今年年初开始我把 WorkBuddy 当成主力办公工作台之后，最大的感受是：真正决定这个工具价值上限的，不是它内置了多少功能，而是你给它喂进去的提示词质量。同一个会议纪要任务、同一份 Excel 表格整理需求，用不同人写的提示词跑，输出质量能差出一个量级。这篇内容不是我凭空总结的提示词概念，而是我把 WorkBuddy 在日常办公里真正用起来之后，按场景整理出来的一批高频提示词模板，每条都带设计思路和变体方法，方便你复制后直接改成自己的版本。我会把“为什么这样写”也讲清楚，而不是只丢一堆模板让你自己猜。
1.1 WorkBuddy 在办公场景里到底扮演什么角色
很多人第一次接触 WorkBuddy 会把它当成一个“AI 聊天窗口”，或者觉得它和 CodeBuddy 是一回事。实际上它们在定位上有明显分工：CodeBuddy 更偏代码生成和工程辅助，而 WorkBuddy 更偏“办公工作台”这个方向——你可以把它理解为把写作、整理、数据处理、信息提炼、日程沟通这些事情集中在一起完成的 AI 工作环境。
我在实际使用中主要拿它处理四类事：一是长文本的改写与压缩，二是表格和数据的整理清洗，三是邮件和会议纪要这类需要规范格式的产出，四是跨工具的信息汇总。这四类工作有一个共同特点：它们不是一次对话能搞定的，往往需要多轮调整，或者需要一套固定的风格规则持续生效。这恰恰是 WorkBuddy 的优势所在——它支持把规则设定保存在工作台里，让后续任务自动继承，而不是每次开头都要重新描述一遍“你是一个什么样的助手、请用什么样的语气、输出什么样的结构”。
1.2 提示词质量的三个层次：能跑通、稳定、可控
如果你用过几款不同的大模型工具，大概会有这种感觉：同一个提示词，在一些工具里表现不错，换个环境就变得很飘。这不是工具的问题，很多时候是提示词本身的健壮性不够。
我习惯把提示词质量分成三个层次。第一层是“能跑通”，也就是模型能理解你大概想干什么，给出一个勉强能用的结果；第二层是“稳定”，连续跑三次同一个任务，输出质量不会有太大波动；第三层是“可控”，你能通过调整几个关键词，让输出风格、篇幅、格式往你期望的方向变化。很多人写提示词停留在第一层，所以总是觉得 AI 输出碰运气。后面我给的每一条模板，目标都是至少做到第二层，多数可以做到第三层。
2. 动手写提示词之前，先搞懂这三条底层逻辑
很多人一上来就追求“提示词越长越详细越好”，这个方向并不全对。我看过不少新手写的办公提示词，动辄几百字，把所有要求堆在一个段落里，结果模型抓不住重点，输出反而变得四不像。提示词不是写作文，它更像是在给一个能力很强但理解力需要引导的同事布置任务。
2.1 角色、任务、约束、输出格式四要素
我写办公提示词基本都套用一个四要素框架：角色、任务、约束、输出格式。角色决定了模型以什么视角来处理问题，比如“你是一名有十年经验的运营编辑”和“你是一名刚入职的助理”，同样一个改写任务，输出语感会明显不同。任务必须是一个清晰的动词短语，比如“把下面这段产品介绍改写成适合朋友圈转发的短文案”，而不是“帮我看看这段文字”。约束是那些不能妥协的边界条件，比如“不要改变原意”“不要使用生僻词”“字数控制在 200 字以内”。输出格式则是你希望结果长什么样，是分点列出、是表格呈现、还是完整段落。
这四个要素不是每次都要写全，但你要清楚自己到底省掉了哪一个。很多时候输出不稳定，就是因为约束写得不够具体，或者输出格式没有说明，模型只能按自己默认的方式去组织答案。
2.2 一个复杂任务拆成多轮，而不是一句话塞满
办公里最容易踩的坑，是把一个复杂的多步骤任务塞进一条提示词里。比如你想让 AI “把这份会议纪要整理成周报，然后翻译成英文，再用正式语气发给客户”。如果一次性发给模型，它大概率会慌张——不是因为它做不到，而是因为它不确定你的优先级到底在哪，输出顺序应该是什么，哪里需要保留细节、哪里可以压缩。
