搜索[workbuddy]结果-低调大师优秀个人博客

#WorkBuddy# 诊断别人的痛点

一、概念 **诊断别人的痛点 ≠ 帮别人做产品**。核心是判断这个痛点值不值得我花时间诊断——不是"客户说了什么"，而是"客户的哪个问题真的在持续流血、真的没人解决得了、我真的能切"。 **需求是描述，损失是账**： - "我想做报价系统" = 需求描述 - "报价算不清，每月丢 3 单，一单 2 万，一年 72 万" = 损失账只有损失账才是真痛点。听到客户说需求时，第一件事是把需求翻译成损失账——翻不出来 = 伪需求，跳过。 ## 二、Step 0｜前置分流：痛点还是信息缺口？ **（实战 2026-10-04 暴露：客户描述的问题可能不是痛点，先分流）** - **痛点** = 行业规律、别人不知道的内幕 → 走三步筛 - **信息缺口** = 公开信息、平台规则、官方文档 → **直接查，不走诊断** **判断失误代价**： - 把信息缺口当痛点 → 浪费时间诊断公开信息（案例：一辉自诊"抖音上架规则"其实是查信息就能解决） - 把痛点当信息缺口 → 跑去查（查不到），错过机会 > **分流的判断依据**：能不能"搜一下就找到"？能 = 信息缺口；不能 = 痛点。 --- ## 三、三步筛（判断真痛点） ### Step 1｜真实痛点（两个子条件，齐过才算） **1a. 经常发生 + 持续损失** - 不解决会**具体地**持续损失什么？（钱/客户/机会，说得出金额或数量） - 一次痛不算痛，天天痛才算 - 低频痛点（半年一次）不值得做产品 **1b. 想过办法、买过单、但没解决** - 客户**已经为它付过钱**（请人/买工具/请顾问）= 他自己验证过痛点真实 - **付过钱还没解决** = 痛点真实且已有方案都不管用 = 好标的 - 没付过钱 = 大概率是伪痛点，别接 ### Step 2｜方案值钱（两个子条件，齐过才成立） **2a. 客户愿意付多少** - 能明确说出来才算 - "我觉得值 5 万" vs "看你怎么收"是两回事 - 客户说不清楚 = 他不觉得值钱 **2b. 比他自己搞省多少** - 你的方案 vs 客户自搞方案的成本对比 - 差值 ≥ 你的服务价 = 成立 - 差值 < 你的服务价 = 不成立（客户自己搞更划算） ### Step 3｜我能做（三条齐过才接） - **内幕知识**：你有这个行业别人不知道的规律/坑（20 年积累，不是公开信息） - **听出信号**：客户描述问题时你能听出他卡在哪一环（不是听需求，是听痛点） - **给具体方案**：能给"你该这么做"，不是"你该往某个方向试"

2026-10-22

关于workbuddy的模型接入避坑

在使用的时候，要注意，先冲一点点，测试下具体在workbuddy能否使用#workbuddy

2026-10-19

WorkBuddy 积分到底花在哪了？

# WorkBuddy 积分到底花在哪了？我翻了本地数据库做了一次逐请求复盘 > **备选标题**（二选一，都带关键词，过审更稳） 1. WorkBuddy 积分烧得太快？

2026-10-13

WorkBuddy正式入职零跑汽车！

9 月 23 日，腾讯宣布与零跑汽车达成合作，WorkBuddy 正式入职零跑，已在整车研发、智能驾驶、车联网、采购与供应链、审计等场景深度落地。

2026-10-10

AI新手国庆拥抱Workbuddy，有点香

国庆假期一点都没放假，至少到今天都在尝试研究使用Workbuddy，作为为各种办公、孩子任务裹挟的中年人来说，不会用这样的软件，真的是OUT了，这几天看了很多关于WORKBUDDY的教学视频，很实用，也很抽象

