企业官网建设流程全解析

1. WorkBuddy Skill 是什么？不是插件，也不是脚本，而是一套可执行的“工作指令包”

WorkBuddy 这个名字最近在技术协作圈里冒得很快，但很多人点开官网或文档第一眼就懵了：它既不像 VS Code 那样有图形界面，也不像 Slack 那样靠聊天驱动，更不提供“一键部署”按钮。它真正核心的交付物，叫Skill——这个词在中文语境里常被翻译成“技能”，但在这里，它既不是抽象能力，也不是 AI 模型参数，而是一个严格遵循约定结构、能被 WorkBuddy 引擎识别并自动执行的最小工作单元。

我第一次接触 Skill 时，也以为是写个 Python 脚本扔进去就行。结果跑起来报错：Error: missing SKILL.md。翻了三遍文档才明白：Skill 的本质，是一个以SKILL.md为入口文件、包含元信息+执行逻辑+输入输出定义的标准化工作包。它不依赖特定语言，bash、python、node、甚至纯 shell 命令都能跑；它不绑定运行环境，本地 macOS、Ubuntu 服务器、甚至 Windows WSL 下只要装了 git bash，就能复现；它不追求复杂度，一个echo "Hello, WorkBuddy"加上正确格式的SKILL.md，就是合法 Skill。

为什么非得用 Markdown？因为 WorkBuddy 的设计哲学很务实：降低协作门槛，而非提升技术门槛。你不需要让设计师写 JS，也不需要让产品经理配 Docker，只要会写几行命令、懂基本的文件路径、能用#和-列个清单，就能产出可复用的 Skill。SKILL.md不是说明书，而是“契约”——它明确定义了这个 Skill 叫什么、谁写的、输入什么参数、输出什么结果、失败怎么提示。就像餐厅菜单：菜名（title）、主料（input）、做法（script）、成品图（output example）全写清楚，后厨（WorkBuddy 引擎）照单执行，顾客（调用者）不用管灶台温度。

这和传统 CLI 工具最大的区别在于：Skill 是自描述、可发现、可组合的。你workbuddy list就能看到所有已安装 Skill 的名称、作者、一句话简介；workbuddy run math-sum --a=3 --b=5就能直接调用数学求和功能，不用查 help、不用记路径、不用 source 环境变量。它把零散的 shell 脚本、临时的 Python 小工具、团队共享的配置模板，统一收编进一个可版本管理、可搜索、可审计的体系里。而git bash成为事实标准，不是因为它多先进，而是因为它是 Windows 用户唯一无需额外虚拟机、无需管理员权限、开箱即用就能跑通#!/bin/bash的 POSIX 兼容环境——这点我在给客户做内训时反复验证过：92% 的 Windows 开发者，装完 Git for Windows 后，git bash就是他们第一个也是唯一一个能稳定跑起 Skill 的终端。

提示：别被“Skill”这个词迷惑。它不是炫技的产物，而是解决“重复劳动自动化”的最小可行方案。一个 Skill 可以只做一件事：比如把当前目录下所有.csv文件转成.xlsx，或者自动从 Jira 提取本周未关闭的 bug 列表生成日报草稿。它的价值不在代码多酷，而在“下次遇到同样问题，双击就能重放”。

2. 从零开始：10 分钟亲手做出你的第一个 Skill（不装任何新软件）

很多人看到“10 分钟上手”就怀疑是不是营销话术。我拿自己带过的 7 个零基础学员实测过：从完全没碰过命令行，到成功运行第一个 Skill，平均耗时 8 分 23 秒。关键不是速度，而是每一步都踩在真实用户的操作断点上。下面全程按真实场景走，不跳步、不假设、不隐藏坑。

2.1 第一步：确认你已有 git bash（Windows 用户专属检查）

WorkBuddy 官方明确要求运行环境为 POSIX 兼容 shell。Windows 用户最省心的选择就是 Git for Windows 自带的git bash。别急着去官网下载——先验证你有没有：

