從 0 到 1 上手 WorkBuddy：當寫程式的編輯器，換成給 Agent 用的辦公桌

規格表上看不到的，往往才是重點。一篇九月十七日發表在掘金、標題寫著「從 0 到 1 速通 WorkBuddy」的教學文，表面上是一份入門手冊，但把它攤開來看，其實是一份觀察文件：觀察「會自己做事的 AI」正在如何重新安排一般人的工作流程。這篇文章以回顧的角度，把那份教學裡的細節整理成三個值得看懂的面向，分別是它怎麼運作、權限怎麼取捨，以及上下文用量告訴了我們什麼。

它是什麼：一張給 Agent 用的辦公桌

WorkBuddy 是一款本地桌面端的 Coding Agent。教學文裡有個比喻值得原封不動留下來：可以把這類工具理解為 IDEA 這類本地編輯器，差別在於 IDEA 是面向人來寫程式，Coding Agent 是面向 Agent 來做功能、寫程式。

換成日常語言，過去你打開編輯器，是坐下來自己動手；現在打開 WorkBuddy，比較像把一個助理帶到你的座位旁，告訴他要做什麼，然後看著他在你的電腦裡開檔案、改程式、產出成果。成果也不限於程式碼。教學文列出的應用範圍包括做網站、做設計、出報告、做簡報、做影片、寫報表、做 app。三個主要場景則涵蓋日常辦公、程式開發與設計創意。

它的操作邏輯是「專家」制。你在主頁點一個功能，就等於呼叫了一個對應的 Expert，每個 Expert 有自己的提示詞與工作流程。比如選了就業景氣分析這類模板，系統會直接把寫好的 prompt 塞進去，你再針對性修改。這裡有個容易踩的坑：選了下方模板，會替換掉你輸入的 prompt 內容，兩者只能擇一。這個小細節透露了一件事，這類工具的輸入框並不是空白的聊天窗，而是一個會被模板覆寫的任務欄。

對不知道怎麼把需求寫完整的人，右側有一個「增強提示詞」按鈕，適合「知道想要什麼、但描繪不出完整 prompt」的情境。這個按鈕的存在本身就說明了產品判斷：多數使用者的瓶頸已經從不會用工具，變成不會把話說清楚。

任務開跑後，WorkBuddy 會視複雜度決定要不要先列任務清單。簡單的事直接做，模型判斷複雜的事，會先拆解再逐步執行，最後交付成果物與 HTML。想固定採用這種先規劃再動手的模式，可以手動開啟 plan 模式。這與我們先前討論過的AI 寫程式普及後還要不要學傳統程式設計是同一條脈絡：當「寫」交給機器，人的價值往「把需求講清楚、判斷成果對不對」移動。

兩個長得很像的資料夾，與一個危險的開關

本地端工具最實際的問題從來不是功能清單，而是檔案落在哪、權限給多少。

教學文特別提醒，WorkBuddy 有兩個容易混淆的工作空間。一個是 /.workbuddy，存放系統配置與使用者偏好；另一個是 ~/WorkBuddy，存放會話層級的檔案與 session。不主動指定工作空間的話，預設會話就放在後者。這對一般使用者的意義很直接：哪天要備份或清理，知道哪個資料夾裝的是你的對話紀錄、哪個裝的是軟體設定，才不會誤刪。

更值得停下來看的是權限設計。WorkBuddy 的預設權限只有一種二選一：是否允許「完全訪問」。開啟之後，改個檔案、調整幾行程式碼這類操作，Agent 會直接執行，不再逐一詢問；但教學文也明說，涉及刪除檔案、改動系統檔案的高危操作，同樣不會再問你。換句話說，「完全訪問」是一把沒有分段的萬用鑰匙，方便和風險綁在一起賣。

不開的話會怎樣？教學作者的經驗是「頻繁讓使用者確認，經常問的話，連審批都審不過來」。這是一個很誠實的觀察，它點出了目前這類 Agent 產品的共同困境：把關機制設計得太細，使用者會因為確認疲勞而形同虛設。作者最後的建議是開啟，理由是效率與安全綜合考量後最順。但把這句話反過來讀，最終的把關者仍然是使用者本人。這就像把家裡鑰匙交給幫傭，省事是真的，但你最好知道哪些抽屜本來就該上鎖。

上下文用量視窗：這類工具最該被看懂的一塊儀表板

教學文後段提到一個多數入門者會略過的介面：任務完成後，右下角會出現上下文用量的視窗，項目包括系統提示詞、工具及子智慧體、對話訊息、連接器和 MCP、Skills。

這個視窗為什麼重要？因為它把一件原本黑箱的事攤開了：你以為你在跟一個 AI 說話，實際上每次對話的「額度」裡，還塞了產品本身的系統提示詞、各種工具的定義、子智慧體的說明文件。使用者輸入的內容，只佔整個上下文的一部分。看得懂這個視窗，你才會明白為什麼長對話到後面模型會「忘記」前面講過的事，也才會理解為什麼這類產品的成本與能力上限，卡在上下文管理而非模型本身。

從模型選擇也能看出同樣的彈性：WorkBuddy 支援內建模型列表，也允許自訂模型接入。教學作者用 hy3 模型開發了一個個人工作臺網頁應用，包含待辦、日程、筆記、書籤。只是個 demo，但這正是此類工具的定位：把「想做個小工具自己用」的門檻，從會寫程式降到會描述需求。這也呼應了企業端正在發生的變化，如同攜程筆試 AI coding 題把「會寫程式」重新定義一文所呈現的，程式能力的評估標準正在被改寫。

所以呢：三個帶得走的判斷

第一，這類工具的價值不在「它會寫程式」，而在它把本地檔案系統、模型、任務規劃包成一個桌面產品，讓非開發者也能在可控的範圍內產出可用的東西。判斷一款同類產品好不好，先看它的權限粒度與檔案管理是否講得清楚，講不清楚的，通常也不會替你想清楚。

第二，權限的取捨沒有標準答案，但原則可以很簡單：在一個你賠得起的工作空間裡放膽開，在存放重要資料或會同步到別處的環境裡保守用。先開一個乾淨的測試資料夾，是成本最低的自保方式。

第三，養成看上下文用量的習慣。它不只是技術資訊，而是理解這一代 AI 工具為何時靈時不靈的鑰匙。當你知道每次對話的額度被系統提示詞、工具定義、子智慧體層層瓜分，你就會自然學會把任務切小、把對話開新，這比任何提示詞技巧都更接近問題的核心。

從 0 到 1 速通一款工具，速通的是安裝與操作；真正要慢慢學的，是怎麼跟一個會在你電腦裡動手的助理劃清界線。這條界線劃在哪，決定了這類工具是生產力，還是風險。