说句实在话，使用 WorkBuddy 这半年来，从最初的“试试看”心态，到现在几乎每天离不开，中间踩过的坑和摸索出的门道还真不少。今天这篇文章不讲那些“AI 好强大”的空话，而是把 5 个实打实的办公和生活场景记录下来，每个都附上了完整的指令、踩坑记录以及解决方案。希望能给同样在一线奋战的你，带来一些真正可复用的思路。
场景一：Excel 数据分析——行业客户名单批量处理
需求背景
平时负责产品的数据分析与联系人管理，最常打交道的就是营销部门发来的客户名单 Excel。需求很明确：快速筛选出特定行业的客户，并把图片中嵌入的联系人信息解析出来，最终导出一份干净、可用的表格文件。
实操流程
指令示例：
读取 E:/工作/客户名单.xlsx，完成以下任务：
1. 筛选出行业字段包含"XXX"的记录
2. 去重，按客户名称排序
3. 统计各地区客户数量，生成汇总表
4. 将结果导出为新 Excel 文件，保留原格式
踩坑记录
- 坑1： 早期指令写得太模糊（比如“帮我整理一下客户名单”），结果 WorkBuddy 根本不清楚要筛什么字段。解决方案很简单：指令里直接写清楚文件路径、筛选条件、输出格式，一句话说清楚，能省掉后面大量的来回对话。
- 坑2： 图片解析时，如果原始图片清晰度不够，识别率就会直线下降。对策是先确认图片分辨率，低清图先做超分辨率处理，再交给模型解析。
- 坑3： 导出 Excel 时，默认不会保留原格式。所以在指令中必须明确要求“保留原格式”，或者指定一下列宽、字体等细节。
效果
原来手工处理一份 500 行的客户名单，没两个小时下不来。现在？5 分钟搞定，准确率还更高。
场景二：PDF 精确排版——资料适配热敏打印
需求背景
需要处理一套 PDF 资料，排版和裁剪都要适配 58mm 热敏打印纸卷。这可不是简单“调调格式”就行，要求包含指定页码、保持原格式、内容居中、固定页边距——每一个参数都得精确。
实操流程
指令示例：
处理 E:/XX资料/识字卡片.pdf，要求：
1. 只处理第 3-10 页
2. 每页内容裁剪并居中
3. 页边距固定为左右各 3mm、上下各 5mm
4. 输出宽度适配 58mm 热敏纸
5. 保持原格式，输出为新 PDF
踩坑记录
- 坑1： 页边距用了“小一点”这种模糊描述，结果所有页面的裁剪位置全偏了。从此以后所有尺寸一律给精确数值（mm），绝不模糊。
- 坑2： 内容居中时，如果原始 PDF 排版偏移较大，简单的“居中”指令会直接裁掉内容。正确的做法是先让 WorkBuddy 分析每页的内容区域，再统一设定裁剪基准线。
- 坑3： 指定页码范围一定要写清楚，否则它会默认处理整个文件——白白浪费时间。
效果
200 页的 PDF 资料，一次指令批量裁剪完成。打印出来的纸卷排版整整齐齐，不用再返工。
场景三：视频自动化剪辑——用 ffmpeg 精准检测片头片尾
需求背景
手头有一套剧集视频，想自动化完成片头曲（OP）和片尾曲（ED）的检测和精准剪辑。视频存储在 F 盘，希望整个过程能一键跑通。
实操流程
指令示例：
用 C:\ffmpeg_tools\ffmpeg.exe 处理 F:\视频 下的视频：
1. 检测每集的 OP（片头曲）和 ED（片尾曲）的起止时间
2. 精确剪辑去掉 OP 和 ED
3. 输出到 F:\视频_剪辑后 目录
4. 给出完整的 ffmpeg 命令并执行
5. 验证结果与实际播放一致
踩坑记录
- 坑1： 直接让 AI 写剪辑脚本，但 OP/ED 的检测阈值需要调参，第一版的误检率高得离谱。解决方案是分两步走：先生成检测脚本跑出时间戳，人工确认没问题了，再执行剪辑。
- 坑2： ffmpeg 的路径必须写绝对路径，否则脚本会找不到执行文件。
- 坑3： 执行前必须先验证文件存在性和路径准确性，避免误操作导致原文件被误删。高风险操作，逐步确认是个好习惯。
- 坑4： 剪辑结果不能只看文件大小，必须与实际播放逐帧对比验证。
效果
一部 24 集的视频文件，自动检测加剪辑整个过程只花了 30 分钟，人工只需要抽检几集确认就行。