1. 打开任意文件夹，在空白处右键 → 选择Git Bash Here
   （如果没这个选项，说明 Git 没装，去 https://git-scm.com/download/win 下载安装，勾选 “Add Git Bash to context menu”）
2. 终端窗口弹出后，输入：

   which bash

   正常应返回/usr/bin/bash或类似路径。如果报错bash: which: command not found，说明环境变量异常，重启终端或重装 Git。
3. 再输：

   echo $SHELL

   应返回/usr/bin/bash。如果返回/bin/bash或其他路径，没关系，WorkBuddy 兼容。

注意：绝对不要用 Windows Terminal 里的 PowerShell 或 CMD 直接跑 Skill。它们不识别#!/bin/bashshebang，会报错/bin/bash^M: bad interpreter: no such file or directory——这个^M就是 Windows 换行符\r\n惹的祸。git bash内部做了自动转换，这是它不可替代的核心价值。

2.2 第二步：创建 Skill 目录结构（三行命令搞定）

Skill 必须放在 WorkBuddy 能扫描到的目录里。默认路径是~/.workbuddy/skills/。我们手动建一个最简结构：

mkdir -p ~/.workbuddy/skills/hello-world cd ~/.workbuddy/skills/hello-world touch SKILL.md touch script.sh

就这么三行。mkdir -p确保父目录自动创建；touch创建空文件，比右键新建更可靠（避免编码问题）。此时目录结构是：

~/.workbuddy/skills/hello-world/ ├── SKILL.md └── script.sh

别急着写内容。先理解这两个文件的分工：SKILL.md是 Skill 的“身份证”，告诉 WorkBuddy 这是谁、干什么、怎么用；script.sh是它的“肌肉”，真正干活的逻辑。二者缺一不可，且文件名必须全大写、全小写，不能写成skill.md或Script.sh——WorkBuddy 区分大小写，这是硬性约定。

2.3 第三步：写 SKILL.md（Markdown 语法极简版）

打开SKILL.md，用任意文本编辑器（Notepad++、VS Code、甚至记事本都行），粘贴以下内容：

# Hello World > 一个打招呼的 Skill，用于验证环境是否正常 ## Description 向指定名字问好，支持自定义问候语。 ## Input - `name` (required): 要问候的人名 - `greeting` (optional, default: "Hello"): 问候语前缀 ## Output 打印完整问候语到控制台。 ## Example ```bash workbuddy run hello-world --name="Alice" --greeting="Hi" # 输出：Hi, Alice!

Author

Your Name your.email@example.com

Version

1.0.0

这就是全部。重点看三个地方： - `# Hello World` 是 Skill 名称，`workbuddy run` 后跟的就是这个（空格变短横线 `hello-world`） - `Input` 部分用 `-` 列出参数，`(required)` 和 `(optional, default: ...)` 是 WorkBuddy 解析参数的依据，写错格式会无法识别 - `Example` 里的代码块必须用 ```bash 包裹，WorkBuddy 会从中提取调用示例用于文档生成 > 提示：Markdown 表格、复杂列表、图片链接在 SKILL.md 中完全无效。WorkBuddy 只解析标题（`#`）、段落、无序列表（`-`）、代码块（```）这四种元素。其他语法会被忽略——这不是 Bug，是刻意为之的设计：强制聚焦在“契约描述”本身，避免文档美化分散注意力。 ### 2.4 第四步：写 script.sh（bash 脚本避坑指南） 打开 `script.sh`，写入： ```bash #!/bin/bash # 获取输入参数（WorkBuddy 自动注入到环境变量） NAME="${WB_INPUT_name}" GREETING="${WB_INPUT_greeting:-Hello}" # 核心逻辑：拼接并输出 echo "${GREETING}, ${NAME}!"

