使用国产 Harness 完成你的工作

进入 Workbuddy 官网下载安装包，或打开压缩文件中的安装包。

完成安装后，登录 Workbuddy 即可开始使用。

总结数据

输入你需要让 Agent 干的活。比如：帮我生成一份今日科技股市总结 PDF。

也可以直接拖入文件，输入：帮我总结一下这个文档。

安装、配置环境

输入你要配置的环境。比如：

• 帮我在本机上安装 Python 3.12
• 帮我在本机上安装 YOLO v8

制作文档、演示文稿

输入你所需要的需求。比如：制作一份保密教育的 PPT 以及 Word 提纲。

生成代码、程序 Project

先切换至代码开发模式。

再输入你想制作的程序。比如：

• 使用 Python 写一个冒泡排序的程序
• 制作一个学生成绩管理系统
• 使用 YOLO 制作一个跳一跳自动脚本

润色你的 Prompt（提示词）

一个好的提示词能够大大减少返工和修改的概率，但大部分人都不知道如何写好提示词。Workbuddy 提供了提示词润色功能，点击「增强 Prompt（提示词）」即可。

制作一份面向企业员工的保密教育培训材料，包含 PPT 演示文稿和 Word 版详细提纲两部分。PPT 需涵盖以下内容：保密工作的重要意义与相关法律法规要求、常见泄密风险场景（如社交媒体使用、移动存储介质管理、电子邮件传输、涉密文件处理等）、典型泄密案例警示分析、员工日常保密行为规范以及违规责任与处罚规定。Word 提纲应与 PPT 结构对应，详细列出各章节核心知识点、讲解逻辑顺序、配套案例说明和互动讨论问题，便于培训讲师备课和现场授课使用。整体材料结构清晰、层次分明，适合约 60 分钟的培训课程，语言专业严谨且通俗易懂，并预留可根据本单位实际情况替换案例的说明位置。

以上是润色后的提示词。此时再根据你的需要修改上面的提示词即可。

切换模型

切换现有的 Workbuddy 模型：点击图中红框标出的区域，选择模型。

模型的智能程度可以参考 Arena AI（LMArena）大模型排行榜 · 官网镜像（9 月 5 日更新）；模型的价格则参考其消耗倍率。

切换第三方模型：由于 Workbuddy 免费额度较少、收费较高，建议采用第三方模型。点击「配置自定义模型」。

了解完概念之后，访问 platform.deepseek.com，进行登录以及实名认证，进入充值界面充值。

再进入 API keys 界面，创建一个 API key，并保存好你的 API key。

下面我们再找接口地址和模型名称。点击「接口文档」。

接口文档里就什么都有了。

我们这里复制 OpenAI 协议的 base_url，模型选择 deepseek-v4-pro。

deepseek-v4-pro 支持图片输入和思考模式，这里一并勾上，点击保存。

回到主页，就可以使用 DeepSeek 了。如遇到错误，可查看错误码解决相关问题。比如下面这个例子就是余额不足。

当然，Workbuddy 也提供了预设的 base_url 以及模型配置，这样就可以更方便地配置模型了。

Prompt、Skill 与 MCP

这些是基础词汇。学会了它们，就不会在接下来的 Harness 使用中一头雾水。

Prompt（提示词）：给大模型的输入指令文本，是人和大模型之间的接口，用来告诉模型任务、角色、约束、输出格式、背景信息。大模型本身没有「主动想法」，它只会根据你给的 Prompt，续写最符合概率的文本。模型输出质量的上限由 Prompt 决定。

一个完整的提示词通常包含下面几块，按需组合：

• 角色设定（Role）：你是谁。例：你是一名 C++ 竞赛教练
• 任务指令（Task）：要做什么。例：请推导高数公式
• 上下文 / 背景（Context）：相关资料、已知条件
• 约束规则（Constraints）：不能做什么、限制条件
• 输出格式（Format）：Markdown / JSON / LaTeX / 简短一句话
• 示例（Few-shot，少样本）：给 1~3 组输入输出样例，教模型模仿格式

当然，Prompt 也可以非常简单。比如「今天呼和浩特的天气怎么样」也是一个提示词。

Skill（技能）：字面意思，Agent 可以调用、用来完成特定任务的能力单元。通俗地类比一下：

• 大模型 Model：大脑，会思考、理解语言
• Harness：底盘 / 运行框架，负责循环、调度、权限、记忆
• Skill：工具包里一个个独立的本事，相当于人的一项项技能

MCP（Model Context Protocol，模型上下文协议）：一套开放标准通信协议，用来让 AI Agent / 大模型应用以统一、安全的方式连接外部工具、文件、数据库、业务系统。由 Anthropic 在 2024 年底开源，现在已捐赠给 Linux 基金会，可以类比为 AI 领域的 USB-C 接口。

简单来说，MCP 就是 Agent 去远端找到并调用工具的「高速公路标准」。打个比方：电脑要使用鼠标，就得把鼠标的 USB 插头插进电脑的 USB 接口，鼠标才能工作；同样，大模型要使用一个工具，就需要通过 MCP 来连接这个工具。