场景四：图片高清化处理——127 张图片去水印与超分辨率
需求背景
需要处理 E 盘目录下的 127 张图片，目标是找到或重建无水印的高清版本。前期已经完成了水印检测 v1 和 v2 版，分析了分辨率分布（26 张低清、32 张中清、69 张高清），接下来是超分辨率及去水印修复。
实操流程
水印检测指令：
扫描 E:\临时图片 目录下所有图片：
1. 检测每张图片是否含水印，记录水印位置和类型
2. 统计分辨率分布（低清/中清/高清）
3. 输出检测报告到 Excel，包含文件名、分辨率、水印状态、水印位置
超分辨率指令：
对 E:\临时图片 中标记为"低清"的 26 张图片进行超分辨率处理：
1. 放大至原始分辨率的 2 倍
2. 增强细节，保持色彩还原
3. 输出到 E:\临时图片_高清版 目录
踩坑记录
- 坑1： 水印检测 v1 版用了简单的模板匹配，漏检率高达 30%。v2 版改用多尺度检测加边缘分析，漏检率终于降到了 5% 以内。
- 坑2： 127 张图片一次性全部提交，结果超时了。解决方案是分批处理，每批 20 张，处理完验证没问题再继续下一批。
- 坑3： 超分辨率后，一定要对比原图，避免过度锐化产生伪影。
效果
127 张图片完成了完整的质量分级和水印定位，为后续的精准修复打好了基础。
场景五：书籍拆解整理——批量生成结构化 Word 文档
需求背景
平时阅读商业、投资、创业、心理学以及家庭教育类的书籍，养成了系统拆解并整理到 Word 文档中的习惯。而且偏好一次性列出多本书，统一拆解，这样效率更高。
实操流程
指令示例：
拆解以下 5 本书，整理到 Word 文档：
1.《XXXXX》
2.《XX》
3.《XXXXX》
4.《XXXX》
5.《XXXXXXX》
每本书包含：核心观点、关键章节摘要、实操建议、金句摘录
统一输出为一个 Word 文档，按书名分章节，排版清晰
踩坑记录
- 坑1： 一次拆解太多本书（比如超过 10 本），单次输出会不完整。最好控制在 5 本以内，或者分批次拆解后再手动合并。
- 坑2： 结构化输出必须提前定好模板，否则每本书的格式五花八门。在指令中给出统一的输出结构（核心观点/章节摘要/实操建议/金句），一步到位。
- 坑3： 数据分析用 Excel，书籍拆解用 Word——工具选择要匹配内容类型，别用错了格式。
效果
5 本书一次拆解完成，直接拿到一份结构清晰的 Word 文档，比手动整理快出 10 倍不止。
省积分的 5 个实战技巧
半年用下来，关于“省积分”这件事，总结出几条实实在在的经验：
- 简单任务切轻量模型： 简单的问答不消耗或消耗极低，别用重型模型去做简单的事。
- 需求一次说清楚： 减少来回对话次数，每多一轮对话就多消耗积分。把文件路径、筛选条件、输出格式一次性写清楚，这是最根本的省法。
- 纯查询用 Ask 模式： 只读不写，消耗更少。需要实际操作时再切回 Craft 模式。
- 优先消耗快过期积分： 注册积分 90 天有效，活动积分约 180 天，先到期的先用。
- 高风险操作先验证： 执行脚本前先验证文件存在性和路径准确性，避免误操作导致返工，白白浪费积分。
积分有效期速查
| 积分来源 | 有效期 |
|---|---|
| 新用户注册赠送 | 90 天 |
| 活动/社区发文获得 | 约 180 天 |
| 签到获得 | 约 180 天 |
| 邀请奖励 | 约 180 天 |
| 每月固定额度 | 当月有效 |
系统只提前 3 天提醒即将过期的积分，所以自己最好在日历上提前标记好到期时间。
写在最后
WorkBuddy 真正的价值，不在于“能聊天”，而在于“能干活”。上面这 5 个场景，全都是我平时在用的真实流程，不是那种为了展示而捏造的演示用例。核心心法其实就一条：指令越精确，执行越准确，积分消耗越少。
把文件路径、筛选条件、输出格式、验证标准，在第一次指令里就全部写清楚，能省掉 80% 的来回对话。这，才是用好积分最有效的方式。
