企业官网建设流程全解析

上周四下午，同事在工作群里转发了一条 WorkBuddy 的消息：平台开始双模型限免，Hy4 preview 开放两周免费体验，Hy3 期限更长，直接免到 9 月底。说实话，我第一反应是“又来营销噱头”，毕竟类似的限免消息每个月都能看到好几条，点进去不是要拉新，就是要填一堆问卷。结果这次进入之后发现确实不一样，登录账号，在模型列表里切一下就能用，不需要额外付费，也没有强制分享之类的操作，属于实打实的窗口期。

过去大半年，我已经把 WorkBuddy 当成主要的生产力工具之一，日常写代码、做接口自动化、处理重复性文档，都会在它的会话里完成。这次的限免价值在于：普通用户终于有机会长时间、低成本地体验两代模型，尤其是 Hy4 preview 这种平时可能藏在付费选项背后的新能力。我对这套工具熟悉，又踩过不少坑，所以就趁这个机会整理一篇实操向的内容，把 WorkBuddy 是什么、双模型怎么选、限免期适合做什么、实际使用中会遇到哪些问题一次讲清楚。无论你是刚开始了解 workbuddy 怎么用，还是已经在本地部署了 WorkBuddy 想试试新模型，这篇文章都能给你一些可以直接落地的参考。

1. 双模型限免的完整解读：先搞清楚免的是什么

1.1 WorkBuddy 不是又一个 AI 聊天框，而是“能动手干活的智能体”

先说一个很多人容易混淆的地方：WorkBuddy 并不等同于你在网页里打开的那种 AI 对话框。它的定位更接近“AI 工作台 + 智能体运行环境”，你可以把它理解成一个能真正碰你本地文件的 AI 助手。

拆开来看，它具备这么几层能力。第一，它可以直接读取本地目录和项目代码，理解你正在做的事情，而不只是靠你复制粘贴一段内容进去。第二，它可以执行终端命令，然后自己读取命令输出，根据结果决定下一步动作。第三，它可以创建、修改、删除文件，适合完成那种需要多个操作步骤串联的任务。第四，它支持 skill 和连接器机制，外部系统可以通过 API 接入，让它把能力延伸到聊天、填表、创建工单这类业务场景里。

这和传统 ChatBot 最大的区别是：它具备“行动能力”。举个例子，我让它“在这个目录下建一个静态站点，并把首页里所有外链改成相对路径”，它会先扫描目录结构，看看有没有冲突文件，然后分步生成页面，再调用命令做本地预览，最后告诉你哪里需要人工确认。这已经不是一问一答，而是一个能闭环跑通的小任务。

最近网上不少人拿 CodeBuddy 和 WorkBuddy 做对比。我自己的使用感受是，CodeBuddy 更偏“贴身写代码的结对程序员”，重点放在代码补全、单文件级别修改和代码库问答。而 WorkBuddy 更想成为你整个日常事务的总控台，它不只是改代码，更偏向按业务流程来调度。两者确实有交集，但如果你需要的不只是写代码，而是把一连串动作自动化掉，WorkBuddy 的模型会更有发挥空间。

1.2 Hy4 preview 和 Hy3 的定位差异，以及怎么选

这次限免的两个模型，从命名看像是同一模型系列的迭代版本，但实际体验差异挺明显，可以当成两个不同性格的搭档来对待。

Hy3 在我这边的表现属于“稳定型选手”。日常代码生成、小步重构、脚本编写、逻辑讲解，它都完成得很扎实，很少出现答非所问或者中途“跑飞”的情况。它更像那种在公司干了很久、做事稳妥但不太会给你惊喜的同事，大部分日活任务交给它，问题不大。

Hy4 preview 则明显更“激进”一些。连续几轮长会话里，它对复杂任务的规划能力更强，面对多文件改动、从零搭一套项目骨架、接口自动化批量生成这类需求时，它更容易一次给出相对完整的方案，而不是挤牙膏式地一步步问。在处理长上下文时，它的理解也更连贯，不容易忘掉前面已经定好的约束条件。