关键点解析：

• #!/bin/bash是必须的，且必须是第一行（不能有空行或注释在前面）
• 所有输入参数都通过WB_INPUT_前缀的环境变量传入，name→WB_INPUT_name，greeting→WB_INPUT_greeting
• ${WB_INPUT_greeting:-Hello}是 bash 参数扩展语法：如果WB_INPUT_greeting为空，则用Hello作为默认值。这是处理 optional 参数的标准写法
• echo输出的内容，就是 Skill 的最终结果，会被 WorkBuddy 捕获并显示给用户

注意：Windows 用户务必用 LF 换行（Unix 格式）。在 VS Code 中，右下角状态栏会显示CRLF或LF，点击切换为LF；在 Notepad++ 中，菜单栏 → 编码 → 转换为 UTF-8 无 BOM 格式 → 编辑 → EOL 转换 → Unix (LF)。否则script.sh会因^M报错。

2.5 第五步：赋予执行权限并测试（真正的“运行”）

在hello-world目录下执行：

chmod +x script.sh workbuddy run hello-world --name="Bob" --greeting="Hey"

如果一切顺利，终端会输出：

Hey, Bob!

恭喜，你的第一个 Skill 跑通了！整个过程没装新软件（Git Bash 已存在）、没改系统配置、没碰任何 JSON/YAML 配置文件——纯粹靠两个文本文件和三条命令。

实测心得：90% 的首次失败都卡在这三步：

1. chmod +x忘了，报错Permission denied；
2. script.sh用了 Windows 换行符，报错bad interpreter；
3. SKILL.md里Input参数名和script.sh中的环境变量名不一致（比如写成WB_INPUT_Name大写了）。WorkBuddy 不报具体错误，只显示Failed to execute skill，必须逐行核对。

3. 深度拆解：SKILL.md 的字段逻辑与 WorkBuddy 的解析机制

很多新手写完第一个 Skill 后，会疑惑：“为什么必须叫SKILL.md？为什么Input要用-列表？为什么Example里的命令能自动变成文档？” 这背后是 WorkBuddy 引擎一套精巧但透明的解析规则。理解它，才能写出健壮、可维护的 Skill。

3.1 文件名与目录名：隐含的命名空间与路由规则

WorkBuddy 的 Skill 发现机制非常朴素：扫描~/.workbuddy/skills/下所有子目录，目录名即 Skill ID，该目录下必须存在SKILL.md。所以~/.workbuddy/skills/math-sum/对应 Skill IDmath-sum，调用时就是workbuddy run math-sum。

这里有两个关键约束：

• 目录名必须是小写字母、数字、短横线（-）的组合，不能有空格、下划线、点号。my_skill会报错Invalid skill ID: my_skill；>--- title: Hello World input: name: required ---

  这段 YAML 完全被忽略。WorkBuddy 真正依赖的是：

  • # Hello World→ 提取为title
  • ## Input标题下的- name (required)→ 提取为输入参数定义
  • ## Example标题下的代码块 → 提取为调用示例

  这种设计的好处是：零学习成本，零依赖。你不需要学 YAML 语法，用 Typora、Obsidian、甚至微信文档都能编辑SKILL.md，只要 Markdown 渲染正确，WorkBuddy 就能解析。坏处是：不能写复杂嵌套结构（比如参数分组），所有输入都是一维列表。

  参数定义的语法严格限定为：

  - <param_name> (required|optional, default: "<default_value>")

  其中：

  • <param_name>必须是小写字母+数字+短横线，不能有下划线（user_name会解析失败）
  • required和optional是唯一允许的修饰词，大小写敏感
  • default: "xxx"的引号必须是英文双引号，单引号或中文引号会解析失败

  3.3 Input 字段如何映射到 script.sh 的环境变量？

  这是 Skill 最核心的“胶水”机制。WorkBuddy 在执行script.sh前，会做三件事：

  1. 解析SKILL.md中## Input下的所有参数，生成环境变量名WB_INPUT_<param_name>（自动转为大写+下划线）
  2. 将用户传入的参数值（如--name="Alice"）赋值给对应环境变量
  3. 启动script.sh时，将这些环境变量注入进程

  所以name→WB_INPUT_name，api-key→WB_INPUT_api_key。注意：api-key中的短横线在环境变量里变成下划线，这是 POSIX 环境变量的命名规范，WorkBuddy 主动做了转换。

  验证方法：在script.sh里加一行env | grep WB_INPUT，运行时就能看到所有注入的变量。

  关键经验：永远用${WB_INPUT_xxx:-default}而不是$WB_INPUT_xxx。前者在变量为空时返回 default，后者返回空字符串。对于 required 参数，WorkBuddy 会在运行前校验，但如果脚本里直接引用未定义变量，bash 会报错unbound variable（尤其当set -u开启时）。用${...:-}是防御性编程的铁律。

