WorkBuddy Skills 教程:市场安装、调用、更新与安全检查
从 WorkBuddy 技能市场选择并安装 Skill,用最小权限完成一次测试调用,再学会关闭、更新和卸载,避免第三方技能越权。
这里是全站内容库。你可以先搜关键词,也可以直接按 WorkBuddy、OpenClaw、Hermes、Harness 和搜索意图进入。
支持桌面与移动端。回车可直接搜索。
筛选
筛选状态会同步到 URL,适合分享给团队成员或下次继续查。
Agent
意图
共 75 篇,当前显示 75 篇。
从 WorkBuddy 技能市场选择并安装 Skill,用最小权限完成一次测试调用,再学会关闭、更新和卸载,避免第三方技能越权。
把一个已经跑通的重复任务写成 WorkBuddy Skill:定义输入输出、权限、失败处理和测试样本,用自然语言创建后再逐步验证。
理解 WorkBuddy 专家与 Skill、专家团的区别,按任务选择专家,并用目标、方法、工具和边界创建可复用的自定义专家。
用 WorkBuddy 专家团处理复杂任务:判断何时需要多角色,审查团长拆解,控制输入、并行成本、冲突和最终交付。
安全接入 WorkBuddy 连接器与 MCP:理解独立授权、读取和写入边界,先做只读测试,再处理连接失败、权限不足与外部发送风险。
用 WorkBuddy 项目组织团队上下文:配置项目指令、资产、专家、Skill、连接器和自动化,理解任务分享、流转与权限边界。
把已经跑通的 WorkBuddy 任务设置为自动化:配置时间、工作空间、提示词和通知,并处理离线、权限、积分与半成品。
理解 WorkBuddy 记忆如何从会话提取偏好,如何查看、编辑和关闭;同时选择 Auto 或自定义模型,并控制工作区和项目上下文。
用 WorkBuddy 处理 Word 长文:先盘点材料和结构,再分阶段改写,生成可编辑文档,并检查标题、表格、引用、编号和事实。
用 WorkBuddy 处理 Excel 和 CSV:先理解字段与质量问题,再在副本上清洗、计算、制图,核对总数、公式和异常值。
用 WorkBuddy 制作 PPT:先定义受众和结论,核验研究来源,确认故事线与逐页大纲,再生成可编辑演示文稿并检查版式。
用 WorkBuddy 整理本地文件:在副本上识别内容,设计命名规则,先生成新旧对照预览,确认后批量分类与重命名。
用 WorkBuddy 把会议记录整理成正式纪要,区分结论与讨论,提取负责人和截止日期,并建立会前资料与会后跟进闭环。
把 WorkBuddy 用进真实代码库:先建立项目地图和基线,再审查修改计划,控制文件范围,运行测试并检查 Diff、日志和回滚。
用 WorkBuddy 专家团搭建内容生产流程:共享事实底稿,分配研究、写作、事实核验和视觉角色,处理冲突并交付多渠道版本。
搭建 WorkBuddy 定时研究与工作摘要:限定来源和时间,去重、保存原始链接,生成日报草稿,验证后再通过连接器推送。
从真实任务出发理解腾讯 WorkBuddy:它如何规划和执行办公、Coding、设计任务,以及 Skills、专家、连接器和自动化分别解决什么问题。
按 Windows 和 macOS 路径完成 WorkBuddy 下载、安装、登录和版本检查,并用一份可验证清单确认应用已具备开始任务的条件。
认识 WorkBuddy 5.2.5 的主要导航、任务输入、工作区、@ 文件引用、/ Skills 与产物位置,避免第一次执行就选错目录或找不到结果。
用 WorkBuddy 把一份会议记录整理为可编辑跟进表,完整练习文件引用、Plan 审核、Craft 执行、产物检查和失败修正。
用风险和任务阶段选择 WorkBuddy Ask、Craft、Plan 模式,理解自动模型、工作区权限和执行确认,避免把只读问题变成高权限操作。
在练习仓库中完成一次安全的 WorkBuddy Coding 任务:先理解项目和变更范围,再修改代码、运行测试、检查 diff,并保留回滚点。
用 WorkBuddy 完成一次低风险设计创意任务:分析材料、确认受众和结构、生成可编辑 PPT 初稿,并从信息准确、版式和可编辑性验收。
系统理解 WorkBuddy 文件读取、工作区读写、默认权限、完全访问和连接器风险,建立最小授权、备份、确认和撤销清单。
Hermes memory 不生效时,不要只继续追加记忆。先检查写入位置、profile、记忆冲突、session search 和任务类型边界。
用 6 个应用层示例理解 Hermes cron:定时提醒、内容复盘、依赖检查、消息投递、skill-backed jobs 和 no-agent watchdog。
Hermes skills 会进入长期复用,不能只看是否能跑。本文给出命令、依赖、secrets、外部 API、日志和人工确认清单。
Hermes API Server 可以把 Agent 能力接入外部系统,但上线前必须处理 bearer token、CORS、长任务、日志和权限边界。
Hermes profiles 不只是配置文件。它能隔离 session、memory、skills、cron 和插件,适合把个人、工作、测试、生产环境分开。
把 Hermes 接进 Telegram 前,先设计触发范围、白名单、工具权限、memory 写入和回执策略,避免消息入口放大风险。
Harness MCP Server 可以让 Cursor、Claude Desktop、Windsurf、VS Code 等工具访问 Harness 能力,但必须先规划权限、资源范围和审批。
Harness Worker Agents 更贴近 pipeline-native AI 工位,Code Agent / VS Code Extension 更贴近 IDE、代码任务和软件工程辅助。两者适合不同入口和治理方式。
Agent harness 关注模型、工具、状态、记忆、权限和执行框架;MCP 更关注 AI 工具如何连接外部系统。二者经常配合,但不是同一层。