2026-10-04

应用WorkBuddy，智能化企业知识

# 概述现代企业的知识管理，就是不断地沉淀员工经验，使之文档化、信息化。进入AI时代，则需要将员工经验、企业文档进一步智能化，既方便员工智能检索企业文档，又促使员工封装经验/技能成为企业知识，以支撑企业的竞争战略。员工经验、企业文档、IT系统，是企业知识存在的三种形态。其中前两种的智能化，投入产出比最高：企业文档多为非结构化文本，恰好落在生成式AI最擅长处理的区间；员工经验一旦封装成技能与数字专家，就不再受人员流动牵制。模型只能放大企业已经表达出来的知识，写不下来的部分它碰不到。企业知识智能化当下的分量正在于此——它决定被放大的究竟是资产还是错误。 # 一、企业知识管理的战略引领企业知识管理没有自己的独立性，这是展开全部知识工作之前必须先摆正的位置。它是一项服务性职能，服务的对象是企业战略：战略决定企业打哪一仗、靠什么赢，知识管理负责回答打赢这一仗需要哪些知识、现在缺在哪里、由谁补齐。一旦离开战略，它就只能靠文档数量、培训场次、系统访问量来证明自己存在，这也是知识管理长期叫好不叫座的根源。因此，推进企业知识智能化，第一件事是问战略要什么，第二件事才是问库里先放什么。这个判断在文献里得到过两次呼应。2002年，T.D. Wilson在《Information Research》上发表《知识管理的无稽之谈》，论证知识只存在于人的头脑之中，无法被直接管理，能被管理的只是信息；批判相当尖锐，却也承认促进学习、培育共享文化这类工作确有价值。更贴近实务的判断来自Hansen、Nohria与Tierney 1999年发表于《哈佛商业评论》的《管理知识》。他们把知识管理分成两条互斥路线：编码化，把知识写进文档与系统，服务标准化、可复用的业务；个人化，把知识留在人身上，服务高度定制、依赖专家判断的业务。他们最硬的一句话是，路线的选择并不自由，必须由竞争战略决定；试图两者兼得，会迅速损害业务。 ## 二、确定人机协同的企业知识管理机制企业知识智能化的前提，需要确定人机协同的企业知识管理机制。**Work**Buddy企业版提供了两级载体，配置两级责任人，形成两层结构： |**层级**|**责任人**|**智能体**|**知识载体**| | --- | --- | --- | --- | |企业层|企业知识库管理员|智能体首座|企业知识库| |部门层|各部门主管（本部门知识责任人）|部门数字专家|部门资料库| 这样分层有架构上的依据。Kirchdorfer等2026年关于组织记忆的研究指出，多个智能体各自建立索引，会产生知识孤岛与规则副本，政策一变就无法同步；因此架构必须拆成策展层与消费层。智能体首座承担策展层职能，负责全局口径、规则与版本；部门数字专家对应消费层，在本部门业务里使用并反馈。企业知识库由管理员在企业管理后台配置，分官方知识库与自定义知识库两类。官方知识库是平台预置的开源框架与技术规范，可按需启用；自定义知识库存放企业私有文档，支持Word、PDF、Markdown及代码文件（单文件不超过30MB），也支持压缩包（不超过300MB）与GitHub、GitLab仓库导出包。成员在客户端对话框里用@引用它，它随即成为检索增强的上下文。这里有一个容易踩空的点：企业知识库没有面向人的调阅界面。人不能像翻文件夹那样打开其中某一份文档读全文，能做的只是在对话中引用它，让智能体去检索。它的定位是模型的资料来源。资料库则相反。官方给它的定义是“人和Agent共同的产物存放地”，分“我的文档”与“团队空间”两块，权限分查看、编辑、管理、无权限四档，并且Agent与当前用户同权限——人看不到的内容，智能体也读不到。人可以在里面组织目录、检索、打开文档、协同编辑，还能一键发布成网页。由此得到一条实操结论：企业里那个允许人人查阅、可供引用的权威文档区，只能落在资料库。做法是用一个专用团队空间把它划出来，权限设为指定人可编辑、全员可查看。企业层由企业知识库管理员负责，在企业管理后台配置企业知识库，作为智能体首座的资料来源；部门层由各部门主管负责，带本部门数字专家，在资料库中组织本部门的文档。分层的目的在于避免各部门各自建索引、各自存规则副本，政策一变无法同步。两个载体的用法不同，配置方法也不同，以下六条是具体做法。 ## 1. 企业知识库怎么配。官方知识库是平台预置的开源框架与技术规范，按需启用；自定义知识库存放企业私有文档，支持Word、PDF、Markdown及代码文件（单文件不超过30MB），也支持压缩包（不超过300MB）与GitHub、GitLab仓库导出包，编码为UTF-8或GBK。成员在客户端对话框里用@引用它，它随即成为检索增强的上下文。 ## 2. 