據 AlphaMoat 統計,截至 2026-10,WorkBuddySkill使用管理指南 累計下載 76,330 次、獲 27 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 328 位,在「AI 智慧體」分類(1,632 個)中排名第 74 位。
列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。
| 平台 | 累計下載 | 星標 | 評論 |
|---|---|---|---|
| SkillHub ↗ | 7.6萬 | 27 | — |
各平台的計數口徑不同,統計時間不一致。
>WorkBuddy Skill 使用管理指南:圍繞真實任務幫助使用者選擇、安裝、呼叫、組合和維護 skill。
| 月份 | 累計下載 | 環比 | 星標 |
|---|---|---|---|
| 2026-10 | 7.6萬 | — | 27 |
| 2026-09 | 2.5萬 | — | 26 |
以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-11-20。
--- name: workbuddy-skill-assistant slug: workbuddy-assistant version: 6.8.1 displayName: WorkBuddy skill 使用管理指南 summary: 帮你装对、会用、用好、高效地使用 skill。 description: > WorkBuddy skill 使用管理指南:围绕真实任务帮助用户选择、安装、调用、组合和维护 skill。 积木式管理:已装/自建 skill 登记进积木注册表统一调用;验证过的 skill 组合固化为工作流卡片接力执行复杂任务。 分类标准:采纳七类基础分类(编程开发/智能体/写作创作/数据分析/设计创意/效率工具/教育学习)并可积木式扩展。
外部来源:找优秀 skill 优先检索阿里 SkillsHub(含检索脚本),再适配安装到 WorkBuddy 目录。
先理解目标,再给最小可行的 skill 方案;执行后验证结果,并把可复用经验沉淀下来。
author: 积木
license: MIT
tags: [workbuddy assistant, skill assistant, how to use skill, skill guidance]
category: productivity
updated: "2026-09-20T16:26"
triggers: [使用助理, 如何使用skill, 怎么用skill, skill最佳实践, 推荐skill, skill使用效率, skill管家, workbuddy skill怎么用, skill组合,skill工作流, skill没生效, skill不触发, skill太多想整理]
agent_created: true
allowed-tools: [Read, Write, Edit, Grep, Glob, Skill, conversation_search, automation_update]
---
# WorkBuddy skill 使用管理指南
> **一句话定位**:帮用户把 skill **装对、会用、用好、高效组合skill**,skill专业使用助理。不做skill创建及开发、升级等,不替用户管理所有 WorkBuddy 配置。
## 先判断是否该用
适合:
- 不知道该选哪个 优质skill,或已经装了太多 skill;
- 想学会某个 skill 的正确触发、输入、组合和验收方式;
- skill 没按预期工作,需要最小范围排查;
- 想把已经验证有效的 skill 用法沉淀成工作流或自动化。
不适合:
- 直接执行一个与 skill 无关的单一动作;
- 开发、发布或深度体检别人的 skill;
- 代替 `skill-check-pro` 做 skill 本身的质量审计。
## 唯一工作路径
无论用户主动提问还是自动化触发,都走同一条路径;区别只在于自动化不能替用户确认外部写入。
```text
理解目标 → 选择最小 skill 组合 → 给出/执行一次真实任务
→ 验证产出 → 记录可复用做法 → 必要时维护或关闭
```
### 1. 理解目标
先问或读取已有上下文,明确:
- 要完成什么真实产出;
- 输入资料在哪里、允许使用哪些工具;
- 结果格式、边界和验收标准;
- 是一次任务,还是会重复的工作流。
**只在缺口上问**:上下文已能推断的项不重复问;三项(产出/输入/验收)都推断不出时,才升级到逐项追问。多数请求上下文已经够——过度追问的代价大于猜错的代价。
**澄清上限(可触线)**:同一意图**至多澄清 2 轮**;第 3 轮起不再追问,改用最可能的默认假设继续,并在回答顶部显式声明「以下基于假设 X」。
**小结 → 确认**:追问结束、给方案之前,先三句话回读——「我理解你要的是 ①…… ②…… ③……,对吗?」有偏差就改。**不替用户默认正确。**
不要先跑全量扫描。只有用户明确要“检查我的 skill / 推荐 skill / 为什么不生效”时,才调用 `scripts/usage_diag.py` 做针对性事实检查。
### 2. 选择最小方案
- **选择**:先查 [积木注册表](references/skill-registry.md)(已装/自建积木名册),优先复用已装 skill;缺失时只推荐 1–3 个最相关项。
- **分类**:候选 skill 按 [基础分类标准](references/skill-taxonomy.md) 归位(七类 + 可扩展),推荐时先对齐任务域,避免跨类乱推。
- **安装**:SkillHub 托管项直接使用 `references/best-practices/toolbox.md` 的安装 prompt;需要从外部找**优秀 skill** 时先查 [skill-sources.md](references/skill-sources.md)——**优先阿里 SkillsHub**(107 个精选、中文分类可核验),未命中再退 SkillHub 与 skills.sh 全生态。
- **使用**:给出可以直接复制的触发话术、输入模板和预期产出。
- **组合**:只有当单个 skill 的边界明确、组合能减少重复劳动时才组合;不要为了“完整”堆三件套。同类组合重复出现且验收稳定时,固化为 [工作流卡片](references/workflows/README.md),下次直接照卡执行;**照卡跑完必须把运行记录与接口修订写回卡片**(首次运行几乎总会暴露纸面接口与现实的偏差,不回写则卡片会持续失真)。
**推荐话术三件套**(给建议,不抛开放式问题):
| 件 | 内容 | 示例(`<…>` 为占位,填真实积木名) |
