WorkBuddy · AI入门 · Skill
零基础学AI，别从Agent和MCP开始
先养成使用习惯，再把一件工作交给 AI，最后把跑通的方法沉淀成 Skill。
先养成使用习惯，再把一件工作交给 AI，最后把跑通的方法沉淀成 Skill。这条路比背概念稳得多。
这几天，几位朋友陆续来找我聊 AI。
有人在车企做项目管理，有医生，有银行管理者，也有负责保险企业客户的客户经理。行业相差很大，问题却很像：
“我现在该从哪里开始学 AI？”
“它到底能帮到我手上的工作吗？”
他们并非完全没用过。豆包、DeepSeek 都会打开，偶尔问个问题、改段文字。可一听到 Agent、Skill、MCP，话题马上变得像一场技术考试。
很多人以为自己卡在知识不够。我聊下来，发现他们更常见的问题是：知道了一串新名词，却没有把 AI 放进任何一项日常工作。
所以我给零基础职场人的建议很简单：暂时别做概念收藏家。
先用，再交活，最后沉淀方法。
第一阶段：先把 AI 放进每天的动作里
过去遇到陌生问题，很多人的动作是搜网页、翻群聊、问同事。现在可以多加一个入口：先让 AI 帮你梳理，再决定去哪里核实。
它可以帮你：
• 把一封语气生硬的邮件改清楚；
• 从长材料中提取待确认事项；
• 为一次汇报整理结构；
• 把会议记录变成待办清单；
• 针对一个陌生概念，列出你应该继续追问的问题。
这一阶段不需要研究复杂提示词。把背景、目的、已有材料和希望得到的格式说清楚，已经足够开始。
例如，不要只说“帮我写客户拜访方案”，可以这样交代：
我明天下午要拜访一家制造企业。下面是公开资料和过往沟通记录。请先区分已确认事实与待核实信息，再整理客户背景、可能需求、需要追问的问题和会后记录模板。不要补写资料里没有的数据。
用 AI 的习惯，不等于无条件相信它。它先出草稿，你负责核对事实、补上判断并决定是否使用。这个分工越早建立，后面越不容易把“生成得很快”误当成“做得很对”。
第二阶段：别问AI会什么，先盘点自己每天在做什么
“AI 能帮我干什么”太宽了，聊半天容易落回工具清单。
换个问法更有用：过去一周，我在哪些事情上反复花时间？
可以拿张纸，把最近五个工作日做过的事写下来。先找符合下面四项的任务：
1. 每周或每月都会出现； 2. 做起来耗时，却不需要每一步都由你判断； 3. 输入、步骤和规则大致清楚； 4. 结果好不好，可以由人检查。
客户经理可以先从拜访准备和跟进记录入手。银行管理者可以尝试整理公开材料、汇总非敏感数据或搭建汇报框架。项目经理可以让 AI 汇总风险、版本变化和待办。医生则可以在合规范围内处理公开指南的比较、教学材料或脱敏后的行政文本。
第一次最好别选“替我做最终判断”。先选“帮我把判断前的材料准备好”。
比如，贷款审批结论、诊疗建议、保险承保决定都牵涉专业责任和敏感数据。这类工作不适合拿来练习全自动执行。资料整理、格式检查和待办提取更容易控制风险，也更容易验收。
聊天不够用时，再把任务交给 Agent
用一段时间后，你会碰到一个明显的瓶颈。
AI 给了答案，但文件还得自己找，信息还得来回复制，生成的内容还要手动整理成 Word、表格或汇报材料。每一步都需要你接过去做，聊天窗口只能省下一小段时间。
到了这里，再接触 Agent 就很自然。
按照 WorkBuddy 官方介绍，它可以在用户授权的本地目录中读取和写入文件，拆解任务、调用工具，并交付文档、表格等可以继续检查的结果。对于经常处理本地文件或腾讯办公生态的国内职场人，它可以作为从“问答”走向“任务交付”的一个入口。
你可以交代：
读取工作空间里的项目周报、会议纪要和任务清单，整理本周进展、风险和下周安排。没有依据的信息标记为“待补充”，不要修改原始文件。最终生成一份 Word 周报，保存到“输出结果”文件夹。
这条指令里有五个东西：任务目标、资料范围、处理规则、交付格式和验收要求。