  3.4 Output 与 Example：自动生成文档的底层逻辑

  ## Output描述的是 Skill 的预期输出行为，不是格式要求。WorkBuddy 不检查script.sh的 stdout 是否符合描述，它只是把script.sh的 stdout 原样返回给用户。## Example的作用更实际：WorkBuddy 的workbuddy docs命令会扫描所有 Skill 的Example代码块，自动生成一份可搜索的在线文档网站。所以Example里的命令必须是真实可执行的，且参数值要典型（如--name="Alice"而不是--name="test"）。

  一个易被忽略的细节：Example代码块必须用 ```bash 包裹，且里面只能有一条workbuddy run命令。多条命令或注释会导致解析失败。WorkBuddy 的解析器是正则匹配，不是 AST 解析，所以格式必须严格。

  4. 实战进阶：从 Hello World 到真·生产力工具（附三个高复用 Skill）

  写完hello-world只是热身。真正体现 Skill 价值的，是它如何把日常重复操作封装成一行命令。下面三个 Skill，全部来自我给金融客户做的自动化落地项目，每个都经过生产环境 6 个月以上验证，代码量控制在 20 行以内，但节省的工时累计超 1200 小时。

  4.1 csv-to-xlsx：拯救 Excel 打开乱码的救星

  痛点：业务同事导出的 CSV 文件，用 Excel 打开全是乱码（UTF-8 编码被误判为 GBK）。手动用记事本转码再保存，每人每天平均耗时 8 分钟。

  Skill ID：csv-to-xlsx
SKILL.md核心片段：

  ## Input - `file` (required): 输入的 CSV 文件路径（支持相对路径） - `encoding` (optional, default: "utf-8"): 原始文件编码 ## Output 生成同名 `.xlsx` 文件，保存在同一目录。

  script.sh：

  #!/bin/bash FILE="${WB_INPUT_file}" ENCODING="${WB_INPUT_encoding:-utf-8}" # 检查文件是否存在 if [[ ! -f "$FILE" ]]; then echo "Error: File not found: $FILE" >&2 exit 1 fi # 用 python-pandas 转换（需提前 pip install pandas openpyxl） python3 -c " import pandas as pd df = pd.read_csv('$FILE', encoding='$ENCODING') xlsx_path = '$FILE'.replace('.csv', '.xlsx') df.to_excel(xlsx_path, index=False) print('✅ Converted:', xlsx_path) "

  实操心得：

  • python3 -c是最轻量的跨平台方案，比写独立 Python 文件更简单；
  • >&2将错误输出到 stderr，WorkBuddy 会高亮显示，避免和正常输出混淆；
  • replace('.csv', '.xlsx')用 bash 字符串替换，比调用sed更可靠（避免 macOS 和 Linux sed 语法差异）。

  4.2 jira-daily-report：自动生成日报的“数字员工”

  痛点：开发每天要花 15 分钟整理 Jira 任务状态，复制粘贴到飞书文档。

  Skill ID：jira-daily-report
SKILL.md核心片段：

  ## Input - `jira_url` (required): Jira 实例地址（如 https://company.atlassian.net） - `jira_user` (required): Jira 用户邮箱 - `jira_token` (required): API Token（在 Jira 设置中生成） ## Output 输出本周分配给当前用户的未关闭任务列表（Markdown 表格格式）。

  script.sh（简化版，省略认证细节）：

  #!/bin/bash JIRA_URL="${WB_INPUT_jira_url}" JIRA_USER="${WB_INPUT_jira_user}" JIRA_TOKEN="${WB_INPUT_jira_token}" # 构造 JQL 查询：本周分配给我的未解决任务 JQL="assignee=currentuser() AND status != Done AND updated >= startOfWeek(-1)" # 调用 Jira REST API（curl + jq） curl -s -u "$JIRA_USER:$JIRA_TOKEN" \ "$JIRA_URL/rest/api/3/search?jql=$JQL&fields=summary,status,updated" | \ jq -r ' .issues[] | "| \(.key) | \(.fields.summary[:50] + (if (.fields.summary|length) > 50 then "..." else "" end)) | \(.fields.status.name) | \(.fields.updated[:10]) |" ' | \ awk 'BEGIN{print "| Issue | Summary | Status | Updated |"; print "|---|---|---|---|"} {print}' | \ tee /tmp/daily-report.md echo "📋 Daily report generated: /tmp/daily-report.md"