不过，既然是 preview 版本，就必然有 Preview 的脾气。我在测试中发现，任务描述过于开放时，Hy4 容易“自嗨”，自己设计出一套庞大的目录结构，实际上你可能只需要一个最简单的版本。它也偶尔会出现执行到一半停下来、需要你反复催“继续执行”的情况。所以这两个模型的适用范围不太一样，我建议按任务类型来选，而不是无脑追新。

如何判断自己的任务该用哪个？我有一个很朴素的标准：先问自己，这个任务如果交给一个只会照章办事的老员工，他能完成吗？如果能，用 Hy3 就够；如果任务需要大量推断和取舍，需要在不同文件之间来回对比，才值得切换 Hy4 preview。

1.3 限免“窗口期”决定了任务优先级

两个模型免的时间不一样，这一点很重要。Hy4 preview 只有大约两周，Hy3 却能一直用到9月底，所以限免策略不能只是“谁强用谁”，得有节奏感。

我建议把 Hy4 preview 的窗口优先安排给那些“重活”和“一次性高强度任务”。比如你一直想重构但没空动手的老项目、准备从零写的接口测试工程、困扰已久的脚本框架重构、个人工作台的原型搭建，这些任务利用两周时间集中完成，价值最高。因为这些任务通常需要更强的规划和长上下文理解能力，趁着 Hy4 preview 免费把硬骨头啃下来，之后切回其他模型也不心疼。

Hy3 的长窗口更适合用来“培养习惯和沉淀流程”。它到9月底都免费，你可以把每周重复的固定动作交给它来做，比如周五导出的数据报表清洗、会议纪要整理、固定格式的周报生成、日常代码库问答。这样做的好处是，在窗口期里你已经把整套工作流跑熟了，等免费期结束，你留下的不是聊天记录，而是一套可以持续复用的脚本、skill 和提示词模板。

如果你之前没深入研究过 WorkBuddy，这段时间正好可以完成从了解到深入的全过程：第一周用 Hy4 preview 做几个大项目练手，熟悉高级任务怎么拆，后几周把日常高频任务全部切到 Hy3，测试稳定性和长期表现。这样两不耽误。

2. 从安装到切换到新模型，一套流程走下来也就10分钟

2.1 下载、安装、登录三件事

很多人在热词里搜“workbuddy 安装教程”“workbuddy linux 版本”，说明大家遇到的第一个门槛其实是环境安装。WorkBuddy 的客户端形态在不同平台上有差异，但总体的思路是：下载对应系统版本，完成安装，登录账号，然后就能进入工作台界面。

Windows 上比较简单，下载安装包后一路下一步即可。需要注意的是，WorkBuddy 这类工具需要在本地执行命令，某些安全软件可能会拦截它读取终端或访问文件目录，第一次启动如果遇到权限提示，要先确认是不是安装包来源可信。如果来源没问题，可以放行，否则后续所有自动化操作都会卡在权限上。

macOS 用户如果是通过网盘或官网下载的 dmg 文件，要在“系统设置-隐私与安全性”里允许来自 App Store 和被认可开发者的应用。如果你习惯用 Homebrew 这类包管理器，也可以关注一下官方是否提供了对应的安装源，用命令行安装以后升级会更方便。

Linux 场景下，用户通常面临两种选择：如果有图形界面版本，直接下载 AppImage、deb 或 rpm 包安装；如果跑在没有桌面的服务器上，就要用命令行版本。命令行版本首次执行时会引导你完成初始化，本质上就是生成本地配置文件，写入账号信息和模型偏好。遇到command not found的提示时，先确认安装包是否已经加入 PATH，或者需要给可执行文件加执行权限：

chmod +x workbuddy ./workbuddy --init

这一步很多人会忽略，明明文件下载了，就是执行不了，其实只是权限问题。

登录方式一般支持手机号或第三方账号，按界面提示操作即可。登录完成后，工具会同步你的账号配置，这一步没什么坑。倒是登录之后不要急着开干，我习惯先单独建一个目录，比如~/workbuddy-sandbox，专门用来做测试实验，避免模型在真实项目目录里执行一些你没预料的命令，把文件搞乱。

