搜索[WorkBuddy]结果-低调大师优秀个人博客

精选列表

搜索[WorkBuddy]，共4351篇文章

用 WorkBuddy 搭了个个人事务工作台：用药提醒、基金跟踪、行程规划，一个页面全搞定

# 用了 WorkBuddy 一个多月，最大的感受是：它不是一个"聊天机器人"，而是一个真的能帮你把杂事落地成工具的搭档。

2026-08-13

帮你将Workbuddy"存储空间"应用数据无损迁移到非系统盘——一次失败迁移的复盘

作者按：本文记录一次真实的"Workbuddy"存储空间"应用数据目录从 C 盘迁移到 E 盘"全过程。

2026-08-13

#WorkBuddy# 我让 AI 校了 50 份财务表格，它漏掉了一个会毁掉集团评审的数字

> 我用大模型校稿，发现个要命的事：**它对表格的"理解"停留在文本层面，根本看不到数字层面的硬错**。等领导把表格甩回来的时候，我才发现——一份"看似完美"的增资报告里，藏着多个数字硬错，每个都足以让集团评审毙掉。这篇文章写给所有**用 AI 校表格、改表格、写表格的人**。我会告诉你：现在的 AI 表格工具在老财务面前就是小儿科，遇到复杂数字问题直接抓瞎；以及我用什么思路、什么工具把它解决了。 --- ## 一、工作中的痛点：AI 看表格，到底"看"到了什么？ ### 1.1 我经历的真实事故去年我帮一家公司做增资请示报告校稿。流程是这样的： 1. 把 Word 主文 + Excel 附件丢给 AI 1. AI 读 → 输出校稿意见 1. 我审 → 改 → 出稿 AI 校完说"问题不大"。领导接手后，**第一句话**： > "今年研发费用怎么只有 1 万元？" 我翻回去看表格——**断崖 + 反弹**。AI 一字没提。更糟的是后面审计发现的： |#|问题|AI 是否抓到| | --- | --- | --- | |1|某年研发费用 1 万元（暴跌 5000 倍）|❌ 漏| |2|收入小计 vs 子项差 2000 多万|❌ 漏| |3|IRR 8.5% 未含本次增资（口径错误）|❌ 漏| |4|项目成本两年口径不一（付现/权责混用）|❌ 漏| |5|备注"年均增长 30%" 实际年化 20.6%|❌ 漏| **5 个硬错，AI 一个都没抓到。** ### 1.2 为什么 AI 抓不到？我事后复盘，发现根本原因是**AI 看表格的方式错了**： **错误做法**（主流 AI 校表格的标准流程）： ``` xlsx → 转成 Markdown 文本 → LLM 读文本 → 输出"看起来不对"的地方 ``` **问题在哪**： ``` 2024 收入：0.5 亿 2025 收入：0.0001 亿 2026 收入：0.565 亿 ``` LLM 看到的是 3 行文本。**它不知道 0.5 → 0.0001 是 5000 倍断崖**，因为它没有"数字直觉"——它看到 0.0001 就是一个"小数字"，不是"异常值"。再比如 IRR 测算： ``` 2026 年（T0）净现金流：-1.42 亿 ... 2030 年：+0.01 亿 2031 年起转正 IRR：8.5%，回收期 8.3 年 ``` AI 看到"IRR 8.5%，回收期 8.3 年"觉得"挺合理"。但**它根本不知道**——本次增资 2.2 亿压根没进现金流表。这 8.5% 是"经营 IRR"，不是"增资项目 IRR"。**口径错误**。 ### 1.3 老财务怎么看表格？我跟一个做了 20 年审计的老前辈聊，他说： > "你看 Excel 表，最重要的不是算，是**找关系**。先看几个 sheet 页，摸清楚结构；再扫公式，看哪些是死的、哪些是活的、表和表之间怎么勾；最后**逐行比对**，差 1 分钱都不放过。" 他顿了下： > "说白了，Excel 就是格式化数据。**按数据库处理就行了**——sheet 是表，列是字段，公式是 JOIN 和 GROUP BY。" 我突然被点醒。过去 2 年我用 AI 校表格，都让 LLM "读"——读不到的就跳过。但其实我应该让它"查"——查公式、查引用、查量级。这就是我开始做这套工具的起点。 ### 1.4 现有 AI 表格工具的 3 大流派（看完你就懂为什么抓瞎）为了搞清楚"市面上有什么"，我花了 2 周调研 4 套主流方案： |流派|代表|强项|短板| | --- | --- | --- | --- | |官方派|Anthropic xlsx skill（simonw/claude-skills 镜像）|金融模型规范（蓝/黑/绿/红/黄五色）、公式重算|不查公式、不做量级校验、只验算| |实战派|WPS 灵犀（本地 App）|内置 Python sandbox 跑 pandas 行级算术校验，逐行比对 v(N) vs v(N-1) 数字量级合理性|闭源，没法借鉴代码| |工作流派|davila7 spreadsheet skill|5 步标准工作流 + 视觉检查|流程完整但不做数字层面的智能校验| |方法流派|vasilyu1983 document-xlsx（74⭐）|Do/Avoid 清单 + I/C/O（输入/计算/输出）分离 + Model Review Checklist|方法论强，工具代码弱| **没有任何一家把"看 → 查 → 比 → 改"四阶段 + 11 项数字规则做到一起**。