我的做法是拆成多轮对话。第一轮先整理纪要，第二轮再输入“把上一步的结果翻译成英文”，第三轮才说“调整语气为正式商务风格”。每一轮都有独立的任务目标，模型不会因为信息过载而乱了阵脚。WorkBuddy 本身支持多轮上下文记忆，你不需要每轮重新贴一遍原始材料，直接引用上一轮结果就行。这也是它在办公场景里比单纯聊天工具好用一些的原因之一。
2.3 给模型参考样本，比描述一万遍更管用
描述性指令在文字任务里有效，但如果你想得到某种特定风格或特定结构的内容，最好的方式不是花一百个字去解释“我要那种简洁的、有亲和力的、带一点俏皮的感觉”，而是直接给出一段你期望的样例。
比如你想让 AI 按你惯用的周报格式来写，那就把过去某次周报的原文片段放进提示词里，说“请按照这个格式和风格，帮我写这周的周报”。模型对样例的模仿能力通常强于对抽象描述的理解能力，这算是提示词工程里的一个基本规律。后面那些模板里，凡是我标注了“需要添加样例”的地方，你最好真的补一段样例，效果会明显不一样。
3. 工作台级规则：让一套设定对所有任务生效
WorkBuddy 里有一个很实用的机制，就是可以给工作台定义长期生效的规则。这个功能如果你不用，等于浪费了它一半的价值。我自己是在用了两周之后才认真研究这块，之前每次写邮件、写纪要都要在提示词里重复交代语气和格式，后来发现明明可以一次性搞定。
3.1 为什么通用规则比每次重复提示词更高效
你可以把工作台规则理解成一个“性格设定”。比如你希望 AI 在输出内容时默认使用简体中文、默认使用短句、默认结尾不写套话，那就在规则里写清楚。这样你平时发任务时就只需要说“帮我把这段文字压缩到 200 字”，不用每次都补充一堆背景要求。
更关键的是，规则能让多轮对话保持一致性的下限。我在没有做全局规则的时候，经常遇到一个问题：第一轮输出很棒，多轮对话之后模型语气逐渐跑偏，甚至忘了最初约定的格式要求。设定了全局规则之后，这个跑偏的概率会下降很多，因为模型在处理当前会话时会持续参考预设规则。
3.2 一套实用的全局规则模板，可以直接复制
下面这套是我目前在用的工作台规则，你可以根据实际情况调整。不用全抄，只需要选出适合你工作内容的条目。
全局规则示例：
- 你是一名资深办公助理，擅长文字处理、数据整理、信息提炼和商务沟通。
- 所有输出默认使用简体中文，除非用户明确要求其他语言。
- 文字回复默认使用短句和清晰段落，每段不超过 5 行，避免堆砌形容词。
- 涉及数据分析或表格类任务，优先使用结构化输出，如表格或列表。
- 不编造数据、不猜测原文中没有的信息；如果信息不足，请明确说明需要补充哪些内容。
- 邮件、通知、说明类文本默认使用正式但不生硬的商务语气。
- 改写类任务不得改变原意的关键信息，可以在表述上优化，但事实内容不允许增删。
- 每次任务完成后，如果存在多种可能的输出方式，可以简要说明你的选择逻辑。
我建议规则数量控制在 5 到 10 条之间。太少约束力不够，太多模型容易抓不住重点。你在实际测试时会发现，某些规则可能会和单次任务的指令发生冲突，这个我们在后面专门聊。
3.3 规则粒度怎么控制：项目级还是全局
WorkBuddy 允许你在不同层级设置规则，全局规则管所有任务，项目级规则只影响某一个工作台或者某一类任务。从我个人的经验来看，尽量把“通用表达偏好”放到全局规则里，把“特定业务术语、特定格式要求”放到项目级规则里。
举个例子，如果你在某家外贸公司工作，那么“所有邮件需要使用外贸函电格式”这种要求适合放在项目级规则里。而“默认使用简体中文”“避免长句”这种偏好适合放全局规则。如果你把太高频、太窄的要求全部堆到全局里，反而会影响其他不相关场景的输出表现。
4. 办公场景高频提示词模板：100 例怎么用才不浪费
标题里说“100 例”，但如果我一条一条罗列，你大概率看完就忘，实际用的时候还是不会写。所以我把这 100 例的底层逻辑收敛成了几个高频场景，每个场景给出可以直接套用的模板，再讲清楚怎么变体。你只要掌握每个场景的套路，就等于拥有了无数条提示词。
4.1 文本写作类：改写、压缩、扩写、风格转换
文本写作是办公场景里使用频率最高的一类。我先把基础模板放在下面，你可以直接复制。