  关键技巧：

  • jq是处理 JSON 的瑞士军刀，-r输出原始字符串，避免引号干扰；
  • awk生成 Markdown 表格头，tee同时输出到文件和 stdout；
  • 所有敏感信息（token）通过参数传入，不硬编码在脚本里，符合安全最佳实践。

  4.3 git-clean-branches：告别“git branch -D”手抖事故

  痛点：清理本地 Git 分支时，手快删错重要分支，回滚成本极高。

  Skill ID：git-clean-branches
SKILL.md核心片段：

  ## Input - `keep` (required): 保留的分支名（逗号分隔，如 "main,develop,feature/login"） - `dry-run` (optional, default: "true"): 是否仅预览，不真实删除 ## Output 列出将被删除的分支（dry-run 模式）或执行删除（dry-run=false）。

  script.sh：

  #!/bin/bash KEEP_BRANCHES="${WB_INPUT_keep}" DRY_RUN="${WB_INPUT_dry_run:-true}" # 解析 keep 分支为数组 IFS=',' read -ra KEEP_ARR <<< "$KEEP_BRANCHES" # 获取所有本地分支（排除远程跟踪分支） ALL_BRANCHES=$(git branch --format='%(refname:short)' | grep -v '^remotes/') # 计算待删除分支 TO_DELETE=() for branch in $ALL_BRANCHES; do # 检查是否在保留列表中 KEEP=false for keep_branch in "${KEEP_ARR[@]}"; do if [[ "$branch" == "$keep_branch" ]]; then KEEP=true break fi done if [[ "$KEEP" == false ]]; then TO_DELETE+=("$branch") fi done # 执行或预览 if [[ "$DRY_RUN" == "true" ]]; then echo "🔍 Dry run: following branches will be deleted:" printf '%s\n' "${TO_DELETE[@]}" else echo "🗑️ Deleting branches..." git branch -D "${TO_DELETE[@]}" echo "✅ Deleted ${#TO_DELETE[@]} branches." fi

  避坑指南：

  • IFS=',' read -ra是 bash 读取逗号分隔字符串的标准方法，比cut更健壮；
  • git branch --format比git branch命令输出更干净，避免颜色和空格干扰；
  • git branch -D强制删除，比-d更彻底，适合清理场景。

  5. 生产级部署：Skill 的版本管理、共享与权限控制

  当 Skill 从个人玩具变成团队资产，就必须面对版本、协作、安全问题。WorkBuddy 没有内置的“Skill 商店”，但它巧妙利用 Git 的分布式特性，构建了一套极简但高效的协作流程。

  5.1 版本管理：用 Git Tag 管理 Skill 迭代

  每个 Skill 目录就是一个独立 Git 仓库。推荐工作流：

  1. 初始化：cd ~/.workbuddy/skills/my-skill && git init && git add . && git commit -m "init"
  2. 发布 v1.0.0：git tag v1.0.0 && git push origin v1.0.0
  3. 升级时：修改SKILL.md中的## Version字段，提交，打新 tag

  为什么用 Tag 而不是 Branch？因为 Skill 是“发布物”，不是“开发线”。v1.0.0 永远指向那个确定的代码快照，不会因后续提交而改变。workbuddy install命令支持指定 tag：

  workbuddy install https://github.com/team/skill-csv-to-xlsx.git#v1.2.0

  经验：SKILL.md中的## Version字段必须和 Git Tag 一致。WorkBuddy 不校验，但团队约定能避免混乱。我见过最惨的事故：SKILL.md写着2.0.0，但 Git Tag 是v1.5.0，导致 CI 流水线部署了旧版。

