AI,成为我的
工作伙伴
从 WorkBuddy 出发的智能体实践与思考
开场
一位不懂 Git 的运营同事,
完成了 37 次提交
没有背命令,没有配置复杂环境。她只是在 WorkBuddy 里,把想做的事说清楚。
- 角色
- 运营同事
- 方式
- 自然语言 + AtomGit MCP
- 结果
- 创建、提交、持续维护
从整理资料、维护目录和 README,到形成提交记录,协作过程都在对话中完成。
范围与变化
工具会变,
工作方法留下
这次分享不局限于 WorkBuddy。我更想讲清楚,怎样让 Agent 了解工作、调用工具、完成任务,并把成果保存下来。
- 01回答问题
一次对话,解决一个临时问题。
- 02完成任务
理解目标,连续执行,交付结果。
- 03形成能力
读取资料、调用工具、保存成果,下次继续。
AI 不是知道得更多的聊天框,而是能够接住工作、留下成果的伙伴。
WorkBuddy 是现在的重要入口,但真正值得带走的,是一套可以跨模型、跨智能体继续使用的方法:给资料、说标准、配工具、留结果。
办公协同
一个助理,
串起分散的办公信息
把企业微信、腾讯会议、腾讯文档、邮箱、微盘和机器人连接给同一个助理,再围绕任务调用它们。
- 先说任务说明范围、时间和最终想得到什么
- 跨系统找从日程、会议、邮件、文档和微盘补齐信息
- 结果回来去重、分类、整理,再通过机器人推送到企业微信
过去,我们先想文件在哪里;
现在,我们先说清楚要完成什么。
真正重要的不是“连了多少工具”,而是让同一个助理围绕同一项任务连续工作。
日常积累
日常记录,
长成周报和月报
工作发生后随手告诉它,会议、沟通、录音和项目进展进入当天记录;周末不再从头回忆,而是基于持续积累形成报告。
周报不是周五才开始写的。它是每天积累出来的。
文字、会议和工作录音都可以成为资料来源;AI 负责整理,人负责核对事实、项目状态和下一步计划。
持续任务
持续监测,
把时间留给判断
Agent 定时查询数据集和行业动态,把摘要送到飞书,把完整历史留在 AtomGit;我把精力放在变化意味着什么。
以前寻找和整理数据;现在判断变化,决定下一步行动。
从经验到 Skill
把一次成功,
变成稳定能力
公文格式化从一套规则开始:说明标准、提供样例、反复验证,再沉淀成 Skill 和在线、离线工具。
提示词解决一次任务;Skill 保存方法、边界和步骤,更稳定地解决一类任务。真正需要沉淀的,还包括样例、验收标准和使用中发现的错误。
项目协作
以前我记 Git 命令,
现在我只需要记住
自己要解决什么问题。
- Agent 负责执行
- 建项目、写代码、跑测试、整理文档与提交说明
- 人负责判断
- 需求、方向、约束、安全与最终验收
代码可以让 Agent 写,但需求、方向和最终验收仍然由人负责。
我先说清问题和使用者,再确认方案;Agent 创建项目、编写代码、运行测试。我查看结果、指出偏差,最后由 Agent 整理文档和提交说明,一起推送到仓库。
从想法到项目
不会写代码,
也可以参与项目
先把业务问题想清楚,和 Agent 确认方案、检查结果,再把代码、文档和提交说明一起推送到仓库。
ATOMGIT_TOKEN="你的Token" npx -y @atomgit.com/atomgit-mcp-server
- 非技术同事
- 从业务问题出发,也能创建工具、维护仓库、成为贡献者。
- 开发人员
- 把精力更多放在架构、约束、测试和代码审查上。
不敲命令不等于不做判断。测试、审查、安全检查和正式提交仍需由人确认。
PPT 工作流
先把内容想清楚,
再让 AI 处理形式
- 1打磨纯文本主题、受众、逻辑、逐页内容
- 2形成制作规范布局、配色、字体、图表、保留项
- 3严格执行内容套用基金会模板,不再自由扩写
边界
AI 目前仍然不是
一位可以完全放手的同事
- 01可能理解错方向先让它复述任务和方案,再开始执行
- 02复杂任务会遗漏要求拆成阶段,逐步确认,不一次性交付全部
- 03事实与数字必须复核正式材料不能只看表达是否顺畅
- 04删除、覆盖、发布必须确认不可逆操作始终保留人工检查点
让它分阶段执行:理解资料 → 给出方案 → 确认操作 → 检查差异 → 最终提交。
提高效率不等于把责任交给 AI。正式材料中的事实和数字,以及删除、覆盖、公开发布等操作,都需要人在关键节点确认。
现场交流
在你现在的工作中,
最想先交给 AI 完成的
那项重复任务是什么?
多用,不是增加聊天次数。
而是持续把真实工作交给它。
谢谢大家