更扎心的是——**老财务的"逐行比对 + 差 1 分钱都不放过"**，主流 AI 工具**一个都做不到**。这就是"小儿科"的本质。 --- ## 二、怎么解：把表格当数据库，让 AI 走 4 阶段 ### 2.1 核心思路：表格 = 数据库如果你接受"Excel 就是格式化数据"，那所有 AI 校表格的难题都能套数据库思维解： ``` sheet → 表（table）行/列 → 字段（field/column）公式 → 视图（view）/ JOIN / GROUP BY 小计行 → SUM(子项) 跨表引用 → foreign key + JOIN 同比/环比 → window function ``` 数据库怎么查数据，AI 就应该怎么查表格。 ### 2.2 四阶段强顺序流程 ``` ┌─────────────────────────────────────────────────────────────┐ │ Phase 1 · 看读懂结构 │ │ ↓ 多 sheet 摘要 + 单 sheet schema（行/列/标签/数据型） │ ├─────────────────────────────────────────────────────────────┤ │ Phase 2 · 查找关系 │ │ ↓ 找公式 → 追溯引用 → 画跨表引用图 → 分类求和 │ ├─────────────────────────────────────────────────────────────┤ │ Phase 3 · 比找差异 │ │ ↓ 11 项数字合理性自动校验 + 多版本 diff │ ├─────────────────────────────────────────────────────────────┤ │ Phase 4 · 改改内容 │ │ ↓ 批量改 + 增删 + recalc + 改完自动审计 │ └─────────────────────────────────────────────────────────────┘ ``` **强顺序**——不看完结构不能查关系，不查清关系没法比差异。**这就是老财务的"先看结构、再扫公式、最后逐行比对"**，只是把它流程化、可执行化。 ### 2.3 11 项数字合理性自动校验规则 Phase 3 的核心是**11 项确定性规则**——不靠 LLM 推理，纯逻辑判断，**两次跑结果必须一致**： |规则|含义|抓的是| | --- | --- | --- | |R1|小计 = 子项之和|漏列/重复/并入| |R2|同比/环比骤变 > 10× 或跌至近 0|漏填/公式失效（如 0.5 → 0.0001）| |R3|备注 CAGR 与实际年化一致|备注增长率 vs 实际数| |R5|IRR 闭环（含初始投资）|增资 IRR vs 经营 IRR 口径| |R8|累计行单调性|累计逻辑错| |R9|公式-缓存值一致|LibreOffice 未跑| |R10|关键字段缺失|必备字段缺| 每条规则的输出都是 JSON： ``` { "rule": "R2", "severity": "🔴", "location": "1.效益测算表!D27 (6.研发费用)", "evidence": "C=0.5000 → D=0.000100 (暴跌至近0)", "suggestion": "强烈怀疑漏填或公式失效，优先核实" } ``` **关键设计**：LLM 只负责"理解发现"，不参与"判断对错"。**这是工具和 LLM 协作的核心边界**。 ### 2.4 为什么不用 LibreOffice？主流方案用 LibreOffice 重算公式。但这玩意 macOS 上不一定有、启动慢、还偶发卡死。我的方案：**直接读 Excel 缓存值，不重算**。代价：未跑过 LibreOffice 的文件会触发 R9 提示。**99% 场景够用，且启动相关阅读： - [Anthropic 官方 xlsx skill 镜像](https://github.com/simonw/claude-skills) - [vasilyu1983 document-xlsx（74⭐）](https://github.com/vasilyu1983/ai-agents-public) - [davila7 spreadsheet skill](https://github.com/davila7/claude-code-templates) - [AI Agent 自动化处理 Excel 表格实战教程](https://www.youres.cn/post/1274.html)（主流写法参考） ---

