时候适合固定步骤，什么时候需要模型自己决定下一步。下面是报告开头：

小灰觉得更方便回看的是这张对照表：流程由谁决定、适合什么任务、代价是什么，放在一起就容易分清。下面截取报告中的表格：

这份笔记适合读原文前先了解结构，或者读完后复习。文末还把原文观点和实践建议分开，避免把补充建议误当成原文结论。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/steipete/summarize

3、Academic Research Skills：从选题走到论文结构

长文章可以先读摘要，轮到自己写论文时，还需要知道去哪里找材料、各章该讨论什么。

你平常有没有遇到这样的问题：选题已经定了，面对空白文档，却不知道如何搭结构，也担心 AI 随手编出参考文献？

Academic Research Skills 按论文规划、文献研究和审阅等环节组织技能。小灰这次让它处理一个完整的小任务，提示词如下：

帮我规划一篇关于「AI Agent 在教育领域应用」的论文结构，并检索相关文献。请实际调用 Academic Research Skills，交付论文规划和分组文献阅读表，核对文献元数据，未核实的条目单列，不编实验数据。

初次安装遇到下载问题，补装后已能在技能列表找到论文规划和研究入口。执行时也实际加载了这两个子技能，下面是运行中的界面：

最终交付了两份文件：一份论文规划与文献阅读表，一份检索记录。规划提出3个研究子问题，展开为6章，并标出每章需要什么证据。

下面这张成品截图截取了章节表的主要列。它不只列出标题，还写明这一章要回答什么、可以如何组织材料：

文献表收录9篇，分成教育智能体、教育对话与人机协同、通用智能体基础三组。每篇附作者、年份、来源、与选题的关系，以及精读时值得追问的问题。下面是其中一条：

这次打开核对的是官方元数据和摘要，文件也明确记录了这个范围。小灰抽查了准备展示的论文入口，题名能够对应；接下来仍要自己精读全文、检查论证，不能直接把阅读表当成完成的文献综述。

对刚开始写论文的人来说，它省掉了从零整理章节和阅读顺序的那一步，拿到规划后就有事可做了。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/Imbad0202/academic-research-skills

4、Bloom：一对一 AI 私教

你平常有没有遇到这样的问题：想系统学点新东西，网上教程一大堆，却不知道从哪里开始，也没人告诉你自己到底学会了没有？

Bloom 把学习拆成大纲、单篇课程、标注困惑、反馈和下一课几个环节。安装后可以直接告诉它想学什么，再围绕生成的课程继续交流。

小灰这次用的提示词如下：

我想零基础学 Python 数据分析，给我出一套一对一的自学课程

安装时遇到了下载和中文目录解压问题，WorkBuddy 处理后，已能在技能列表里搜到主技能 bloom-tutor。课程案例约 1 分 17 秒完成，生成了大纲和第一课两个文档。

下面这张图是生成后的对话和展开的执行记录，可以看到 4 个模块及对应学习目标：

打开大纲文件，里面列了 12 项能力，比如搭好分析环境、识别表格里的缺失与重复、提出能用数据回答的问题。每项前面都有复选框，方便对照学习进度。下面是文件本身的预览：

第一课从读者熟悉的 Excel 表格切入，讲解一张表在 Python 里如何表示，并附上示例代码和三道思考题。下面这张图展示了课程开头：

它还提示：读到卡住的地方，可以在文档旁用 ??? 标记困惑，再把思考题的想法反馈给它，继续生成下一课。这次案例交付了大纲和第一课，读完后可以继续反馈困惑。

有一点需要提醒：虽然写着零基础，大纲和第一课里已经出现不少数据处理术语。完全没写过代码的读者，可能还需要让它放慢节奏、拆小练习，不能只看生成了课程就认定适合自己。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/Li-Evan/Bloom

二、思维与决策

5、魔鬼代言人：让别人先来挑毛病

学习时需要有人讲清楚，做计划时有时更需要有人反对一下。

你平常有没有遇到这样的问题：一份计划自己越看越满意，拿去讨论，却发现别人问的几个问题都没考虑过？

魔鬼代言人（Devil’s Advocate） 会找出方案里的隐含假设，再追问证据和失败条件。小灰这次选了一个日常活动策划案例：请它给周末旧书交换方案挑毛病。

提示词如下：

请实际读取并使用已安装的 devils-advocate 技能，审查下面这份周末旧书交换活动方案。

方案：社区活动室周六14点到17点举办旧书交换；参与者每带一本书领一张换书券，每张券可换任意一本书；不提前报名，不限制书的类别和品相；计划安排2名志愿者负责收书、发券和维护秩序；活动结束后未换走的书统一捐赠。请找出5个最值得担心的问题，逐项指出方案中的依据、可能后果与最小修改办法，再给不超过6项的执行前检查清单。只分析这份方案，不编参与人数、成功概率或已经取得的授权，不联系任何人，不实际举办活动。短段落、每段约100字，不用宽表格，保存并打开中文Markdown报告。

这次约1分13秒完成，生成了《旧书交换活动方案审查》文档。下面是运行中的界面，可以看到它实际加载了指定技能：

打开报告，它没有只说“注意公平”，而是追问：如果不检查品相，残破书也能换热门好书，后到的人会不会有券却无书可选？对应的修改是先验收再发券，并说明不保证能换到合意的书。

