从今年三月第一次打开 WorkBuddy 到现在，我在这台笔记本上累计完成了接近一百五十个工作空间、上千次对话。在这段时间里，我把写作、配图、做 PPT、可视化建模、应用开发、视频制作、AI 作图这几件原本分属不同工具链的事，逐步收拢到了同一个对话窗口里。

这篇文章不打算写成产品说明书，我更想把自己真实跑通过的路径、踩过的坑和沉淀下来的方法，按主题摊开来聊一遍。每一个价值点我都会配上一张自己实际产出过的成果图，你可以把它当作一份"个人生产力重构"的实践记录来读。

一、AI 辅助写作：不是让它替我写，而是帮我守住"我的声音"

注：workBuddy出图，提示词可以指定用imageGen绘图，上图为基于文章内容，增加了关键提示词手绘风格，羊皮纸底色。

我在 WorkBuddy 里做得最多的一件事其实是写作，而且几乎全部集中在"整理与润色"而不是"从零生成"。我习惯把口播录音、公众号旧文、知乎历史回答先喂进去，明确要求只修订明显的语音识别错误、错别字和标点，重新整理段落，其他一律不许动。这样做的价值在于，AI 承担了最枯燥的清洗工作，而我的表达习惯、用词偏好和行文节奏被完整保留了下来。

多轮打磨之后我形成了一个固定口径——先做保真修订，再补不超过两成的内容，且补充部分的文风必须和我原文一致。这条规则看起来苛刻，实际效果很好，最终成稿读起来仍然是我在说话，而不是一个陌生的模型在替我说话。我也因此更确信一件事：AI 在写作里最好的位置不是作者，而是那个帮你把桌子擦干净、把材料摆整齐的助手。

在更深一层的写作上，我依托自己的历史知识库做了"知识重组"式的创作。具体做法是先把个人原创文章目录整体读一遍，抽取核心论点，再针对一个新问题按我的既有观点重新组织成一篇新文章。像《读了那么多方法论，为什么遇到真问题还是不会解决？》《从数字化到 AI 原生，到底什么是 AI 原生？》这两篇，都属于这一类。我发现这套流程的关键，是先让模型充分理解"我在这件事上到底持什么立场"，再动手写，否则它很容易滑向那种四平八稳、人人可用的通用表达，而那种东西对读者是没有价值的。

改写和"去 AI 化"是我写作环节的另一个重心。我手上有几篇早期由 AI 生成的方案稿，里面充斥着"宪法制定者"这类过度拔高的词汇和空洞的排比。我要求模型做的是降调，把宏大词汇换成朴实的逻辑表述，同时保持论证链条的严密和完整。这里我的经验是：去 AI 化不是删词，而是要求段落之间必须存在真实的因果推进，让每一个判断都能被上一句话支撑。当文字之间的逻辑咬合足够紧，那种塑料感自然就消失了，剩下的是可读、可推敲的论述。

排版发布这一环我也做了自动化。写完的文章我会让帮我把 Markdown 转成适合公众号阅读的 HTML 版式，再通过后台接口直接推送到草稿箱，标题、摘要、正文样式一次成型。这套链路打通过后，我从一篇文章写完到进入待发布状态，中间不再有手工复制粘贴和反复调格式的来回。对我这种高频输出的人来说，省下的不只是时间，更是每次要重新拾起排版状态的心力，而心力恰恰是长期写作里最容易流失的东西。

二、AI 配图：把手绘、架构图、封面做成一条流水线

配图这件事我做得比写作还要系统。最基础的一类是为文章小标题配的"手绘插画"，我固定的要求是带纹理的羊皮纸背景、暖米黄到浅棕的色调、手绘线框图混排。上面那张"把大象装进冰箱"就是典型产出。它的妙处在于把抽象的论证过程视觉化——大象被抽象为"事物"，冰箱被抽象为"存储载体"，三步动作被归纳为准备、执行、确认。这种图比单纯的文字更能让读者记住方法论是怎么被抽象出来的，也更符合我在文章中反复强调的"从具体到抽象"的论证节奏。

第二类是结构化的逻辑插图，用 SVG 精确绘制而不是生成式出图。比如那张"企业 AI 赋能新范式：通用平台 + Skills"，用蓝红双色对比呈现旧模式与新范式的替换关系，把"提示词、上下文工程、workflow、代码片段、外部接口"作为 Skill 包的五项集成能力并排展开。这类图的优势是可控、可复用、可精确对齐文字，我通常在明确要求"体现分解、集成、流程、对比、映射关系"时才走这条路。它和生成式出图的区别在于，前者服务于逻辑，后者服务于氛围，两者不能互相替代。