OpenClaw 更适合自托管、多渠道、Gateway 和审批工作流;Hermes 更适合 memory、skills、cron、profiles、API 和长期助手。
用应用层视角理解 Hermes Agent:memory、skills、messaging gateway、cron、profiles 和从 OpenClaw 迁移到底意味着什么。
从官方安装命令、Desktop / CLI 路径、hermes setup、模型配置到 gateway 前置检查,整理 Hermes Agent 第一次跑通时最该确认的顺序。
理解 Hermes persistent memory、USER.md、MEMORY.md、session search、provider 边界和容量限制,避免把记忆用成垃圾桶。
理解 Hermes messaging gateway 的上线边界:从单一低风险入口开始,逐步扩展到 Telegram、Discord、Slack、WhatsApp 或团队通知流。
搜索 Harness 可能在找三件事:Harness.io 的 AI DevOps Agent、agent harness 技术概念,或统一 coding agent 的工具。
从模型、工具、状态、记忆、权限、guardrails 和观测理解 agent harness,建立评估 AI Agent 应用的基础框架。
从应用层理解 Harness AI DevOps Agent:自然语言创建 pipeline、排查构建部署失败、生成策略和接入 DevOps 工作流。
理解 Harness MCP Server 的应用边界:它让 Cursor、Claude Code、Claude Desktop、Windsurf、VS Code 等工具通过 MCP 访问 Harness 能力。
Hermes cron 不只是定时提醒,它可以把 skills、profiles、workdir、消息投递和 no-agent watchdog 串成长期运行任务。
Profiles 解决多身份和多环境,API Server 解决外部系统调用。两者是 Hermes 从个人助手走向服务化应用的关键边界。
Hermes 和 OpenClaw 不应被简单写成谁替代谁。真正的问题是:你现在需要渠道入口、个人工作台,还是长期记忆、skills 和后台运行。
Harness Worker Agents 更接近软件交付流水线里的专用工位:分析、计划、执行和回写,而不是一个泛聊天助手。
coding agent harness 不是 Harness.io。它更多指统一、编排或适配 Claude Code、Codex、OpenCode、Cursor 等 coding agent 的工具层。
把 OpenClaw 用进长期工作流后,真正决定成本和稳定性的,不是你有没有一直换更强模型,而是你会不会把记忆、Skills、Hooks 和审批边界沉淀成可复用资产。
从邮箱整理、会议准备到浏览器取数和定时摘要,本文给出 10 个 OpenClaw 场景的价值、风险、审批边界与两周落地顺序。
真正能长期用的 OpenClaw,不是一个渠道接得很深,而是知道多渠道之间如何分工协作。
把 OpenClaw 从个人工具变成团队能力,最先要补的是角色、入口、审批、Skills 维护和复盘节奏。
Browser 登录流真正难的是把手动登录、已有 session、验证码、人机协作和审批边界组织成可重复流程。
很多人一看到 ClawHub 和 plugin 就混淆。其实 Skills 和 Plugins 解决的是两类完全不同的问题。
OpenClaw 自动化不是把所有任务都塞进定时器,而是根据时间、事件、外部回调和风险等级选择正确触发面。
OpenClaw 越接近真实工作流,越要先收紧入口、权限、审批和日志。这篇给你一套上线前安全基线。
真正把 OpenClaw 用进真实工作流后,最关键的不只是会用,而是知道哪些动作必须经过审批。
Telegram 群聊里最容易出问题的不是 bot token,而是它到底能看到什么、什么时候该回话。
OpenClaw 不只是接入 WhatsApp 或 Telegram 的聊天机器人。本文用架构、能力边界和 10 分钟判断清单,帮你确认它是否适合自己的 Agent 场景。
OpenClaw 配置最容易错的不是语法,而是策略。把 dmPolicy、allowlist、groupPolicy、groups 和 requireMention 的关系一次讲透。
OpenClaw Browser 的关键不是“能打开网页”,而是把隔离浏览器、已有登录态、审批和网页任务边界一起设计清楚。
真正决定 OpenClaw 是否“稳”的,不只是接入成功,而是消息是否按正确渠道、账号、群组和 Agent 进入正确上下文。
别急着接上 WhatsApp,先选对方案:专用号码、个人号码还是 selfChatMode,后续成本完全不同。
从 BotFather 到 pairing,再到 dmPolicy、groupPolicy、Privacy Mode、群组 ID 和 webhook 边界,把 OpenClaw Telegram 接入一次讲透。
把 OpenClaw 接到 WhatsApp,不只要能扫码登录,还要能理解 session、专用号码、自聊模式、群组准入和隐私边界。
理解 Gateway 在 OpenClaw 体系中的角色,才能知道 channels、pairing、配置、审批和运行探针为什么都围着它转。
把 OpenClaw 最常见的首次失败拆成可执行排查顺序,先定位配置、Gateway、认证、pairing 和渠道层级。
搞清 openclaw dashboard、Gateway Dashboard 和 Control UI 各自负责什么,并完成首次启动后的状态确认。
从官方安装器到 onboard、doctor 和 Dashboard,按一条安全顺序完成 OpenClaw 首次启动。