企业知识库没有面向人的调阅界面。人不能像翻文件夹那样打开其中某一份文档读全文，能做的只是在对话中引用，让智能体去检索。它的定位是模型的资料来源，人员的日常查阅不安排在它上面。 ## 3. 资料库怎么用。官方给它的定义是“人和Agent共同的产物存放地”，分“我的文档”与“团队空间”两块，权限分查看、编辑、管理、无权限四档。Agent与当前用户同权限，人看不到的内容，智能体也读不到。AI对Markdown文档的修改不覆盖原文，以待确认状态呈现，接受后才写入正文。 ## 4. 权威文档区只能落在资料库。做法是用一个专用团队空间把它划出来，权限设为指定人可编辑、全员可查看。企业里那个允许人人查阅、可供引用的权威文档区，靠企业知识库实现不了。 ## 5. 两个库的联动固定为两个动作。一份文档定稿后，放进资料库的权威区，供人查阅与引用；再由管理员把它上传进企业知识库，供智能体检索。两处同步，人才找得到，机器也读得到。 ## 6. 知识库管理员要会调检索参数。企业知识库的检索质量由Top K与Score Threshold两项参数控制，官方给出的推荐区间分别是3到5和0到0.5。这两个值直接影响智能体答得准不准，需要有人专门负责。 ## 三、清理企业文档，充实企业知识库、部门资料库两个库建起来之后，真正的工程量在充实。充实分两步走：先把文档清理干净，再归入两个库。第一步，分步骤、分部门组织清理文档。清理过程借助部门数字专家检索文档的重复、矛盾，出修订建议，由部门主管组织修订文档。清理的最后一道工序由智能体首座承担。各部门清完之后，由首座统一核验跨部门的口径、规则与版本。各部门自行清理容易出现一种情况：本部门内部理顺了，与其他部门的表述却互不衔接。这道核验放在入库之前，成本最低。清理的过程同时也是部门数字专家的训练过程。它在清理中学会本部门业务的全部细节，在反复比对中把重复与矛盾识别出来。文档被清干净，数字专家也被训练出来。第二步，清理完成后充实两个库。文档清理后，应经智能体首座全量检索，确认没有遗留的重复与矛盾，再由企业知识库管理员上传进企业知识库，供智能体检索取用。这一步的作用是用一次机器全量检索替代人工逐份复核，作为入库前的最后一道检查；漏掉它，清理不净的矛盾会被带进检索上下文，影响后续所有问答。部门资料库同步充实：本部门的文档、修订草案、专业技能归入本部门的团队空间，供本部门人员查阅与引用。两个库的充实按第二节的联动机制执行，一份定稿上传企业知识库，一份分类归入部门资料库。 # 四、鼓励员工创新约束与创新是知识工作的两条腿，作用方向相反：制度约束压缩个人差异，激励机制放大个人差异。前一条腿人工智能能做得很好，规则执行、数据核对、单据生成都可以自动化；后一条腿的关键在人的意愿，人工智能替不了。在SECI模型里，这一步对应“外化”——把只可意会的经验表达出来，是所有环节中最难的一环。而激励真正起作用的部位，是外化意愿。知识囤积向来是知识管理的经典阻力，原因不难理解：降低对个人的依赖，等于削弱个人的议价能力。从外化意愿入手，恰好对着这个症结。借助部门数字专家，员工创新可以落在三类具体产出上：创建本岗位的专业技能，修订公司规章与规范，申请专利。需要提醒一句，专利是副产品。主产品是现场摸索出的新做法变成新规程，新规程再推着经营指标往前走。这样五步才转得起来。还有一处必须补上：回流的触发机制与评审权。谁认定一项员工创新够格写进公司规程？这个问题的答案如果不明确，创新归创新、规程归规程，两条线各走各的，闭环就断了。 # 五、企业知识版本管理版本管理要做三件事：定稿标记、生效状态、作废机制。一份文档要能回答三个问题——它是不是定稿，它从什么时候开始生效，它在什么时候被哪一版取代。这套要求并不新。ISO 15489-1:2016对“记录”的定义是：由组织或个人在履行法律义务或处理业务的过程中，作为证据和资产创造、接收和维护的信息。它的保留与处置规则，是版本管理唯一有标准可循的出处。档案学还给出了四条验收尺度：真实性、完整性、可用性、可靠性。产品侧的现状需要如实说明：资料库没有文件状态标记，权威区靠目录约定与权限配置来表达。 # 结语企业知识管理走过两步：文档化让经验离开人，信息化让文档进入系统。这两步都可以靠采购系统完成，判断始终由人做。智能化第一次让机器参与知识的转换与判断，所以它必须回答一个前两步不需要回答的问题：谁来判断，谁来负责。处理文档的成本趋近于零之后，局面发生了变化：治理不再只是一项开支，而成了决定成败的变量。一家企业能不能把散落在文档、经验和系统里的知识整理成可用的资产，进而让智能体在其中替自己跑腿，取决于有没有人愿意为版本、责任人与作废机制付出代价。这件事与模型能力无关，因此也不必等技术成熟——现在就可以开始。

2026-09-25