2.2 把模型切换到 Hy4 preview 或 Hy3

安装完成，接下来就是关键动作：把模型切换过去。不同版本的 WorkBuddy 菜单位置可能有差异，但思路是一样的，打开设置或模型管理面板，找到当前模型的下拉列表，在列表里选择 Hy3 或 Hy4 preview。

有一点要注意：如果切换后没有生效，最常见的原因是你还在用旧的会话。模型列表的切换通常只对新会话生效，已经打开的会话会保持创建时的模型配置。所以正确操作是：先切换模型，再新建会话开始对话，不要在同一个长会话里反复横跳，否则模型记忆很容易“串味”。

如果用的是命令行版本，可以在启动时通过参数或环境变量指定模型。具体环境变量名以官方workbuddy --help的输出为准，不同版本命名可能不一样。大致逻辑是这样：

# 终端环境变量示例，具体以官方 CLI 的 --help 为准 export WORKBUDDY_MODEL=hy4-preview workbuddy

另外，有些用户希望把自己的 API 接入 WorkBuddy，这在热词里也有不少人搜索。WorkBuddy 通常支持“自带 Key”的接入方式，原理就是你自己有模型服务商的 API，在连接器配置里填入对应的服务地址和密钥，WorkBuddy 就会通过这个 API 来调用模型。好处是可以按自己的用量控制成本，坏处是如果服务商限流，整个工作流都会卡住。对新手来说，我建议在限免期先用官方内置的模型入口跑通全流程，之后再研究自定义 API 接入，不要一上来就叠加太多变量。

2.3 开工前，给 WorkBuddy 建立合适的“工作边界”

很多人抱怨 AI 工具不好用，其实问题往往出在自己没交代清楚边界。WorkBuddy 本质上是一个能操作文件、执行命令的智能体，如果目录里什么文件都让它读，几十万行的 node_modules 或者其他依赖目录会瞬间撑爆上下文窗口。所以开工前的第一件事，是给它“划地盘”。

具体做法有两个。第一，在项目根目录设置忽略规则，类似.gitignore的思路，把node_modules、.git、dist、build、临时目录等不需要关注的内容排除掉，确保模型只看到真正需要分析的代码。第二，在对话开始前明确指定任务范围，不要直接说“帮我看一下这个项目”，而是说“请先读取src/pages和docs目录，不要读取其他路径”。这个习惯能极大提高任务成功率，还能省下不少上下文空间。

如果你有长期固定规范，可以把它们写进项目里的说明文档，也可以利用 WorkBuddy 的 skill 机制沉淀成可复用的指令。比如我自己会写一份文档，规定前端组件命名规范、接口请求必须统一走某个封装函数、所有命令执行前必须先打印将要执行的内容。只要这些说明放在项目根目录，WorkBuddy 每次读取后都会优先遵循。这比每次在对话框里重复解释要省事得多。

3. 限免期间最值得做的三个实操方向

3.1 方向一：让 WorkBuddy 帮你搭个人工作台

个人工作台这个概念听起来有点玄，其实就是把自己每天高频使用的入口和零散信息集中在一个页面里，省去来回开标签页的麻烦。我平时会在浏览器里开一堆后台系统、待办工具、常用软件链接，每次要找某个入口得翻半天书签，很烦。后来我直接让 WorkBuddy 帮我搭了一个纯本地的静态工作台，放在固定目录里作为默认主页。

当时的任务描述大概是这样的：“在当前目录下创建一个 portal 文件夹，用原生 HTML、CSS 和少量 JavaScript 做一个静态后台首页。左侧导航列出常用工具、今日待办、项目日志，右侧展示三列卡片，分别放常用链接、最近修改文件和快捷命令。不要使用构建工具，所有文件都放在 portal 下，最后启动一个本地 HTTP 服务并告诉我访问地址。”

在这个任务里，Hy4 preview 的表现比 Hy3 更突出一些，因为它能自主规划文件拆分，而不是把所有内容堆在一个 HTML 里。它会先扫描当前目录，确认没有同名文件夹冲突，再按照文件结构逐个生成 index.html、style.css、app.js，最后主动建议用 Python 自带的http.server做本地预览，避免引入额外的 Node 依赖。