第三类是视频封面和海报。我做过一批深色科技底图加短标题的封面，例如"业务系统 AI 赋能的三个层次"，主视觉用暗色神经网络背景托住白色大字，下方用红色标签强调"能回答、能执行、能决策"三个层次。制作流程已经固化为可复用的技能：先用模型抠出人像并做边缘外扩与羽化防毛刺，再生成主题深色底图，最后用脚本按 1920×1080 精确合成标题。每一版调整我都会另存为新文件而不覆盖上一版，方便横向对比挑选，这个习惯让我在迭代封面的过程中始终保有回退空间。

第四类是把别人文章里的 ASCII 字符画重制成真正的架构图。我读到过不少用字符拼架构图的文章，信息密度高但完全没法在移动端阅读。我的做法是让 WorkBuddy 读原文，抽取出图元之间的分层与依赖关系，再重绘为可导出 PNG 和 SVG 的自绘 HTML 图。这样既保留了原作者想表达的结构，又让它成为了能在公众号、PPT、方案文档里通用的视觉资产。至此，从文章插图、逻辑图、封面到架构重绘，我手上已经形成了一条完整的"配图流水线"，每类图都有明确的使用场景和固定的工艺参数。

三、AI 做 PPT：提示词、模板库与架构图三件套

做 PPT 是我投入时间最多、也最见成效的方向。我没有停在"输入一段文字让它生成幻灯片"这种浅层用法上，而是给自己搭了一套完整的工具：一份咨询风格的 PPT 生成提示词，加上一个图表模板库，再补上一套 UML 风格的架构图模板。提示词负责规定整体版式语言——浅色系、大咨询公司的构图风格、MECE 与金字塔原理的结构化表达；模板库负责提供可直接嵌入的 ECharts 图表；架构图模板则负责软件方案类 PPT 里最难的架构表达这一环。

图表模板库的建设过程很能说明问题。我不是一次性写完的，而是在实际做 PPT 的过程中不断往回补。比如做到"中心辐射图"时，我发现外围矩形框的长度过长、和中心的连接线走向混乱，就明确要求外围矩形的连线要么接在下边中心点、要么接在上边中心点，外围节点也不必严格分布在正圆上，椭圆布局同样可以接受。这种一轮一轮的微调，最终把模板库打磨成了真正趁手的工具，而不是看起来漂亮却没法用的示例集合。

架构图模板是我认为最有价值的一次补足。软件方案类 PPT 几乎必然涉及架构呈现，但通用模板往往给不出分层技术架构图、功能架构图、活动图、序列图、类关系图、状态转化图、集成关系图、部署视图这些专业图形。我参照 UML 主流图建立了一整套模板，并明确规定只有涉及架构绘制时才引用这套模板，同时在提示词里给出了架构图的初步选择思路。这样一来，提示词和模板文件形成了一个完整的闭环，模型知道什么时候该用哪种图，而不是每次都从零猜。

最终验证环节我用真实材料跑通全流程。我拿《AI 驱动供应链智能计划排产与交期承诺技术方案》这份文档，让 WorkBuddy 严格按提示词规范和模板库要求，输出了一份完整的 HTML 格式 PPT，并控制在十页正文以内。输出的结果既有封面封底，也有结构化图形与文字配合的正文页，文字密度被有效压低，真正做到了"用图形承载逻辑、用文字点明结论"。这套"提示词 + 模板库 + 架构图模板"的三件套，现在是我做任何方案类 PPT 的标准起点。

四、AI 可视化建模：让知识体系长出可推演的结构

可视化建模已经上传skills hub技能市场，可以搜索和下载使用。

注：https://skillhub.cn/skills/user_81d33501/sbr-model-builder

可视化建模是我个人最看重的方向，因为它解决的是"把模糊的知识变成可推演的结构"这个问题。我用得最多的是一套自己的系统架构建模规范和一套结构行为关系建模方法。前者擅长把一份长篇文档解构成知识体系，后者擅长把系统抽象为对象、行为和关系的三维结构。上面那张《OPIC 智算平台》知识体系可视化模型就是前者的产出，它把一份技术 PPT 拆成了元知识层、领域知识层、追溯层三个层级，每一层下面再用卡片承载具体概念。