改写任务模板： 角色：你是一名资深中文编辑，擅长把书面内容改写得更易读。 任务：将下面的原文改写为更口语化、更自然的表达，适合内部沟通场景。 约束：保持原意不变，不增加原文没有的信息，不改变关键数据，不要使用过于随意的网络用语。 输出格式：直接输出改写后的文本，不要附加说明。
原文：[粘贴你的内容]
这个模板的变体方式很简单：把“更口语化、更自然”替换成“更正式、更专业”或者“更简洁、更有感染力”，就变成不同需求的改写提示词。压缩和扩写的逻辑类似，关键改变是“任务”那句动词。
压缩任务模板： 角色：你是一名高效信息整理助手。 任务：将下面的内容压缩为原文 1/3 篇幅的摘要，保留核心事实和关键结论。 约束：不得遗漏人名、数值、日期、结论性表述；剥离冗余修饰词；不添加任何个人评价。 输出格式：分两段输出，第一段是摘要，第二段是用一句话概括全文主旨。
原文：[粘贴你的内容]
扩写任务模板： 角色：你是一名内容策划，擅长把短信息扩展为完整的小节。 任务：将下面的要点扩写成 300 字左右的说明文字。 约束：严格围绕要点展开，不得偏离主题，可以补充合理的背景解释，但必须和原文逻辑一致。 输出格式：完整段落，不使用列表。
要点：[粘贴你的内容]
这三个模板是我日常使用频率最高的版本。它们之间共同的底层结构还是四要素：角色、任务、约束、输出格式。你会发现，改任务动词就能实现压缩、扩写、改写、翻译、润色等不同功能。
4.2 数据处理类：表格信息提取、Excel 公式、数据清洗
很多做运营、做财务、做行政管理的人，每天都会花大量时间在处理表格数据上。WorkBuddy 在这块的能力经常被低估，因为大家习惯性认为 AI 只擅长写文字，不擅长处理结构化数据。实际上，你用提示词让它提取表格中的关键字段、补全缺失信息、写 Excel 公式、整理分类，效率非常高。
表格信息提取模板： 角色：你是一名数据处理助理。 任务：从下表数据中提取所有包含“完成”状态的记录，并按金额从高到低排列。 约束：只输出符合条件的数据，保留原表的所有字段，不修改原有数值。 输出格式：使用 Markdown 表格输出，并额外列出提取了多少条、总金额合计是多少。
表格数据：[粘贴原始表格内容]
这个模板的厉害之处在于，它把“提取”“排序”“汇总”三个动作一次完成，这在很多人手里可能需要手动筛半个多小时。变体时你只需要替换“包含‘完成’状态”这个筛选条件，以及“按金额从高到低排列”这个排序逻辑。
Excel 公式生成模板： 角色：你是一名熟悉 Excel 和 WPS 表格的公式专家。 任务：根据下面的需求，写一个计算公式，并解释公式中每个部分的含义。 需求：在 Sheet1 中，如果 A2 单元格的值大于 100，则在 B2 显示“达标”，否则显示“待跟进”。 约束：使用适合 WPS/Excel 的常规公式语法，优先使用嵌套函数而非 VBA。 输出格式：先给出公式代码，再用两到三句话解释逻辑。
需求：[描述你的计算场景]
数据清洗自然也是一类高频需求。比如你拿到一批用户留言，里面混着一堆重复内容和无效符号，需要整理成干净的表格：
数据清洗模板： 角色：你是一名数据清洗助手。 任务：清理下方文本列表中的重复项、空行、多余标点，并把每行内容整理成“姓名 / 联系方式 / 备注”格式。 约束：如果一行信息不足以判断字段归属，保留原始文本并在后面标注“待确认”；不猜测缺失信息。 输出格式：输出整理后的表格，并在表格下方列出无法处理的条目。
原始列表：[粘贴数据]
这几条模板在用的时候有一个共同的细节：尽量让你的原始数据以纯文本或者 Markdown 表格形式粘贴进去，不要直接丢一张截图。虽然一些模型可以识别图片，但文本形式的准确率会高得多。如果非要用截图，也请在后面补一句“请以图片中可识别的文字信息为准，不要猜测图片中看不清的内容”。
4.3 邮件与沟通类：正式回复、委婉表达、要点提炼
邮件的难点从来不是打字，而是把握语气和分寸。写得太过正式显得生硬，写得太随意又不专业。这里我给你几条我实际用下来很顺手的模板。