这类任务的关键不是生成结果有多惊艳，而是你能从中学会如何向 AI 描述需求。我建议在提示词里加入验收标准，比如“不要用构建工具”“按钮点击后不需要后端也能展示数据”“所有资源相对路径引用”。验收标准越明确，模型越不容易自由发挥。

个人工作台建好以后，后续可以不断往里加功能，比如让 WorkBuddy 解析你的书签导出文件，自动生成链接卡片；或者加一个本地 markdown 文件搜索框，把零散笔记集中起来。Hy4 preview 的两周窗口期足够你把一个像样的工作台原型跑起来，剩下细节慢慢调。

3.2 方向二：把接口自动化测试从零跑到能出报告

如果你在热词里搜过“workbuddy 怎么用来做接口自动化”，说明你大概率有真实的接口测试需求。这恰好是 WorkBuddy 这种工具最适合承担的活，因为接口自动化不是单纯写代码，还涉及读接口文档、建测试工程、跑用例、看失败日志、修改断言，整个链路刚好是智能体的强项。

我的建议流程是这样：先把你手上的接口文档放到项目目录里，最好是 OpenAPI/Swagger 格式的 yaml 或 json。然后在 WorkBuddy 里发起类似这样的指令：“阅读docs/openapi.yaml，在tests/api目录下生成 pytest 测试用例。需要覆盖登录接口、鉴权失败场景、订单列表、订单详情的正常返回和常见错误码。接口地址不要写死，从环境变量 BASE_URL 读取。先生成文件，不要执行。”

这里有个很重要的细节点：我特意说明“先生成文件，不要执行”。因为在接口自动化场景里，如果模型按自己的理解立刻发起真实请求，可能直接打到生产环境，或者把测试环境的数据搞乱。更安全的做法是让它先生成代码，你来 review 确认逻辑没问题，再加上执行指令，让它在本地跑通。

跑通之后，你还可以进入 WorkBuddy 更擅长的“自动修复循环”：先让它执行pytest -m smoke，把失败用例的报错堆栈交回给它，让它阅读日志并定位是接口字段变了还是断言写错，然后直接修改对应测试代码，再重跑一遍。这种“写测试—跑测试—看失败—修代码—再跑”的循环，如果靠人肉来做很耗时间，让模型接手就舒服很多。

我自己在这类任务上会优先切到 Hy4 preview。原因是接口自动化的上下文往往不短：需要理解接口文档、测试框架、既有代码结构，还要记住之前定下的用例规范。Hy4 在两三轮迭代之间的记忆保持比 Hy3 更好，修复代码时不太会“好心办坏事”，把原本正确的断言一起改掉。

3.3 方向三：把重复的业务文档处理交给 AI 编排

除了写代码，WorkBuddy 在日常办公方面的价值被很多人低估了。它可以通过生成一次性脚本并且自动执行，帮你完成批量文件处理，本质上就是“AI 编排一个脚本任务”。

举一个我每周都会跑的案例。公司系统每周会导出一份包含大量明细的 Excel，我希望从中提取关键指标，按不同城市分类汇总，再生成一份带图表的总结报告。以前我要么手动整理，要么花半小时写个 Python 脚本，即便写好，下个月字段一变又要重新改。现在我只把原始文件放进一个固定目录，然后给 WorkBuddy 一句话：“读取data/raw下最新的 Excel，输出每个城市的订单量、销售额、退款率，并按周生成 markdown 报告，放到reports目录。”

它会先生成处理脚本，执行后如果发现某些列名对不上，会读取文件头部信息进行调整，最后输出一份可读的汇总报告。整个流程不需要我理解 Excel 的具体结构，也不需要反复复制数据，只要导出的文件格式没有翻天覆地的变化，这套流程就能长期复用。

这一类固定流程非常适合用 Hy3，因为它的执行稳定性好，不需要太多临场发挥。更重要的是，你可以借着 9 月底的长窗口期把这类流程沉淀成 skill，把“每周数据清洗”“月末汇总”做成固定的技能模块，以后每次调用只需触发对应 skill，不用重新描述需求。这才是 WorkBuddy 工作流的真正复利。