2026-08-12

让 WorkBuddy 自己领积分：# 用 Python + OCR 驯服 Electron 桌面客户端：一次「每日签到」自动化实战

# 用 Python + OCR 驯服 Electron 桌面客户端：一次「每日签到」自动化实战 > 一、背景：为什么一个简单的"签到"这么难很多桌面软件（尤其是基于 Electron / Chromium 的跨平台客户端）都内置了"每日签到领积分"这样的运营功能。点一下按钮，积分到账——动作本身很简单，但当你想把它**自动化**时，会发现它处处是坑： - 窗口是 GPU 渲染的，常规截图一片黑； - 系统开了 150% 缩放，坐标忽而对忽而错； - 用 `pyautogui` / `mouse_event` 模拟点击，光标明明移到了按钮上，却**毫无反应**； - 双显示器下窗口跨屏，截图函数直接卡死； - 配置成定时任务后，第二天发现它"偷偷"跑了不止一次。本文记录我用 Python 把一个 Electron 客户端的"每日签到"做成**稳定、幂等、可定时触发**的自动化任务的完整过程。其中 90% 的工作量都不在"点按钮"本身，而在和 Windows 图形子系统"斗智斗勇"。 --- ## 二、整体思路目标很明确：让脚本在每天固定时间，**无需人工干预**地完成：技术选型： |环节|方案| | --- | --- | |窗口定位|EnumWindows + 进程路径匹配| |截图|PrintWindow 失败回退 mss| |按钮识别|RapidOCR 多尺度文本检测| |鼠标点击|PostMessage(WM_LBUTTONDOWN/UP) + 客户区坐标| |健壮性|空闲检测、锁屏检测、幂等判断| |定时触发|平台自动化任务（每天 02:00 单次）| --- ## 三、第一关：截图——`PrintWindow` 为什么一片黑？最直觉的截图方式是用 `PrintWindow` 把窗口内容"画"到一张内存位图上：对普通 Win32 窗口这招很好用，但对 **Electron / Chromium 渲染的窗口**，GPU 合成层不走 GDI，于是你拿到的是一张**纯黑（或纯白）位图**（均值 `arr.mean() **坑点**：`mss.grab` 传入的坐标必须是**物理像素**且落在某个显示器范围内，否则它会**无限阻塞**（不报错、不返回）。下一节讲怎么处理。 --- ## 四、第二关：坐标体系与 DPI 陷阱这是最容易让人"算错坐标"的地方。我的环境是系统缩放 150%（DPI=144）。 **结论先行**：`GetWindowRect`、`mss.grab` 返回的坐标，**全程都是物理像素**，和窗口在屏幕上的真实位置一致；而 `SetCursorPos` / `PostMessage` 客户端坐标也接受物理像素，**不需要再乘 1.5**。我曾一度"自作聪明"地加了一层缩放：验证方法很简单：用 OCR 在截图上找窗口标题栏文字，得到它的真实像素位置，再和 `GetWindowRect` 对比——两者一致，证明**根本不存在逻辑→物理的换算**，那层 `×1.5` 是画蛇添足。 **多显示器裁剪（关键）**：我的窗口矩形是 `(474,129)-(3600,1965)`，而主屏只有 `2560×1440` 宽。窗口横跨到右侧副屏之外，`mss.grab` 因为区域超出可见范围而**永久卡死**。必须先把抓取区域裁到所有显示器的并集内：再加一层**线程超时**，防止任何意外阻塞拖垮整个任务：实测加上这两步后，跨屏抓取从"卡死 2 分钟"变成"约 30ms 返回"。 --- ## 五、第三关（核心突破）：`SetCursorPos` 点了等于没点这是整个过程**最关键的发现**，也是本文最想分享给读者的经验。前面所有准备就绪后，我用最"标准"的方式点击头像：结果：光标确实挪到了头像上方，**但菜单从不弹出**。我扫了 20 多个坐标点（头像左缘、中心、右缘、上 5px/下 5px……）全部无效。原因：`mouse_event` / `SendInput` 这类 **"合成输入"** 走的是系统的"低级输入队列"，而 Electron 的渲染进程对来自输入法/辅助功能的合成事件有**过滤或不响应**的情况（尤其在窗口未处于"前台输入焦点"或被 accessibility 层拦截时）。 **解法：绕过输入队列，直接把鼠标消息投递到目标窗口过程**： **第一次尝试就弹出了头像菜单**——这就是整条链路打通的瞬间。 > 划重点：`PostMessage` 用的是**客户区坐标**（相对窗口客户区左上角），而 `SetCursorPos` 用屏幕坐标。务必用 `ScreenToClient` 转换，否则坐标会整体偏移一个窗口边框/标题栏的尺寸。 ### 实测有效坐标（供参考，实际以你自己的 OCR 为准） |操作|屏幕坐标|客户区坐标| | --- | --- | --- | |左下角用户头像|(574, 1912)|(100, 1783)| |菜单项「签到领积分>」|(886, 1272)|(412, 1143)| |面板「立即领取」|(587, 1826)|(113, 1697)| --- ## 六、按钮识别：让 OCR 只认"对的"按钮截图有了，点在哪？用 **RapidOCR** 做文本检测，但要注意**防误命中**： - 侧边栏常驻的"每日领取 Buddy 加油..."对话标题里也含"签到/领取"，会干扰； - 聊天记录里用户发的图片标注「立即领取 (红框)」不是按钮。所以识别时要**限定搜索区域 + 精确关键词 + 优先精确匹配**：经验：把"头像→菜单"的搜索区限制在小窗格内、用连续词「加油站」而非「签到」（后者会误中同名对话），命中率显著提升。 --- ## 七、健壮性：别在错误的时间瞎点定时任务最大的不确定性是——**触发时电脑可能在锁屏、屏保，或你正用着鼠标**。 1. **空闲检测**：用户 2 分钟内动过键鼠就跳过（避免抢走操作）： 1. **锁屏/屏保判定**：通过当前输入桌面名判断（`Winlogon`=密码锁，`Screen-saver`=带密码屏保，`Default`=正常）： 1. **幂等**：点击前先 OCR 判断是否已「已领取」，是则直接结束；点击后再复检，避免重复领取。 --- ## 八、落地：配置定时自动化任务脚本稳定后，用平台自带的**自动化任务**能力挂上调度即可。核心配置要点： - **工作目录**指向脚本所在目录（`buddy-points`）； - **触发命令**直接调用解释器跑脚本： - **执行频率**：每天 **02:00 单次**（凌晨窗口，机器多半空闲、锁屏自愈逻辑也能兜住）； - **模型**：交给轻量模型执行，无需人工值守。（小插曲：我一度在系统里看到了**两个同名签到任务**——旧的残留注册没清干净，导致同一脚本被调度了两次、白天还弹窗打扰。最终删掉陈旧任务、保留唯一的 02:00 任务才干净。**教训：重建自动化任务后，务必确认旧的注册被彻底移除，否则会出现"重复触发 + 记忆分裂"。**） --- ## 九、踩坑清单（直接抄） 1. **Electron 窗口 `PrintWindow` 黑屏** → 用 `mss` 屏幕抓取。 1. **`mss.grab` 跨屏卡死** → 先把区域裁到显示器并集，再加线程超时。 1. **DPI 缩放坐标错乱** → `GetWindowRect`/`mss`/`PostMessage` 都是物理像素，别乱乘缩放。 1. **`SetCursorPos`+`mouse_event` 点了没反应** → 换 `PostMessage(WM_LBUTTONDOWN/UP)` + **客户区坐标**。 1. **OCR 误命中聊天/标题文字** → 限定搜索区域 + 精确关键词 + 短文本优先。 1. **定时任务重复触发** → 删除陈旧任务注册；脚本内做幂等与空闲/锁屏保护。 --- ## 十、结语 "每日签到"看似是个体力活，真正难的从来不是"点一下"，而是**在 Windows 图形子系统、DPI、多显示器、Electron 渲染架构、输入安全模型之间找到那条能稳定走通的路**。本文最核心的一条经验是：**对 Electron/Chromium 客户端，别迷信 `pyautogui`/`mouse_event`，`PostMessage` + 客户区坐标才是可靠之选。** 配合 `mss` 截图与 OCR 定位，你就能把任意桌面客户端的"点点点"流程，改造成一个安静、幂等、凌晨自己跑的自动化任务。祝你的积分，天天到账。🪙