正式回复邮件模板： 角色：你是一名商务助理，负责帮一位部门负责人回复客户邮件。 任务：根据下面的背景信息，起草一封回复客户的邮件。 情境：客户来邮件询问项目延期情况，希望明确新的交付时间和后续安排。我们预计推迟两周交付，原因是供应商供应链调整，我们已经制定了一个补救计划。 约束：语气要沉稳、诚恳、专业；不要过度道歉；给客户明确的时间节点和下一步动作；全文不超过 200 字。 输出格式：邮件正文，需要包含称呼、正文、结束语和落款占位符。
背景补充：[可选，粘贴更多信息]
如果遇到需要委婉拒绝别人但又不想伤和气的场景，可以换成下面这个模板：
委婉表达模板： 角色：你是一名高情商的沟通助手。 任务：将下面的直接表达改写为委婉、体面的商务沟通版本。 直接表达：我们暂时没有预算支持这个方案，建议你们先不要继续推进。 约束：保留核心态度——即“目前不推进”——但理由表述要客观、不卑不亢；不使用“抱歉”“不好意思”这类低姿态语句；控制在一分钟内能读完的篇幅。 输出格式：直接输出改写后的版本。
这类模板的核心技巧，是告诉模型你想要的情绪基调，同时给它一个不能改变的底线。比如“保留核心态度”就是底线，“委婉体面”是风格基调。有了这两层，模型就不会走向极端。
4.4 会议与文档类：会议纪要、PPT 大纲、周报日报
会议纪要是典型的“输入杂乱、输出规范”的任务。录音转文字或者手记笔记通常很乱，你需要 AI 帮你梳理成条理清晰的纪要。这里的关键不只是“帮我整理一下”，而是你要告诉它纪要的读者是谁、需要哪些部分。
会议纪要模板： 角色：你是一名会议纪要专员。 任务：将下面的会议讨论内容整理成正式的会议纪要。 约束：区分“决议事项”“待办任务”“风险问题”三个模块；每个待办任务必须明确负责人和截止时间，如果原文没有明确提及，请标注“待确认”；保留关键数据，不做价值判断。 输出格式：
- 会议主题
- 时间
- 参会人
- 决议事项
- 待办任务（负责人 / 截止时间）
- 风险与待跟进问题
会议原始内容：[粘贴内容或要点笔记]
你会发现我特意用约束把输出结构限制住了。如果不这么做，模型会自己决定纪要里放什么、不放什么，有的模型还会加入“本次会议在XXX的指导下顺利召开”这类毫无用处的套话。办公提示词里，“不给模型自由发挥的空间”在很多时候是非常重要的事情。
PPT 大纲模板逻辑类似：
PPT 大纲模板： 角色：你是一名 PPT 内容策划。 任务：根据下面的主题，设计一份 10 页 PPT 的内容大纲。 主题：向新员工介绍公司的远程办公协作规范。 约束：每页标明标题、核心要点、建议呈现形式（文字/图表/图示说明）；避免大段文字；逻辑要能在 5 分钟内讲完；全套大纲使用同一套表达术语。 输出格式：按页码列出，每页不超过 4 个要点。
周报日报这类有固定模板的内容，我一般是直接把上一周自己写的周报片段作为样例喂进去，然后说“按这个风格写本周周报”。这个做法比任何描述都更稳定，因为模型直接对照了你认可的结构和语感。
4.5 代码与自动化辅助类：日常脚本、函数、数据处理
虽然 WorkBuddy 不是专门写代码的工具，但办公场景里经常有一些轻量级脚本需求，比如批量重命名文件、批量提取 PDF 里的文字、定时生成报表。这些任务如果让开发来做，可能排期排到下个月，用提示词让 AI 直接给个脚本，能快速解决问题。
脚本生成模板： 角色：你是一名熟悉 Python 办公自动化的工程师。 任务：写一个 Python 脚本，实现以下功能：扫描指定文件夹下的所有 Excel 文件，提取每个文件的“销售额”工作表中的 A 列和 F 列，汇总到一个新的工作簿中。 约束：使用 pandas 和 openpyxl，添加必要的异常处理；忽略隐藏文件；每个步骤写注释；脚本要能在 Windows 10 环境下直接运行。 输出格式：输出完整代码，并在代码之后注明需要安装哪些 Python 依赖库。
脚本需求：[描述你的自动化任务]