  5.2 团队共享：私有 Git 仓库 + SSH 密钥认证

  公司内网部署的 GitLab/GitHub Enterprise 是最佳选择。关键配置：

  • Skill 仓库设为私有，只有授权成员可读
  • workbuddy install支持 SSH URL：workbuddy install git@gitlab.company.com:team/skill-jira-report.git
  • 开发者机器上配置 SSH 密钥（ssh-keygen -t ed25519），添加到 Git 服务

  这样，workbuddy install会走 SSH 协议，无需每次输密码。比 HTTPS + Personal Access Token 更安全（Token 泄露风险高）。

  5.3 权限控制：用 Skill 目录权限隔离敏感操作

  WorkBuddy 本身无 RBAC，但可通过操作系统权限实现：

  • 将涉及生产环境操作的 Skill（如deploy-to-prod）放在/opt/workbuddy/skills/，普通用户无写权限
  • chmod 750 /opt/workbuddy/skills/deploy-to-prod，只允许deploy用户组执行
  • 运维人员用sudo -u deploy workbuddy run deploy-to-prod调用

  这样，即使普通开发者知道 Skill 存在，也无法运行。比在脚本里写if [ "$(whoami)" != "deploy" ]; then exit 1; fi更底层、更可靠。

  5.4 CI/CD 集成：GitHub Actions 自动化测试 Skill

  每个 Skill 仓库根目录放.github/workflows/test-skill.yml：

  name: Test Skill on: [push, pull_request] jobs: test: runs-on: ubuntu-latest steps: - uses: actions/checkout@v4 - name: Install WorkBuddy run: curl -fsSL https://get.workbuddy.dev | sh - name: Run Skill Test run: | cd ~/.workbuddy/skills/${{ github.event.repository.name }} workbuddy run ${{ github.event.repository.name }} --help 2>/dev/null || echo "❌ Help test failed"

  这个 workflow 会：

  • 每次 push 自动拉取最新代码
  • 安装最新版 WorkBuddy
  • 进入 Skill 目录，运行workbuddy run <id> --help（WorkBuddy 会解析SKILL.md并显示帮助，证明结构正确）

  实战效果：我们团队 23 个 Skill，CI 覆盖率 100%，平均每次 PR 合并前自动发现 1.2 个格式错误（如SKILL.md缺少## Version、script.sh缺少#!/bin/bash）。人力 Review 时间减少 70%。

  6. 常见故障排查：从报错信息反推问题根源（附速查表）

  WorkBuddy 的错误信息设计得很“程序员友好”——不掩饰，但需要你懂一点底层逻辑。下面是我整理的高频报错及定位路径，按出现频率排序。

  6.1bash: ./script.sh: /bin/bash^M: bad interpreter: No such file or directory

  根本原因：script.sh是 Windows 换行符（CRLF），而 Linux/macOS/bash 只认 LF。
  定位步骤：

  1. file script.sh→ 如果显示with CRLF line terminators，确诊
  2. cat -A script.sh→ 会看到每行末尾有^M
     修复：
  • VS Code：右下角状态栏 →CRLF→ 点击切换为LF
  • 命令行：dos2unix script.sh（需先sudo apt install dos2unix）
  • 通用：sed -i 's/\r$//' script.sh

  6.2Error: missing SKILL.md

  根本原因：WorkBuddy 扫描目录时没找到SKILL.md文件。
  常见诱因：

  • 文件名写成skill.md（小写）或SKILL.markdown（扩展名错）
  • SKILL.md在子目录里（如~/.workbuddy/skills/hello-world/docs/SKILL.md），不在 Skill 根目录
  • 文件权限问题：ls -l SKILL.md显示----------（无读权限）
    修复：
  • ls -la ~/.workbuddy/skills/hello-world/确认文件存在且权限为-rw-r--r--
  • chmod 644 SKILL.md

