我用 WorkBuddy 把「读网」变成了资产

现在感觉大家都有看不完的信息，群里天天有人转论文和文章以及AI的每日推送，公众号天天在震惊，GitHub 时时刻刻在冒出值得关注的项目。工作时间看到值得读的，通常都是先收藏，打算有空再看，然后就一直没空。等到写方案、需求的技术选型、做技术沉淀的时候，只记得好像在哪儿看过，还得回收藏夹和聊天记录里翻。

后来我用 Agent 聚合信息，每天一份简报，收集时间是省下来了。新的问题跟着来了：推送越来越多，我真正读过、下次能拿来用的有多少？

所以借助 WorkBuddy、Skill 和知识工作台，让信息不止停在找到、看过，还能回查、能引用，用久了还能接着改。代码和跑任务交给 WorkBuddy、CodeBuddy 做，我负责定方向、看结果、给反馈。跑通之后，我把它做成了一个自己每天在用的桌面应用。

一个链接进收纳（链接可以自己粘，也可以从多源头自动填充），归笺先给出判断：建议收下，还是忽略，并写上理由。收下之后进书架。文章、视频、Git 仓库和本地文档可以按类型找，也可以按内容搜。打开就是原文，能划线、记一句。拿这些资料提问时，每一段回答都能点回我存的那一份。

整条链路不长，如下图所示。先拿到原文，再按类型整理成同一套材料，然后筛选，决定哪些值得上书架。

采集、整理、筛选，用过之后再回流改规则

之前做需求老觉得产品经理或者甲方的需求老换来换去，自己实现才发现，初期的功能边界没考虑清楚，需求就会被改来改去；

之前协同修改代码最怕和大家merge冲突，现在让 AI 去写代码一样要防止它顺手改掉你已经确定的功能模块，合并的时候就会冲突。

所以在开始动手之前，可以先用 WorkBuddy 里的产品经理和软件开发专家团，产品需求和交互以及技术方案都考虑清楚，后面才能减少返工。

我们的应用流程主要链路：收集，整理，筛选，资产。

收集：现成能力先用，自己的方向再写 Skill

WorkBuddy 上有一批资讯专家，也有专家团。技能市场里，腾讯新闻、AIHOT、ArXiv 论文追踪装上就能用。我第一次用得很直接，问了一句「今天 AI 圈有什么新动态」。资讯速递专家跑了一分多钟，返回 7 条按时间倒序的动态，每条带原文链接。

现成专家、现成 Skill，和按自己方向写的采集 Skill

但是通常专家团范围都是比较通用的，大家在各种工作领域肯定有更窄的方向。我会根据自己关心的更垂域的技术方向，和 WorkBuddy 一起写了自己的采集 Skill。

把关注方向写进记忆

没有偏好时，采回来的内容还是偏泛。比如我的一次采集实例： 16 个链接，一手来源是 0，多数来自二手媒体和内容农场。我在记忆里写明：关注技术机制，关注能执行的建议。同一类任务再跑，相关度从 3.6 分到 7.1 分（满分 8），8 条都是一手来源。

这是单次对比，两次条数也不一样，还不能说稳定提升。方向是对的。

没有偏好时相关度 3.6、一手来源 0/16；写入偏好后 7.1、8/8

记忆开关打开即可。别的 Agent 里已有的记忆可以导入，也可以手工改。

WorkBuddy 的记忆设置

Skill 要陪跑，不能写完就用

验证 Skill 时有个反复出现的情况，就是对于AI，你只要问它有没有还能优化的，它就总能挑出来并建议往规则里加。但是规则越加越多，其实会让信息门槛设置过窄。

我的第一版写了十步流程和七道门禁，偏向论文来源，安全、协议和科学类事件开始漏。第二版放宽限制，补上来源，选题仍由我定。重点事件的覆盖从初版和无 Skill 的各 1/5，到新版的 4/5，遗漏还在。

发现问题和修改可以跟 WorkBuddy 来回做。哪些改、哪些不改，由我定。改完要验证：简单就抽一批结果看，复杂再写一个验证器。我的做法是先陪跑大约两周，新旧版本对比，确认确实更接近我要的结果，再定这个版本。旧版留着，以便退回。然后再换一批新任务看一次，避免只是换了一种写法。

整理：先收进同一个地方

收集完成之后，原来的问题还在。订阅推送当天扫一眼就关，收藏之后不再打开。要用的时候记得读过，但又找不到。所以这些材料要落到本机，并且整理成查得到、读得完的样子。

来源本来就杂。主动的有搜索、订阅和定时任务，被动的有微信群、钉钉群里同事发来的链接，还有播客和视频。入口如果各走各的，收藏只会更乱。我只要一个出口：全部进同一个收件箱，再统一处理。

WorkBuddy 的连接器可以接微信和钉钉，群里的链接直接进来，文件也可以上传。我还定过一条很短的用法：对话里只丢一个链接、不附带别的说明，就是送进归笺。正在看的文章值得留，就让它写一个浏览器插件，一键入库。

多种来源进同一个收件箱，原文和出处留着

类型不同，要留下的点也不同。视频留下关键节点和时间戳，方便跳回那一段。论文留下它解决的问题、方案、实验结果和局限。开源项目留下它解决什么、使用条件和能不能跑。每一类都保留原文、出处和可以定位回去的位置。