这种提示词有一个隐含要求，就是让 AI 提供“运行前置说明”。经常有人直接复制代码运行，报错一堆，然后骂 AI 没用。实际上是因为没写清楚运行环境。加上“注明依赖库”这一约束，能帮你省掉很多莫名其妙的报错排查时间。
现在不少办公人士也会在 WorkBuddy 里问 Excel 函数怎么写：
Excel 公式模板（简化版）： 角色：你是一名 Excel 函数专家。 任务：实现下面的统计功能：计算 B 列中连续超过 5 个单元格为“通过”的情况下，对应 A 列日期的最小值。 约束：优先使用基础函数和辅助列，不要使用数组公式以外的复杂函数；给出两种实现方法，分别标注适用版本。 输出格式：用文字说明逻辑和步骤，再给出具体的函数公式。
我在用这类模板的时候发现一个规律：如果任务比较复杂，让 AI 先给出“思路说明”再给最终公式，比直接要公式要可靠很多。因为模型在推理过程中会自己重新审视逻辑，相当于思考两次。虽然看起来多了一步，但出错率降低非常明显。
4.6 打造自己的“提示词参数库”
讲了这么多模板，其实我最想传达的一个方法，是建立自己的提示词参数库。不要每次都从零开始写提示词，而是把模板里最容易变化的几个位置抽象成参数。
举个例子，改写任务里的“更口语化、更自然”就是一个参数位，你可以准备多个候选值：正式专业、简洁直接、亲切温暖、理性克制。邮件任务里的“给客户”也是一个参数位，换成“给上级”“给跨部门同事”“给合作方”，语气要求就完全不一样。表格任务里的“按金额从高到低排列”同样是参数位，后面可以换成“按日期升序”“按部门汇总”“按状态分组”。
我自己的做法是在笔记软件里建了一个“提示词模板库”，按场景建目录，每个模板里把可变部分用方括号标出来。这样用的时候只需要复制模板、替换参数、填上具体内容，前后不到 30 秒就能产出一条高质量的提示词。如果你希望 WorkBuddy 的“100 例”真正发挥价值，这个方法比收藏一堆现成句子有用得多。
5. Skill 与上下文管理：从“每次发提示词”到“一键执行”
WorkBuddy 里经常被提到的一个进阶功能是 Skill，某种意义上你可以把它理解为“封装好的提示词程序”。如果你有某个任务每周都要做，比如每周一生成上周的数据复盘，那就不应该每次都从头写提示词，而是把它做成 Skill，一键触发。
5.1 Skill 是什么，怎么把高频任务封装成 Skill
我理解的 Skill，就是把一套固定的角色设定、任务流程、输出模板整合成一个可复用的执行单元。比如我每周都要做一件事：把运营同事发来的数据表整理成包含“环比变化”“重点异常”“下周建议”三个板块的分析简报。以前我的做法是每次复制一大段提示词，再手工调整细节。后来做成 Skill 之后，我只需要把数据表丢进去，它自动按固定流程输出。
封装 Skill 的关键，是在步骤里写清楚处理顺序，而不只是堆砌要求。比如你可以明确写：第一步，检查数据是否有缺失值和明显异常；第二步，计算核心指标的环比变化；第三步，筛选变化幅度超过 10% 的指标作为重点异常；第四步，根据异常给出至少两条可执行的下周建议。有了这种步骤化描述，Skill 的输出稳定性会非常高。
对于不熟悉 Skill 编辑界面的用户，我的建议是先在普通对话里把提示词调到满意，再把它固化到 Skill 里。这样你对输出效果有预期，不会因为封装规则不当而在执行时翻车。
5.2 上下文工程：多轮对话里如何控制信息量
提示词工程聊得多了，大家渐渐开始关注另一个概念：上下文工程。意思是，模型能参考的信息总量有限，你把什么放进上下文、把什么挡在上下文之外，直接影响输出质量。
我的经验是：办公任务里，尽量只把“当前任务需要的材料”放进上下文，不要把一整年报告都贴进去。比如你让 AI 分析上季度销售数据，只需要给它上季度的汇总表和相关背景，不需要把三年历史数据全部堆进去。模型不会因为你给得多就变得更好，信息太杂反而会稀释注意力。
在多轮对话时也是一样，如果你发现 AI 在后续轮次里忘记了最初的格式要求，可以每隔几轮重贴一次关键约束，或者直接引用全局规则里的编号。比如“请按规则 3 的格式重新输出”。这种显式引用的做法，比重新描述一遍更直接有效。