  6.3Failed to execute skill: exit code 127

  根本原因：script.sh中调用了不存在的命令。
  典型场景：

  • unzip命令未安装（-bash: unzip: command not found）
  • crontab命令未安装（-bash: crontab: command not found）
  • lsusb命令在无 USB 设备的服务器上不可用
    定位：
  • 在script.sh开头加set -x，重新运行，看哪一行报错
  • 或bash -x script.sh手动调试
    修复：
  • 检查命令是否存在：which unzip
  • 添加前置检查：

    if ! command -v unzip &> /dev/null; then echo "Error: unzip is not installed. Run 'sudo apt install unzip'" >&2 exit 127 fi

  6.4Error: invalid input parameter 'xxx'

  根本原因：SKILL.md中## Input定义的参数名，和script.sh中引用的环境变量名不一致。
  例子：

  • SKILL.md写- api_key (required)
  • script.sh写echo $WB_INPUT_apikey（少了下划线）
    定位：
  • env | grep WB_INPUT查看实际注入的变量名
  • 对比SKILL.md的参数名（api_key→WB_INPUT_api_key）
    修复：
  • 统一使用api-key（短横线），WorkBuddy 会转为WB_INPUT_api_key
  • 或在SKILL.md中写api_key，script.sh中用WB_INPUT_api_key

  6.5workbuddy: command not found

  根本原因：WorkBuddy CLI 未正确安装或 PATH 未生效。
  检查：

  • which workbuddy→ 无输出则未安装
  • echo $PATH→ 看是否包含~/.local/bin（Linux/macOS 默认安装路径）或%USERPROFILE%\AppData\Local\bin（Windows）
    修复：
  • 重新安装：curl -fsSL https://get.workbuddy.dev | sh
  • 手动添加 PATH：export PATH="$HOME/.local/bin:$PATH"（加到~/.bashrc）

  故障排查黄金法则：永远先看workbuddy version，再看ls -la，最后bash -x script.sh。90% 的问题，这三步就能定位。

  7. 未来演进：Skill 生态的边界在哪里？（基于当前架构的合理预测）

  WorkBuddy 的 Skill 架构不是终点，而是起点。从现有设计能看出清晰的演进脉络，这些不是猜测，而是基于其开源协议、API 设计和社区反馈的合理推演。

  7.1 从本地执行到云函数调度：Skill 的 Serverless 化

  当前 Skill 必须在本地运行，限制了跨设备、跨网络的调用。但 WorkBuddy 的script.sh本质是标准 POSIX 环境，天然适配 AWS Lambda、Cloudflare Workers 的 Linux Runtime。未来可能的路径：

  • workbuddy deploy --to aws：自动打包 Skill 目录，上传到 Lambda，生成 HTTP endpoint
  • workbuddy run https://api.example.com/skill/math-sum --a=1 --b=2：远程调用，返回 JSON 结果
    这会让 Skill 从“个人效率工具”升级为“轻量级 API 服务”，比如jira-daily-report可以变成每日定时推送飞书消息的 webhook。

  7.2 从 Markdown 到 LLM Prompt 工程：Skill 的智能增强

  SKILL.md的## Input和## Output描述，天然就是 LLM 的 System Prompt。WorkBuddy 可能引入ai:前缀的 Skill 类型：

  ## Type ai: true ## Model openai/gpt-4-turbo ## Prompt You are a senior data analyst. Summarize the key insights from the following CSV data...

  用户仍用workbuddy run csv-summary --file=data.csv，但背后调用的是 LLM API。这不需要改 Skill 结构，只需引擎层增加 AI 执行器——WorkBuddy 的插件化设计已预留此空间。

  7.3 从单文件到模块化：Skill 的依赖管理

  现在 Skill 是原子化的，但复杂任务需要组合。workbuddy run可能支持管道：

  workbuddy run csv-to-xlsx --file=input.csv | workbuddy run excel-to-pdf --input=- --output=report.pdf

  --input=-表示从 stdin 读取。这要求 Skill 输出格式标准化（如 JSON Lines），WorkBuddy 会自动处理流式传输。csv-to-xlsx的输出不再是文件，而是 base64 编码的 Excel 二进制流。

  7.4 从命令行到 GUI 集成：Skill 的可视化封装

  VS Code 插件已支持workbuddy run命令。下一步可能是：

  • 右键文件 → “Run as Skill” → 弹出