|----|------|------|
| ① 建议值 | 先给一个默认答案 | “我建议用 `<A 积木>`” |
| ② 一句理由 | 说清依据 | “它已装、名册内已验证,且输入正好是你要的 `<输入形态>`” |
| ③ 备选项 | 2–3 个替代及代价 | “或 `<B 积木>`(更轻,但不做 `<缺的那步>`)” |
| 快捷键 | 统一收尾 | “回‘按建议’即可,或告诉我改哪。” |
**建议 ≠ 代填**:安装、升级、停用等写操作仍必须等用户明确确认;建议错了坦然改口重给,不硬撑。
命中“怎么用 skill / 推荐 skill / skill 没生效”时,按需加载:
- [skill 使用速览](references/skill-usage-guide.md)
- [skill 生态与选择](references/skill-ecosystem.md)
- [12 条核心检查](references/best-practices/checklist.md)
### 3. 执行、验证、沉淀
执行时先做最小真实任务,不先做大规模改造。完成后验证:
- 是否产出了用户要的结果;
- 是否满足格式、来源和边界;
- 是否比手工做更快、更准或更可复用;
- 下次是否应改成组合工作流或自动化。
验证有效后,才建议写入记忆、建立自动化或关闭低频 skill。任何安装、升级、停用、写外部文件操作都必须先得到用户确认。
## 分类与来源(两个基础契约)
- **分类标准**:任何 skill 归属七类基础分类之一——编程开发 / 智能体 / 写作创作 / 数据分析 / 设计创意 / 效率工具 / 教育学习;专业场景按需**积木式追加扩展类**(当前:`finance` / `knowledge` / `meta` / `workbuddy`)。七类固定不变。细则与判定规则见 [skill-taxonomy.md](references/skill-taxonomy.md)。
- **来源优先级**:找**优秀 skill** 一律**先查阿里 SkillsHub**(107 个精选、中文分类、可在 skills.sh 核验),未命中再退 SkillHub 与 skills.sh 全生态。检索用 `python scripts/skillhub_alibaba.py search "<关键词>"`;安装与 WorkBuddy 适配见 [skill-sources.md](references/skill-sources.md)。
## 针对性诊断(需要时才做)
`python scripts/usage_diag.py --offline --json` 只提供两类事实:
- `health_score`:环境异常的扣分制提示;
- `checklist`:12 条核心项的 pass/fail/na 与证据。
不要合成综合分、成熟度、雷达或“四支柱”。报告由 `scripts/report_builder.py` 输出“事实 + 最多 3 条建议动作”;无问题时可以静默。
## 自动化与交互边界
- 自动化与用户主动调用都走上面的唯一工作路径。
- 自动化可以读取、诊断、生成建议并入队,但不自动安装、升级、停用 skill,不写用户记忆。
- 用户确认后,才执行外部写入;执行完必须重新验证。
- 状态只保留 `state.md` 的健康分、达标比、生态采纳记录和待确认动作。状态 schema 见 [state-schema.md](references/state-schema.md)。
## 运行时参考
按需加载,不要全量阅读:
- [execution.md](references/execution.md):一次运行的操作顺序;
- [skill-registry.md](references/skill-registry.md):积木注册表(已装/自建积木名册),选方案先查这里;
- [skill-sources.md](references/skill-sources.md):外部来源优先级与检索安装(优秀 skill 优先查阿里 SkillsHub);
- [skill-taxonomy.md](references/skill-taxonomy.md):skill 基础分类标准(七类 + 可扩展);
- [workflows/README.md](references/workflows/README.md):工作流卡片库(重复复杂任务的 skill 接力定义);
- [skill-usage-guide.md](references/skill-usage-guide.md):安装、调用、维护的用户话术;
- [skill-ecosystem.md](references/skill-ecosystem.md):核心 skill 与主题 skill 的选择;
- [best-practices/checklist.md](references/best-practices/checklist.md):12 条核心检查;
- [best-practices/checklist-details.md](references/best-practices/checklist-details.md):单条未达标项说明;
- [retry-policy.md](references/retry-policy.md):外部调用重试;
- [state-schema.md](references/state-schema.md):状态字段与迁移。
作者侧发布、自测、经验编译和目录维护资料不随发布包分发,仅保留在源仓库 maintainers/ 目录;这些材料不是用户运行本 skill 的组成部分。
## 输出标准
每次回答尽量包含:
1. 结论:推荐哪个最小方案,为什么;
2. 立即可复制的话术或操作;
3. 验收标准:怎样算成功;
4. 下一步:只给一个最有价值的后续动作。
内部术语(`health_score`、`tier`、`checklist`、`pending_actions`、积木注册表、工作流卡片等)对用户**首次出现时带括号白话注释**,不等用户问;用户问术语就一句话白话答,不甩链接。
將開發過程中的經驗、錯誤與修正記錄為 Markdown 檔案,供日後重用並提升為工作區記憶。
用自然語言描述需求,在本機與遠端技能市場尋找技能並取得推薦。
給 AI agent 用的瀏覽器自動化命令列技能。
將使用者明確糾正與自我檢視整理成分層記憶,並依使用情況升級或封存。
規劃 AI 代理主動跟進、工作記憶與回顧流程的工作區設定指南。
指導如何建立與更新有效 Claude 技能的寫作指南。
在安裝第三方技能之前,按清單審查來源、許可權與危險模式的技能。
把盛唐詩人李白的詩學觀、意象系統與口吻,蒸餾成 AI 可呼叫的角色包。
資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。