这类建模的核心工序是先解构再重组。我会先让模型深入阅读原始材料，把核心概念、关键判断、相互依赖关系抽取出来，形成一份"知识原子"清单，再把这些原子按层次和流向重新组织成图。解构保证不遗漏，重组保证有主线，缺了任何一步，出来的图要么像流水账，要么像没有骨架的散点，都谈不上是知识体系。

以 FDE 前沿部署工程师的能力体系为例，我要求把能力框架分为 L1 到 L4 四层，逐层收敛。第一版输出里最左侧列的小方框和分层标题区有重叠，字体也偏小，我让方框位置整体右移、放大字号、压缩留白，反复迭代到版面真正干净为止。这个过程让我意识到，建模工具的价值不仅在于出图，更在于它强迫你把知识结构想清楚——想不清楚的地方，图上是画不出来的。

另一条线是基于 D3.js 的动态建模。我做过循环工程的可视化、SaaS 文章的结构抽取、金刚经导图等多个案例。这里最容易踩的坑是布局——校验器画在中间会导致和连线大量重叠交叉。我的解决思路是既保留分层，又通过调整节点位置来减少交叉，优先保证"一眼能看懂流向"。

还有一次更实际的教训：知识网络构建完了，节点都能显示，关系却全部看不见。排查后发现问题出在连线的渲染参数上，边虽然存在但颜色和背景过于接近，实际等于没有画出来。这件事之后我把"节点可见但边不可见"列为可视化验收的必查项，也顺手总结出了一套关系图的排查方法。

我还把建模能力沉淀成了可复用的技能。我把自己那套知识体系构建规范整理成了一个可以安装的技能，输入任意业务域或知识主题，就能动态生成门户首页、顶层思维导图等一系列联动的可视化页面。后来我又把结构行为关系建模规范也梳理优化后发布了第二个技能。从"每次手动建一遍"到"一句话建一套"，这是我认为个人能力资产化最关键的一步——只有当方法被封装成工具，它才真正具备了反复使用的杠杆效应。

五、AI 开发：从本体模型到可运行的应用系统

AI 开发是我这里面工程含量最高的一块。我的核心方法论是"本体驱动"——先建模型，再由模型生成应用。具体来说，我用一套本体建模规范把业务需求抽象为一个包含多个模型的知识底座，再用一个元技能把这份模型转换成可运行的领域应用。我先后用它做过合同执行管理系统、CRM 客户关系管理、以及基于逆向模型的酒店预订系统。每一个都是从需求出发，先确认本体，再自动生成数据库、界面和查询逻辑。

这个方向最实际的价值体现在"逆向"场景上。我手上有一些老系统的资料，其中最典型的是凌志项目里那套 VB6 写的酒店系统。我让 WorkBuddy 基于本体模型逆向分析，第一个问题就是"当前系统实现了哪些业务功能"，随后逐个功能点深挖，比如客房预订、客户预订到底是怎么流转的。更进一步，我要求把一个完整的预订流程做成可交互的 HTML 演示——点按钮就能模拟"选房到入住再到离店"的全过程。对一个根本不熟悉这套老代码的人来说，能在几轮对话里把它讲到这个程度，价值是显而易见的。

界面原型的路线我在早期走过弯路。我一开始想找的是类似 Axure 那样的原型工具，但很快明确了自己真正要的不是线框图，而是能真跑、高保真、可交互的 HTML 界面。确认方向后，我用高保真原型技能把一份《合同管理需求规格说明书》直接生成了一套完整的 Web 原型，包含工作台、合同管理、开票管理、收款管理、审批中心、报表中心和基础数据七个模块，页面上有真实的金额统计、图表和待办列表。

后来我又按自己的使用习惯提出改进：把基础数据维护拆分成独立面板，新增和修改复用同一个动态弹出的对话框，而不是进入页面就先铺一堆 Tab。这些调整让原型从"能看"变成了"像真的系统一样能点"。我越来越觉得，评价一个原型好不好，标准不是它截图漂不漂亮，而是别人拿到手里能不能顺着业务流程一路点下去、并且每一步的反馈都符合预期。

我还把这套构建过程本身沉淀成了一套工程做法。核心原则是不要手写大 HTML，而是用生成器把演示数据、样式、脚本和图标组装成单文件。页面里绝不硬编码金额和状态，全部由派生逻辑从源数据计算出来；状态流转只允许修改源数据，绝不修改派生副本，否则刷新时会被静默抹掉，表现为"点了通过但状态没变"。我还用系统自带的 Edge 做无头浏览器验证，通过真实的点击路径去检查黄金流程。这些看起来琐碎的约束，正是原型能否交付给研发做交接的分水岭。

