我把 WorkBuddy 的 Skill Hub 翻了个遍，这8个才真正值得装
原文作者：Mocha · 原文来源：今日头条
本文为作者本人文章的站内同步版本。
最近 WorkBuddy 在 AI 圈的存在感越来越高。
我身边已经有不少人把它从“偶尔打开聊两句的 AI 工具”，慢慢换成了日常工作的主力。但有个挺明显的问题：很多人其实只用了 WorkBuddy 最表面的那一层——聊天框。
真正让我觉得 WorkBuddy 开始变得不一样的，是它的 Skill Hub。
你可以把 Skill 理解成给 WorkBuddy 安装的“能力插件”。装上不同的 Skill，它就不只是能回答问题，而是可以直接处理数据、做网页、操作浏览器、下载视频、整理资讯，甚至记住自己以前犯过的错误。
但 Skill Hub 还有另一个问题：
东西实在太多了。
第一次点进去，很容易陷入一种“这个看起来有用，那个好像也应该装”的状态。最后装了一堆，真正用起来的却没几个。
所以这篇不做 Skill 大全，我只挑 8 个我觉得比较容易进入真实工作流的 Skill。
名字可能都不算特别吸引眼球，但对应的几乎都是我们每天会碰到的高频场景。
建议先收藏，按自己的需求装，不用一次全装。
01. Smart Charts：把表格直接变成交互式图表
以前拿到一份 Excel 或 CSV，想做成稍微能看的数据展示，流程基本都是：
选字段、插图表、改类型、调颜色、改标签……
数据分析可能只花了十分钟，调图表反而折腾半小时。
Smart Charts 做的事情，就是把这段操作直接交给 WorkBuddy。
把 Excel 或 CSV 文件扔进去，然后告诉它：
帮我把这份数据做成一个适合汇报的可视化看板。
它会根据数据结构判断更适合柱状图、折线图、饼图还是其他图表，再生成一个可以点击、筛选和交互的数据页面。
相比“帮我画一张柱状图”，这个 Skill 更有价值的地方在于，它处理的是从原始数据到展示结果的完整过程。
比如：
-
周报、月报的数据展示
-
用户调研结果
-
竞品分析
-
销售数据复盘
-
项目指标看板
这些场景都很适合。
在 Skill Hub 搜索：
Smart Charts
02. Frontend Dev：一句话做出一个完整网页
这个 Skill 很适合那些：
有页面需求，但不想从搭项目、写 CSS 开始折腾的人。
比如直接跟 WorkBuddy 说：
帮我做一个 AI 产品的落地页，浅色科技风，要有 Hero 区、功能介绍、案例展示和 CTA。
Frontend Dev 不只是生成几段 HTML。
从页面风格、布局、动效，到文案、配图甚至部分视觉素材，它都可以一起处理，最后给你的不是“页面设计建议”，而是一个真正能运行、可以继续修改甚至直接部署的网页。
所以它特别适合：
活动页、个人作品集、产品 Demo、数据展示页，或者一些需要快速验证想法的网页。
以前很多“我有个想法，但为了这个想法专门做个页面太麻烦”的事情，现在一句话就能先做个能跑的版本出来。
在 Skill Hub 搜索：
Frontend Dev
03. Web Access：让 AI 真正进入浏览器
这个 Skill 我觉得被低估了。
普通 AI 最大的问题之一，是它和你的真实工作环境之间隔着一层。
它可以告诉你“应该怎么操作”，但很多时候，真正点按钮、翻页面、整理结果的人还是你。
Web Access 则是把 WorkBuddy 接进浏览器。
它可以在浏览器环境里执行搜索、点击、滚动、读取页面等操作。在获得相应授权的情况下，也可以处理一些需要登录状态才能访问的页面。
这就产生了很多很实用的玩法。
比如：
帮我在小红书搜索最近关于某个 AI 产品的高赞内容，并整理大家主要在讨论什么。
或者在你有权限访问的业务系统里，帮你整理一些重复性的页面信息。
以前 AI 碰到“请登录后查看”基本就结束了，现在它有机会进入真实浏览器环境继续完成任务。
不过这个 Skill 有一点一定要注意：
能操作，不代表什么都应该让它操作。
涉及第三方平台时，尽量遵守平台规则，控制访问频率；账号、支付、删除、发布等敏感操作，也不要轻易交给自动化执行。
在 Skill Hub 搜索：
Web Access
04. yt-dlp Downloader：一句话下载视频和字幕
如果你经常研究视频内容，这个 Skill 会非常方便。
以前用 yt-dlp 下载视频，通常要打开终端，然后记各种参数。
但很多人真正想做的其实只是：
帮我把这个视频下载下来，要 1080P，顺便把字幕也保存下来。
有了对应的 Skill，这句话本身就可以成为操作指令。
视频、音频、字幕这些需求都可以直接用自然语言描述，不需要自己背命令。
但我觉得它真正有价值的地方，还不是“下载”。
而是下载之后可以马上进入下一步。
例如：
视频 → 字幕 → 摘要 → 观点提取 → 选题拆解
整个流程可以直接在 WorkBuddy 里接着跑。
对于经常做视频研究、内容分析、选题收集的人来说，比单纯安装一个下载软件方便得多。
当然，下载和使用内容时，仍然需要遵守对应平台规则以及版权要求。