下面这张成品图，能看到它把方案依据、可能后果和最小修改办法写在了一起：

另一个容易漏掉的问题是“剩余书统一捐赠”：交书者是否同意？接收方收不收？如果捐不出去，谁负责保管？它据此列出6项执行前检查事项，下面是报告末尾：

这次5个问题都能对应到方案中的具体安排，修改动作也比较容易执行。不过，书籍验收与兑换公平有一些关联，真正落地时可以合并整理，避免重复。

它适合在活动策划、产品提案等方案初稿完成后，先帮忙查漏。把具体规则写清楚，它才更容易提出有针对性的反对意见。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/orange2ai/devils-advocate-skill

6、白毛股神 Serenity：整理投资研究问题

给方案挑完毛病，再看一个更需要分清事实和判断的场景：研究一家公司。

你平常有没有遇到这样的问题：新闻说某家公司受益，机构也持有，但具体靠什么赚钱、这些信息能说明多少，自己还没理清？

Serenity 提供一套投资思维框架，关注产业链瓶颈、机构行为和技术变化。小灰拿英伟达做了研究笔记案例，重点看它能否把问题拆清楚。

提示词如下：

用 serenity-perspective 技能研究英伟达（NVDA）的长期竞争力，重点拆解它在AI产业链中的位置，以及怎样判断机构资金的态度。区分芯片设计、制造、封装、服务器与云客户，说明利润来源和主要依赖；解释机构披露的报告期、滞后性与持股变化，给出核查表。引用资料写清日期，查不到的数字不填，不把机构持有等同看多，不给买卖建议。保存中文Markdown研究笔记。

本次约8分钟完成。执行详情确认读取了指定技能文件，随后核对公司公告和披露规则，交付一份独立笔记。

下面截取成品产业链表的前三列：各环节做什么、与英伟达有什么关系、利润从哪里来，放在一起看，比一上来判断“值得买”更容易理解。

机构部分给了一个实用的核查表，提醒对齐报告期、确认申报主体、区分股数和市值变化，再考虑是否有其他解释。下面是打开文件后的表格：

这次没有拿未经核对的目标价和收益预测填表，也没有把机构名单当成投资结论。最初报告出现过倾向前后不一致的问题，补跑后改成支持因素、削弱条件和待核对材料，读起来清楚多了。

它适合帮助准备研究清单。涉及自己的资金决策，仍需回到原始披露核对，也要考虑个人的风险承受能力。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/yijiashu/serenity-skill

7、cc-thinking-skills：提前推演计划会怎么失败

前面的魔鬼代言人是从反对意见入手，这个框架库还可以先设定一个失败结局，再倒推该提前做什么。

你平常有没有遇到这样的问题：让 AI 分析计划，它只说“注意风险、坚持执行”，看着周全，却不知道下一步该验证什么？

cc-thinking-skills 把思维方法做成可点名调用的技能。本次安装了28个，小灰选的是 pre-mortem，也叫“事前验尸”：假设计划已经失败，往回找原因。

提示词如下：

/thinking-pre-mortem 分析：假设「副业做付费专栏」计划一年后失败，最可能的原因是什么？仅做风险推演，不补作者职业、粉丝、收入或经营背景。列5项定性风险，每项包括失败路径、提前信号、最小验证动作；未知项标明，不编概率。实际读取 cc-thinking-skills 中的指定技能，保存中文Markdown。

这次约2分25秒完成文件。下面是实际运行中的截图，能看到它正在生成报告：

报告提出5条优先验证的路径：把愿意看当成愿意买、触达不到目标读者、交付达不到承诺、负担不可持续，以及有限需求被做成长专栏。

每项还写了早期信号。比如，来访者反复问“这是给谁的”、试用者找不到购买入口，都值得在推广前排查。下面是成品中的一项：

更方便接着用的是最后5项计划变更：先验证问题、样章和报价，走通访问路径，再检查交付与后续用途。下面是文件中的动作清单：

首轮曾擅自补背景，点名框架并标明未知后才得到可用结果。风险是推演假设，清单的用途是安排下一步验证，不能当成真实失败概率排名。

安装方式

直接对 WorkBuddy 说：

帮我安装这个技能： https://github.com/tjboudreaux/cc-thinking-skills

三、内容创作与演示

8、YouTube Clipper：从长视频里挑出完整片段

前面几项主要帮我们整理想法，接下来看看能直接产出文件的技能。

你平常有没有遇到这样的问题：一段演讲里有几个片段很适合分享，自己找切点、翻译、对字幕，却比想象中费时间？

YouTube Clipper 可以结合真实字幕划分章节、挑片段，再完成剪辑和字幕烧录。小灰选了 Matt Cutts 的 TED 演讲《尝试新事物30天》，提示词如下：

请使用 youtube-clipper 技能，剪辑 Matt Cutts 的 TED 演讲《Try something new for 30 days》。获取官方公开视频和带时间戳的英文字幕，按语义分章，选出2个各20—45秒、语义完整的片段，生成带中英双语硬字幕的MP4、双语SRT、章节表与发布文案。若YouTube源不可访问，可用同一演讲的TED官方公开视频和字幕，记录来源，不使用账号或Cookie。

这次从 TED 官方源取得了同一场演讲和英文字幕，用时约16分钟。WorkBuddy 还补装了字幕依赖，修正剪点不精确的问题，最后导出两条成片。

下面是完成后展开的原始执行记录，能看到它读取技能脚本、检查字幕和处理剪点：