2026-08-11

用 WorkBuddy 一天内从零搭建 A 股尾盘实时扫描系统：脚本+回测+自动化全流程

WorkBuddy 帮我把它们变成了每小时自动跑的Python脚本、用真实历史数据做了回测校准，甚至可以推送到手机上。整个过程只用了半天。

2026-08-08

教AI认设备：我用WorkBuddy管理某国外项目从0分到1/3的现场识图实战

昨天突发奇想：WorkBuddy能不能帮我认设备？

2026-08-07

我用 WorkBuddy 做了颗"书摘胶囊"，输入书名一键生成卡片式精华书架

我用 WorkBuddy 做了颗"书摘胶囊"，输入书名一键生成卡片式精华书架 > 一本书读完，三个月后只记得书名。这不是记忆力的问题，是读过的东西没有变成"看得见的资产"。

2026-08-06

我这个半小白，如何用 WorkBuddy + CodeBuddy 一个人做出上线的小程序（实战复盘）

**`#WorkBuddy#**``#AI办公` `#效率工具` 先交代下我啥水平，免得你对着教程做不出来还以为是自己菜。

2026-08-05

《用 WorkBuddy 把招商日报和竞品去化监测从"每天 1 小时"压到"说一句话"》

这两件事**低频高耗时、且极度依赖固定模板**——正是 WorkBuddy 这种"能读本地文件、能自主执行、能按模板交付"的 AI 办公台最适合的场景。 --- ## 2.

2026-08-05

我用 WorkBuddy 修好了"反复发作"的任务栏故障——一次真实的事件日志排查实战

折腾了两周没根治，最后靠 WorkBuddy 从系统日志里挖出了真凶。这篇记录完整排查过程，希望能帮到有类似困扰的朋友。

2026-08-05

# 我用 WorkBuddy 把短视频剪辑"自动化"了：一个非剪辑师的成片工作流

后来我把剪辑这块整个挪到了 WorkBuddy 上，直接搭了一条从选题、文案、剪辑、字幕到封面的全自动流水线，不再是什么「帮我剪一段」的零敲碎打。现在同样的量，我每天花二三十分钟对一下结果就能发。

2026-08-04

# 招投标方案从三天到半小时：WorkBuddy大文档撰写实战，传感器销售的开挂操作

**声明：** 本文为原创使用心得，基于 WorkBuddy 客户端（Windows版，2026年8月）实测整理。

2026-08-03

用 WorkBuddy 把"国学禅语短视频"从想法做成流水线：一个普通人的实操记录

效率对比：人肉 vs WorkBuddy 5. 5. 小结与建议 6. 1. 为什么做国学禅语短视频 2.

2026-08-03

我用 WorkBuddy + Suno AI 做了一首歌，并一键生成了 B 站竖屏 MV

WorkBuddy 一条龙：音频下载 → 歌词排版 → 竖屏适配 → 封面生成 → 发布素材。 --- ## 成果预览 !

2026-08-01

用 WorkBuddy 从零做一个家庭时间管理 App：开发 → 上云部署 → HTTPS → 安卓打包 → 体验优化

概述全程用 WorkBuddy 把一个真实想法做成能上线、能装机的时间管理 App。附 13 张真机/服务器截图，8 条踩坑一次说清。

2026-07-31

我开源了一个 DevOps 面试智能体：200 道题 + 能当面试官、跨 Claude/Codex/WorkBuddy 跑

--- ``` 我用 WorkBuddy 创建了一个专家「运维面试教练」——模拟 Linux、K8s、SRE、GPU 运维岗位面试，逐题实时打分，输出记分卡与录用建议。