5.3 鹈鹕测试法：一个我自己常用的输出验收方法
可能有人听说过“鹈鹕骑自行车”这个说法。在一些 AI 编程工具的交流圈里，它被当成一种经典的测试用例，用来验证模型在复杂描述下是否能正确理解并生成具体的结构或图片。比如让模型生成一个鹈鹕骑自行车的 SVG，考验的是它对物体、动作、空间关系的组合理解。在办公场景里，我借用了同样的思路来做输出验收。
具体做法是，遇到一些重要的任务，我会要求 AI 先给出“对任务的理解”，再给出最终结果。如果它对任务的理解都出现了偏差，那么后续结果基本不可信。这种“先复述、再执行”的方式，有点像是让员工在动手前先把自己的理解说一遍，大大降低返工概率。
复述任务模板： 角色：你是一名严谨的办公助理。 任务：在执行下面的任务之前，先用自己的话复述任务需求，说明你将如何处理，然后开始执行。 任务需求：[粘贴你真实的任务] 约束：复述部分不超过三句话；如果任务中有不明确的地方，在复述中标明，并选择你认为最合理的解释方式。
6. 我踩过的坑：规则冲突、输出失控、环境干扰
前面讲了不少方法论，这一节是我真正想提醒你的几个坑。每一个都是我实际使用中踩过的，不是从文档里看来的。
6.1 提示词太“贪心”导致输出失控
早期使用 WorkBuddy 的时候，我总想把所有要求都塞进一个提示词，比如“帮我写一份产品方案，要求包含市场分析、竞品对比、用户画像、风险提示、时间计划，并且每个部分不少于 500 字，语气专业但不死板，还要有数据支撑，没有数据就用假设”。这种提示词写出来，模型往往会在前两个部分表现不错，后面就开始泛泛而谈，或者各部分之间风格不一致。
后来我改成把任务拆成两个阶段。第一阶段先生成大纲和关键词，确认结构没问题；第二阶段再逐段扩写。这样每一步输入给模型的复杂度都控制在合理范围内，输出质量明显提升。贪心是办公 AI 提示词里最大的敌人。
6.2 全局规则与单次提示词冲突怎么处理
设置了全局规则之后，你可能会遇到一种情况：单次任务要求的方向和全局规则相反。比如全局规则说“所有输出默认使用简体中文”，但这次你就是要翻译成英文；全局规则说“邮件语气要正式”，但这次你就是想写一封短小随意的内部消息。
我的经验是，单次任务提示词里的明确指令优先级高于全局规则。但为了确保模型不混淆，你最好在单次提示词里明确说一句“本次任务优先按以下要求执行，忽略全局规则中的第 5 条/语气要求”。这种显式覆盖比“这次不一样”这种模糊表达可靠得多。
6.3 安装、缓存目录和版本差异那些小问题
最后说说很多人问过的安装和缓存问题。WorkBuddy 在 Windows 和 Linux 环境下的表现有些差异，如果你在旧版本系统上使用，部分新出的 Skill 功能可能加载不太顺畅。我个人建议优先关注官方最新版本，尽量不要使用来路不明的打包版，不只是安全原因，更主要是因为功能缺失会导致提示词效果打折。
缓存目录的问题我也折腾过一阵子。如果你发现系统盘空间越来越小，可以在 setting 里找到缓存路径修改选项，把它改到数据盘或者移动存储设备上。这个操作一般不会影响已保存的规则和 Skill，但注意修改路径之后需要重启工作台，否则新路径不一定生效。对于还在用旧版系统的用户，我建议先检查一下 WorkBuddy 需要的最低系统版本要求，避免基础环境不稳，然后在粗心上排除问题。
说回到提示词这件事本身。你在各种平台看到的那 100 例、200 例提示词，本质上都不是什么秘密，真正有价值的从来不是某一条具体的话术，而是你有没有理解提示词的结构、有没有建立自己的模板库、有没有配置好一套长期生效的规则。如果你照着我上面的方法，先把自己的全局规则定好，再把几个高频场景的模板调顺，你实际用 WorkBuddy 的效率会比直接复制一堆散装提示词高得多。最后再说一个小技巧：每次你发现一条提示词跑出来的效果特别好，就顺手把它存档，标注好场景和参数，时间久了你会攒出一套真正属于你自己的“100 例”，这才是那篇文章标题真正的用处所在。