很多人使用 Agent 效果不好，原因很朴素：交代任务时仍然只说“你帮我看看”“做得专业一点”。把交付标准说清楚，通常比研究一个新缩写更有帮助。
用一周，跑通第一个完整任务
如果你不知道从哪开始，可以按这个节奏试一周。
前两天，只记录工作。
不要急着自动化。记下自己处理了哪些文件、反复复制了什么、在哪里等待、哪些结果可以清楚验收。
第三天，挑一件小任务。
范围控制在半小时到两小时的人工作业。备一份拜访材料、整理一次会议、汇总一组公开资料都可以。重要文件先复制到单独的工作空间。
第四到第五天，让 AI 连续跑两次。
第一次看它漏了什么，第二次补充资料范围和验收标准。不要每次都换工具，否则你很难判断问题出在工具、资料还是指令。
第六天，记录人工修改。
你改了哪些事实、格式和表达？哪些地方必须依赖你的专业判断？这些修改就是下一版流程最有用的输入。
第七天，保存一份可复用模板。
把任务目标、输入材料、执行步骤、输出格式和检查项写下来。下一周再跑一次，看它是否还能稳定工作。
这一周不用学会所有 AI 工具。只要有一件原来需要反复操作的工作，现在能够稳定交付，这次练习就有结果了。
同一件事跑通三遍，再考虑做成Skill
很多人刚听说 Skill，就想马上给自己搭一套“数字员工”。
先别急。
一项任务至少重复跑几次，你才知道哪些步骤固定，哪些输入每次不同，哪些错误必须由人拦住。流程还在频繁变化时，把它封装起来，只会更快地重复错误。
我更建议用一个简单标准：同类任务连续跑三遍。
每次结束后比较：
• 哪些资料每次都要提供；
• 哪些判断规则没有变化；
• 输出的标题、字段和格式能否固定；
• 哪些情况必须暂停并让人确认。
把这些内容写成明确的执行说明，才有了 Skill 的雏形。
WorkBuddy 官方文档把 Skill 描述为封装脚本和工作流的能力包，支持查找、导入，也可以根据任务描述创建。它解决的是“以后如何按同一套方法再做一次”，不会替你发明一套成熟方法。
一个值得沉淀的 Skill，至少要写清楚：什么时候调用，需要哪些输入，按什么顺序处理，产出什么文件，如何验收，遇到什么情况必须停下来问人。
如果这些问题还说不清，继续用普通任务多跑几遍。
医生、银行和保险从业者，还要多加一道边界
AI 使用习惯不能压过行业规则。
患者信息、银行客户资料、账户数据、保险合同和未公开的公司文件，都可能涉及敏感信息。没有获得组织与数据责任人的明确许可，不要把原始资料发给外部模型，也不要为了图方便绕过原有权限。
使用 WorkBuddy 或第三方 Skill 时，同样要检查工作空间范围、文件权限和外部服务。官方文档也提醒，第三方 Skill 可能读取本地文件、调用外部接口或接触平台凭证，安装前应核验来源、权限申请和脚本内容。当前任务用不到的 Skill，可以先关闭。
涉及医疗、信贷、投资、承保、法律和合规结论时，AI 产出只能作为草稿或辅助材料，最后仍由有权并且具备专业资格的人确认。
这并不会让 AI 变得没用。相反，边界清楚以后，你才知道哪些重复劳动可以放心交出去，哪些判断必须留在人手里。
零基础学习AI，顺序比名词数量更重要
如果现在有人问我怎么开始，我会给出这样一条路径：
先用熟悉的对话工具，把 AI 放进每天的工作动作里；再从一件重复、耗时、能验收的小任务开始，用 WorkBuddy 这类 Agent 交付完整结果；同类任务稳定跑通后，再把方法沉淀成自己的 Skill。
Agent、Skill、MCP 以后都可以学。等你手里已经有一个具体问题，这些概念不再是考试题，而是用来解决问题的零件。
别先问“我学会了多少 AI”。
先看这个星期，有没有一件工作开始换了做法。
你最想先交给 AI 的那件重复工作是什么？
产品能力与安全说明参考：WorkBuddy 官方产品页、WorkBuddy 官方技能文档。具体功能、套餐和界面可能随版本更新，请以当前客户端与官方文档为准。
完