六、AI 制作视频：口播成片与字幕对齐

视频这条线我跑得比较深，主要围绕"口播音频加逐字稿"这个高频场景。我的输入通常是一个 mp3 和一份带演讲人与时间戳的逐字稿文本，输出则是一支带同步字幕的横屏成片。识别、纠错、断句、对轴这些原本要耗掉整个晚上的环节，现在被压缩成一次对话，我可以把省下的时间用在选题和观点打磨这些真正决定内容质量的地方。

字幕的处理是最关键也最磨人的环节：逐字稿里一个时间戳往往覆盖一大段内容，必须按每行不超过固定字数拆分，而且不能像常见做法那样把多行字幕一起堆在画面上。我明确要求同一时刻画面只显示当前正在讲的那一行，字幕要跟着语音走到哪显示到哪。这个需求在第一次输出时被误解成了多行显示，来回沟通两轮、调整了字号和底部距离之后才真正对齐。

渲染环节我总结了几条本机适用的经验。一是要关掉持久化缓存，否则清理缓存的操作会被安全策略拦下，导致构建一直失败；二是渲染要调用系统里已装好的 Chrome，而不能依赖自带的浏览器内核；三是验证画面不要用单帧渲染，那个方式在这台机器上往往长时间无响应，改用渲染一小段连续帧的方式又快又稳。这些坑当时每一个都卡了我不少时间，现在则变成了换新工程时可以直接套用的清单，这也是我把整个视频流程固化成技能的原因。

除了口播成片，我还做了解说视频。有一支关于 OpenClaw 和 HerMes 两个开源项目对比的视频，需要动画、配音和字幕三者同步，解说采用中年男声。还有一类更有意思的用法，是在我已经录好的口播视频上叠加透明图表。这里的关键是不能全片都叠，而只在出现关键特点列表、结构化描述、对比、流程、组成这些内容的地方才插入可视化图表。这个判断逻辑让视频的信息密度有了明显的层次感——讲述部分保持画面干净，结构化部分突然给出图示，观众的注意力会被自然地带到重点上。

七、AI 作图与素材处理：抠图、封面与批量视觉资产

AI 作图在我的工作流里承担的是"视觉资产生产"的角色。最典型的一个案例是那张"年薪百万 FDE 你真的想多了"的封面：左侧是醒目的白色大字标题配黄色强调，右侧是我的真人抠像，背景是深色科技感的神经网络节点与漂浮的钞票元素，再叠加一个若隐若现的人影制造悬念。这张封面从抠图、背景生成到文字合成，全部在同一个对话窗口里完成，中间不需要切换到任何专业设计软件。

人像抠图这个前置环节我专门优化过。基础抠图之后我会要求做一个边缘外扩并羽化，用来防止发丝和衣服边缘出现毛刺。这个细节在缩小了放在封面上时特别明显，处理和不处理是两种观感。抠好的透明背景人像我会单独存档复用，后面做别的封面时可以直接调用，不必每次重新抠一遍，这也是素材积累带来的复利。

另一类高频需求是尺寸规格化的处理。我做过把品牌 Logo 精确处理为 800×200 像素，也做过把过高的长图横向三等分拆成三张便于在手机上浏览的图片。这些任务单个看起来微不足道，但它们是真实内容生产里躲不开的琐事。当这类琐事全部可以在对话里一句话解决时，我就能把注意力集中到真正需要判断力的事情上——这张图要传达什么情绪、这个标题该用什么口径。

我还用生成式作图做过主题化的海报和插画，比如系统思维主题的深色封面、古希腊神庙的写实场景测试。这里我逐渐形成了一条约定：生成式出图负责氛围和意象，精确制图负责结构和信息。前者用来做封面、做背景，后者用来做架构图、做流程图。把两者的职责分清楚之后，出图的返工率明显下降，因为我不再要求生成模型去做它本来就不擅长的事情——画出精确的分层结构和依赖关系。

八、把重复劳动交给自动化：定时任务与跨工具协同

除了这些具体的内容生产任务，我还把一批周期性、机械性的工作交给了自动化。其中最典型的是文件整理——我做过一个定时任务，每天中午自动扫描指定目录，按"文件大小相同、文件名带数字后缀"这个特征找出重复文件并归集。这套判断规则是我和模型一起推敲出来的，因为重复文件最常见的形态就是本体相同、只是后面多了个 (1)、(2) 的编号。把它配成每天定时执行之后，我就再也不用惦记这件事了。