在 Skill Hub 搜索：
yt-dlp Downloader
05. AI Hot：每天一句话知道 AI 圈发生了什么
AI 资讯现在最大的问题已经不是“找不到”，而是：
太多了。
模型更新、产品发布、融资、论文、开源项目、行业新闻……
每天刷一圈下来，时间花了不少，但真正值得记住的可能没几条。
AI Hot 做的事情很简单：
你可以直接问 WorkBuddy：
今天 AI 圈有什么值得关注的事情？
它会获取最新资讯，再按照模型、产品、行业动态等类别进行整理，最后输出一份更适合阅读的中文简报。
如果只是这样，其实已经挺方便了。
但它更适合和自动化一起用。
例如设成每天早上自动执行：
获取当天 AI 资讯 → 筛选重要内容 → 生成中文简报 → 推送到常用工作渠道
相当于给自己配了一个每天上班前已经把新闻扫过一遍的 AI 信息助理。
在 Skill Hub 搜索：
AI Hot
06. Humanizer ZH：把“AI 味”改成人话
现在用 AI 写东西已经不是什么新鲜事了。
真正麻烦的是另一件事：
内容没错，但一眼就能看出来是 AI 写的。
句子太完整。
结构太整齐。
每一段都像提前拿尺子量过。
“首先、其次、最后”反复出现，动不动就拔高意义，再配上一堆破折号和三段式总结。
读起来什么毛病都没有，就是不像人。
Humanizer ZH 专门处理这种问题。
它不是简单把句子改得更华丽，而是会主动处理中文 AI 写作里很常见的痕迹：
比如过度解释、过度总结、机械排比、空泛升华，以及过分顺滑的表达。
最后得到的文章不一定“更标准”，但往往会：
更像一个真实的人写出来的。
写公众号、商务邮件、产品文案、短视频脚本时都挺实用。
在 Skill Hub 搜索：
Humanizer ZH
07. Skill Scanner：装 Skill 之前，先过一道安检
前面几个 Skill 都是在帮你提高效率。
但这个我反而觉得应该优先安装。
原因很简单：
Skill 本质上是能够执行操作的代码和指令。
第三方 Skill 能力越强，它能够接触到的东西往往也越多。
所以问题来了：
你从 Skill Hub 或其他地方看到一个 Skill，怎么知道它到底干了什么？
有没有读取不该读取的文件？
有没有访问敏感目录？
有没有把 Token、密钥或者其他数据发送出去？
Skill Scanner 就像给 Skill 加了一道安全检查。
安装第三方 Skill 之前，可以先让它分析潜在风险以及权限行为，再决定要不要使用。
甚至可以定期检查已经安装的 Skill。
Skill 生态越丰富，这类工具反而越重要。
在 Skill Hub 搜索：
Skill Scanner
08. Self Improvement：让 AI 真的“吃一堑长一智”
最后一个是我觉得最有“长期价值”的 Skill。
平时用 AI 最烦的一种情况是什么？
你已经纠正它八百次了：
这个项目不要这么命名。 这个参数应该这样填。 我一直用这个目录。 这个格式以后不要再给我了。
结果换个任务，它又来一遍。
Self Improvement 想解决的就是这个问题。
例如 WorkBuddy 在执行任务时某个参数填错了，你纠正之后，它会尝试把这次经验沉淀下来。
下一次再碰到类似问题，就不需要从头重新教。
随着使用时间变长，它可能逐渐熟悉你的：
工具偏好、命名习惯、常用目录、工作方式，以及一些反复出现的小规则。
这种能力最大的价值不是某一次任务突然快了很多，而是：
你教 AI 的成本开始能够被累计。
以前你和 AI 的关系更像每次都在带一个新来的实习生。
有了持续学习机制之后，它才开始慢慢变成那个“跟你合作了一段时间，知道你习惯怎么干活的人”。
在 Skill Hub 搜索：
Self Improvement
Skill 不是装得越多越好
最后还是想提醒一句：
Skill Hub 真正有价值的地方，从来不是让你收集更多 Skill。
装几十个 Skill，但每一个一个月只打开一次，意义并不大。
真正值得留下来的，是那些已经悄悄进入你工作流的东西。
每天做数据，就装 Smart Charts。
经常快速做页面，就试试 Frontend Dev。
需要从网页搜集资料，可以研究 Web Access。
经常研究视频内容，就把 yt-dlp Downloader 接进流程。
每天追 AI 新闻，用 AI Hot。
经常写公众号、脚本和文案，可以试试 Humanizer ZH。
要安装第三方 Skill，先用 Skill Scanner 看一遍。
希望 WorkBuddy 越用越顺手，再考虑 Self Improvement。
没必要一次全装。
先找到一个你每周都会重复两三次的动作，然后看看有没有一个 Skill，能把它彻底接过去。
因为 Skill 最理想的状态，不是你的收藏夹里又多了一个“以后可能有用”的工具。
而是某一天你突然发现：
那个以前每次都要自己手搓的活，现在已经不用你动手了。
我是 Mocha，关注我，持续分享我在 AI 和技术实践中踩过的坑、总结的方法和新发现。