这些在入库前定好，后面的库、页面和检索才有依据。格式上我参考了 wiki 一类的开放写法，再按自己的需要加了字段。

筛选：先打分，再由我确认

整理好的材料不可能每篇都读。让workbuddy写了一个评分 Skill，文章、仓库、播客、视频各用各的量表。文章看信息密度、原创洞察、证据可信度、结构清晰度和长期复用价值，满分 100，入库门槛 75 分。Skill 只打分、只给理由，不负责写入。分数按实际给，不为了过线抬高。收不收，按门槛判断。

按类型评分，过了阈值再入库，判断依据留下来

判断留在卡片上。建议收下还是忽略、理由、原文、出处、摘要和关键看点都在，之后可以回查。

按这些规则，评分到入库可以自动化跑完。但是我仍在中间留了人工确认环节。

阈值太高，值得留的内容进不来，我根本看不到。阈值太低，什么都进去，精选就没有了。这个分寸要用真实内容测试。人参与的点击操作，还有两个用处：这篇文章至少在脑袋里有印象，以后想起来有地方找；点击和放弃操作可以反馈到前面环节，说明哪个阈值要调、哪条规则写偏了。

留下的资料，有没有被用到

这条链路跑了大约两周，我做了一次统计。过线 31 条，已阅读 25 条，6 条过线后没有打开，占 19%。另有 8 条被专题引用。未过线 26 条，另有 2 条是我手工留下的。

打开只说明看过。被引用，更接近拿去用了。19% 里，一部分是我自己没去读。另一部分要回到前面找原因：标题不值得点开，分类不对，或者本来就不该入库。6 条为什么没打开、8 条为什么被引用，后来都成了改规则的依据。因为中间有人操作，这些记录还在，WorkBuddy 才能顺着记录看哪条 Skill 该调。调完用一批新任务再验。

通过以上的操作，其实还是AI对资料进行了阅读，然后收进了我的电脑里，AI 有资产，我的电脑有资产，但是没进过我的大脑，根本不算人的资产。真的读过、用过，才算我的。

应用是怎么跟 WorkBuddy 一起做出来的

流水线搭建完成，把它做成每天打开的应用，是另一件工作，同样交给 WorkBuddy。项目过程中遇到很多问题，挑选几个在 WorkBuddy 上协同的经验：

先写一份它能读的约定

我在项目根目录放了 AGENTS.md，给 WorkBuddy 看。开工前先判断这次改动属于哪一档。

UI设计不必走完整规格，可以通过设计专家团以及原型设计确定。数据结构如果不留规格，一次上下文断掉，下次就没人说得清为什么这样设计了。

每个重的变更都需要有提案、规格、设计和任务并且沉淀到文档。这样我跟 WorkBuddy 说「实现搜索和提问」，它去读对应规格就能开工，不用我把需求再讲一遍。

功能和体验分开验证

功能能跑之后，体验模块再单独做实验，比如编号从 001 到 005。每个体验实验的问题、范围和验收写在项目外的简报里。涉及界面样子的，先出原型，我确认后再改代码。做完要有复测结论：采纳、再改、撤回，或者还看不准。

这套逻辑我也写进了 AGENTS.md。WorkBuddy 接到某个模块功能的实现，会自己去读规划内容，不应该改我已经确认的模块。比如目前 001 和 003 已采纳，002、004、005 还在等复测。这样改坏了还可以撤回，主线功能不受影响。

改完要测试复查

产品今天能用，明天改一处，不知道坏在哪里。所以检查是固定的一套。每次改完，都需要跑完单元测试：功能还在不在，桌面和后台的接口还有没有对上，规格文件有没有写乱。

另外测评也要按不同维度进行，应用性能变慢，和提问搜索的质量变差，要分开看。变慢用性能记录和上次比。回答准不准用另一套算法评测。尽量不要把测评全混在一起，也方便后续问题的跟进。

资产：留下了什么资产

通过利用workbuddy完成这个应该功能，可以获得的资产可能不止是电脑上的资讯： 第一样是读过的材料。原文、笔记和专题还在库里。下次写方案、做选型，可以搜出来当依据，也能点回当时那一篇。

第二样是使用 WorkBuddy 的经验。比如如何基于 Agent 开发应用，如何使用内置的专家团和技能，如何沉淀自己的 Skill。

第三样是反馈。哪些收下了，哪些过线却没打开，哪些被引用，每个模块效果好不好，都有记录。基于这些反馈持续迭代优化产品。

总结

用到现在，我对 WorkBuddy 的判断已经不在单次输出的质量上。问答是一次性的，给一段文字、一个建议，用完就散。它让我第一次能把一件持续几个月的事整体交出去，记忆留存我的关注方向，Skill 固化这件事的做法，项目里的约定守住哪一步不能乱改。这三样都不直接产出内容，它们产出的是可延续性。

代码基本都是workbuddy写的，所以让出去的不是工作量，是执行这一层。留在我手里的，是每往前一步的判断，哪块能交、交出去之后对不对、错了该退回哪里。

把工作交给它之后，我从执行的人变成了确定方向的人。