2026-07-31

# 用 WorkBuddy 半小时重做一套党政培训PPT：从42页旧稿到20页精品课件

> 本文记录一次真实工作流：用 WorkBuddy 的 PPT 制作能力，把一份 42 页的旧培训 PPT，重做成 20 页、中式党政风格、可直接交付的精品课件，并踩到一个 Windows 环境的技术坑及解法

2026-07-30

用 WorkBuddy 零代码搭政企项目文档资源库：从 23 个文件夹到单文件 HTML 网站

最近我用 WorkBuddy 的「设计创意 → 网站设计」，把 23 个杂乱文件夹一次性整理成了一个按项目生命周期可视化的「项目全流程文档资源库」。

2026-07-29

用 WorkBuddy 从0到1开发炒股 Web 应用：FastAPI + Vue3 + ECharts 实战（含3个真实 Bug 调试记录）

原创｜WorkBuddy 实战教程，弄这个已经花了快5000Credits，现在每天都只能靠“签到”领了，看盘助手还在持续优化中，欢迎交流适用版本：WorkBuddy 个人版（标准版及以上）预计读完

2026-07-27

WorkBuddy 接入第三方大模型全攻略：以火山云 Ark 为例，解锁 12 个免费模型

# WorkBuddy 接入第三方大模型全攻略：以火山云 Ark 为例，解锁 12 个免费模型 ## 前言 WorkBuddy 作为腾讯出品的全场景 AI 办公工作台，默认内置了混元、Auto 等模型。

2026-07-26

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

用 WorkBuddy 搭了个个人事务工作台：用药提醒、基金跟踪、行程规划，一个页面全搞定

帮你将Workbuddy"存储空间"应用数据无损迁移到非系统盘——一次失败迁移的复盘

#WorkBuddy# 我让 AI 校了 50 份财务表格，它漏掉了一个会毁掉集团评审的数字

让 WorkBuddy 自己领积分：# 用 Python + OCR 驯服 Electron 桌面客户端：一次「每日签到」自动化实战

用 WorkBuddy 一天内从零搭建 A 股尾盘实时扫描系统：脚本+回测+自动化全流程

教AI认设备：我用WorkBuddy管理某国外项目 从0分到1/3的现场识图实战

我用 WorkBuddy 做了颗"书摘胶囊"，输入书名一键生成卡片式精华书架

我这个半小白，如何用 WorkBuddy + CodeBuddy 一个人做出上线的小程序（实战复盘）

《用 WorkBuddy 把招商日报和竞品去化监测从"每天 1 小时"压到"说一句话"》

我用 WorkBuddy 修好了"反复发作"的任务栏故障——一次真实的事件日志排查实战

# 我用 WorkBuddy 把短视频剪辑"自动化"了：一个非剪辑师的 成片工作流

# 招投标方案从三天到半小时：WorkBuddy大文档撰写实战，传感器销售的开挂操作

用 WorkBuddy 把"国学禅语短视频"从想法做成流水线：一个普通人的实操记录

我用 WorkBuddy + Suno AI 做了一首歌，并一键生成了 B 站竖屏 MV

用 WorkBuddy 从零做一个家庭时间管理 App： 开发 → 上云部署 → HTTPS → 安卓打包 → 体验优化

我开源了一个 DevOps 面试智能体：200 道题 + 能当面试官、跨 Claude/Codex/WorkBuddy 跑

# 用 WorkBuddy 半小时重做一套党政培训PPT：从42页旧稿到20页精品课件

用 WorkBuddy 零代码搭政企项目文档资源库：从 23 个文件夹到单文件 HTML 网站

用 WorkBuddy 从0到1开发炒股 Web 应用：FastAPI + Vue3 + ECharts 实战（含3个真实 Bug 调试记录）

WorkBuddy 接入第三方大模型全攻略：以火山云 Ark 为例，解锁 12 个免费模型

资源下载

Nacos

Spring

Rocky Linux

Sublime Text

欢迎您来访！

教AI认设备：我用WorkBuddy管理某国外项目从0分到1/3的现场识图实战

# 我用 WorkBuddy 把短视频剪辑"自动化"了：一个非剪辑师的成片工作流

用 WorkBuddy 从零做一个家庭时间管理 App：开发 → 上云部署 → HTTPS → 安卓打包 → 体验优化