那如何写一个好的 Prompt，或者调用 Skill 与 MCP 呢？前面我们说过，Workbuddy 可以帮助你润色 Prompt，使提示词更易使用。针对 Skill 和 MCP，我们打开「专家 · 技能 · 连接器」页面：这里的技能就是 Skill 模板，连接器就是 MCP，专家则是技能 + MCP 的组合。

可以根据你的需要选择相应的 Prompt、Skill 与 MCP。我们前面用 Workbuddy 总结了今天的股票，现在加入 Prompt、Skill 与 MCP 试试：

回到主页，点击「+」。

把专家之类的都选上，再优化一下提示词。

这样做的好处是：生成的答案要比直接一句话生成的答案质量高很多。

Workbuddy 还有一个项目板块。点进去看，这就是充分利用了 Prompt、Skill 与 MCP 的例子，可以完成高质量的工作。

指令与模式

在聊天框输入 / 可以打开指令界面，方便地调用技能以及切换模式。

Workbuddy 提供了两种模式，但不支持用指令调用。

• 计划：打开后，Agent 在完成你说的任务之前，先给你它的计划。你觉得好就执行，不好就修改计划，大大降低了生成结果与你的想象大相径庭的概率。
• 仅回答：只回答你的问题，不对你电脑上的文件进行操作，也不输入指令。
• 都关闭：你说完之后它就直接去干活了。

市面上大部分 Harness 支持用指令切换模式，例如 DeepSeek Harness。

下面是一些基础的指令。

Compact（压缩上下文）：这里需要讲一下大模型的「记忆」原理。大模型其实没有记忆，那它怎么能记住你说过的话呢？每一次你和大模型对话、以及大模型的每一步推理，Harness 都会把之前的消息传给大模型，包括之前的对话、Skill，以及一些由 Harness 在你电脑上生成的 Memory 文件。这些内容统称为上下文，这样大模型就看似有了记忆。

但是，模型每次接收的消息有最大上限，大量冗余消息也会让大模型「注意力不集中」。每次给大模型发送大量上下文，模型都要经过额外的推理，会额外消耗你的额度。因此，我们使用 compact 在需要时对上下文进行压缩，以减轻模型负担。Harness 也会在上下文快达到模型上限时自动压缩。

/compact

Goal（设定目标）：Agent 要最终达成的结果。Harness 在每一轮迭代后都会检测是否达到了这个目标，如果没有达到，就启动下一轮迭代。设立 Goal 也会让模型清楚自己的目标，不容易被上下文带偏。

/goal 你要的目标

Permission（权限）：你给大模型的权限。执行危险指令时是否需要经过你同意？大模型操作文件的范围是在这个工作区、还是整个电脑、还是只读？这些都由 Permission 决定。

/permission

Model（模型）：顾名思义，就是切换模型。

/model

Plan（计划模式）：如果你想先计划再执行，用它可以进入计划模式。

/plan 你要干什么

工作区

有一些任务，大模型直接给你最终结果就可以了，比如做 PPT。但还有一些任务，比如写一个大型程序，不能只给你一个最终文件，这样既不方便调试，也不方便他人修改查看。这时我们可以使用工作区功能。

在 Workbuddy 选择「工作空间」。可以新建一个工作空间，也可以选择已有的文件夹。

这样，模型就会在 test 这个文件夹里完成它的工作了。

远程连接以及 Hook（钩子）

大模型的创立就是为了提高效率、减轻负担。你如果一直盯着大模型干活，那就反倒没有减负了。那不盯着它，怎么能知道它干完活没有呢？

我们可以将手机端与电脑端配对：走在街上也能查看大模型干到了哪一步，远程指挥大模型工作。

也可以使用 Hook。Hook 中文名为「钩子」，这个名字很形象：程序执行到某个固定节点时，预先挂载好的回调函数会自动触发执行，用来拦截、修改、校验日志 / 请求 / 状态，而不用改动主循环代码，很像把这个函数「勾」了起来。

可以在如下节点建立「条件反射」：

• before_model_call：发给大模型之前。可以修改 Prompt、过滤敏感词、记录输入
• after_model_call：模型返回结果之后。校验模型输出，拦截危险工具调用意图
• before_tool_call：调用 MCP / 工具之前。权限校验、审计日志、参数检查
• after_tool_call：工具返回结果之后。清洗工具返回内容
• on_compact：触发上下文压缩 compact 的时候。自定义摘要策略
• on_goal_check：每次判断是否达成 Goal 之前 / 之后
• on_error：发生异常的时候。告警、重试
• on_terminate：任务结束时触发。保存记忆、清理资源

Clawd on Desk 是一个充分利用了 Hook 的桌宠：它通过 Hook 感知大模型工作的节点，从而呈现出不同的宠物形态。可通过安装包安装，或访问 GitHub 仓库下载。

模型的思考强度

思考强度越强，质量越高，但额度消耗得越快；反之亦然。