跨工具协同是另一个让我觉得惊喜的方向。我把数据库、知识库、云文档这些外部系统陆续接到了对话里，于是"查询本体对象""列出知识库""读取资料库文档并一键生成可视化页面"这类操作都能在同一个窗口完成。我还写过脚本，把目录下分散的发票 PDF 逐个识别出编号、开票时间、金额和税率，汇总成一张结构化表格。这些能力单独看都不算惊艳，但它们共同构成了一个事实：我不再需要在五六个应用之间来回切换、手工搬运数据，信息流动的摩擦被压到了很低的水平。

我甚至把运维层面的琐事也交给了它。有一次我让它分析 C 盘空间到底被什么占满了，它逐个定位了开发工具缓存、包管理器的存储目录、聊天软件的缓存位置，并明确告诉我哪些能安全清理、哪些不能动。这种判断的价值在于，它把"我不确定删了会不会出事"这个犹豫成本直接清零了。对一个每天都在电脑上工作的人来说，减少的其实是决策疲劳。

回头看这条自动化路线，它的价值不在于省下了多少分钟，而在于它把一类需要我记得、需要我定期关心的事情，从我的待办清单里彻底移除了。人的注意力是有限的资源，能被托付出去的部分越多，能留给真正重要判断的空间就越大，这种"心里不用再挂着"的轻松感，其实是自动化最容易被低估的回报。

九、沉淀出来的方法：从单次任务到可复用技能

如果说前面几节讲的是"做了什么"，那这一节讲的是"我真正学到了什么"。这一年里我最大的认知转变是：一次性的高效没有意义，可复用才是真正的杠杆。所以每当我跑通一条有价值的流程，我都会问自己一个问题——这件事能不能被封装成一个技能，让下次只要一句话就能重跑一遍？正是基于这个判断，我把封面制作、口播成片、知识体系构建、结构行为关系建模、需求探索这些流程，陆续都固化成了可安装的技能包。

技能化的过程本身也是一次梳理。要把它写成技能，就必须把隐含在操作里的先决条件、工具依赖、参数口径全部显性化。比如口播成片这个技能，我不得不把"字幕单行单显""字号 60 像素""底部距离 80 像素""渲染要关缓存""用系统 Chrome"这些原本在脑子里一闪而过的细节，逐条写进说明里。写完之后我发现，我对整条流程的理解反而比动手之前更清楚了。这印证了一个我越来越确信的道理：能被清晰写下来的方法论，才是真正属于你的方法论。

我也在这过程中修正了不少早期的错误认知。一开始我以为配图就是把图生成得好看，后来明白结构图的价值在逻辑而不是观感；我以为写文章是让 AI 多产出，后来明白守住自己的声音才是关键；我以为原型就是画得漂亮，后来明白能保证状态流转正确才是可交付的门槛。这些认知的更新，都是被真实项目里的返工一次次教出来的，这也是为什么我坚持在文章里保留具体的案例和踩坑细节——抽象的道理谁都说得出来，能复用的经验一定长在具体的实践上。

最后我想说回一个更朴素的观点。这一整套工具链真正提升的，并不是我做某一件事的速度，而是我从"想到"到"看到成果"之间的距离。以前一个想法从萌生到变成一张图、一份 PPT、一支视频，中间要走很长一段杂务；现在这段杂务被压缩到了几乎为零。当试错成本低到可以随手验证一个念头的时候，我的创作方式就发生了变化——我不再需要反复权衡要不要开始，而是可以直接开始，看着结果一点点长出来。这可能才是我这一年在 WorkBuddy 上收获的最重要的东西。

我用 WorkBuddy 重塑个人生产力的全记录：从写作、配图到建模、开发与成片

人工智能

开发工具

职业发展

从写作、配图、PPT到视频制作，WorkBuddy将多工具链整合进统一对话窗口，实现个人生产力重构。文章通过具体案例展示AI辅助写作保真、可视化建模、自动化流程等实践路径，强调可复用技能沉淀与认知迭代，为知识工作者提供了一套从想法到成果的高效方法论。

客户关系管理

上下文工程

语音识别

包管理器

WorkBuddy 

数据库

OpenClaw

SkillHub

Markdown

SaaS

2026上云采购 | AI焕新·智启新局

lexiang

一键玩转AI人脸特效，新用户14.9元起


文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

我用 WorkBuddy 重塑个人生产力的全记录：从写作、配图到建模、开发与成片

我用 WorkBuddy 重塑个人生产力的全记录：从写作、配图到建模、开发与成片

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