4. 限免实测遇到的坑与排查方向

4.1 任务拆得太大，Hy4 preview 会开始“自嗨”

限免期间我用 Hy4 preview 做的最大的一个错误，是让它“把整个项目管理系统自动化”。这个任务听起来很高大上，但实际执行起来，它给出的方案越来越庞大，甚至自己创建了 models、services、controllers、tests 全套目录，但我原本只是想让它梳理清楚几个入口文件的调用关系。

这其实是 preview 模型的常见问题：任务开放程度越高，越容易“自嗨”。解决办法也很简单：把任务拆到足够小。不要让它一次性完成“整个系统自动化”，而是先做“梳理所有路由入口并生成接口清单”，等这一步确认没问题，再规划下一步。每次只给它一个明确目标，等它完成后继续下一个目标，看起来效率低了，但总比它天马行空创造一整套文件强。

如果发现它已经开始偏离方向，不要顺着它的计划走下去，及时打断并纠正：“我刚才只要求你完成 xxx，请删除所有为 yyy 创建的文件，重新检查目录结构。”这个纠正动作要果断，不然它会在错误的方向上越走越远。

4.2 长会话中途变慢或者“失忆”的排查思路

限免窗口期用户量增大以后，有朋友反馈响应速度时快时慢，也有遇到长会话执行到一半卡住的情况。这里需要区分：是模型本身能力问题，还是上下文太长导致处理变慢，或者是网络链路问题。

先说上下文。有些人习惯把整个项目文件复制粘贴给模型，让大模型一口吃成胖子，这对任何工具都是一个考验。WorkBuddy 虽然本身有读取本地文件的方式，但如果你的项目文件非常多，且没有设置忽略规则，它会花大量时间扫描无关目录，任务效率自然下降。建议优先让它按需读取特定文件，而不是一次性列出整个目录树的所有内容。

再说会话管理。如果你在一个会话里持续工作了很久，任务上下文越来越长，中途可能会感觉模型的回复质量明显下降，甚至忘记前面约定好的输入输出格式。这时候最好的办法不是硬聊继续，而是开一个新会话，把之前的关键背景信息压缩成一段摘要，重新交给模型。这个习惯在长任务里能省很多时间。

最后是网络问题。如果所有请求都卡住，先看看是不是客户端版本过旧。我发现不少工具类软件的诡异问题，更新到最新版之后自动消失。遇到莫名其妙的行为异常，先重启客户端，再开新会话，最后考虑是否要切换模型，不要一上来就怀疑模型能力。

4.3 给执行类任务加上“预览确认”的安全带

WorkBuddy 能执行命令，这是它高效的原因，也是你需要注意的地方。它本身是按照你给的目标去行动，但它并不能保证每一步都对业务无副作用。所以我的原则是：凡是有副作用的操作，先让它预览，人工确认后再执行。

比如，我会要求它在执行删除文件前先列出将删除的文件清单；在批量重命名前先打印新旧文件名对照表；在修改依赖版本前先展示 diff。这些操作可以在对话里用一句话加进去：“请在执行删除前先展示变更列表，等我同意后再继续。”如果是修改代码的场景，我会让它先展示改动再写入，或者直接利用代码托管工具查看 diff，批准后再提交。

这不是对工具不信任，而是对生产环境的敬畏。这套“预览确认”的思路，哪怕 Hy4 preview 的 intelligence 再高，也应该保留。模型是概率系统，它的决策大多数时候是对的，但你不能拿“大多数”去赌重要文件的安全。

最后再分享一个我从限免期里总结出来的小技巧。不要把这波限免单纯当成薅模型羊毛，而是要想办法把每周固定走的流程沉淀下来。我自己的习惯是每周把高频任务整理成一份需求文档，放到项目根目录或 skill 目录里，然后让 WorkBuddy 按文档执行。Hy4 preview 的两周窗口，我会专门拿来开发难度较高的任务；等它的窗口结束，后面的时间就交给 Hy3 接管日常。等到限免期过完，你留下的不是一堆可有可无的聊天记录，而是一套已经跑通的工作流，这才是双模型限免里真正值得抓住的东西。