当前位置：首页 > news >正文

用 WorkBuddy 做一个「提示词生成 Agent」，覆盖主流模型和全场景，小白 10 分钟上手

news 2026/7/11 3:59:25

"我知道 AI 很强，但我就是不知道怎么跟它说话。"

这句话可能是 2026 年职场人最真实的痛点。工具够了，模型够了，但卡在第一步——提示词。一个内容运营想用 AI 写小红书水帖，对着对话框愣了五分钟，最后打出来一句"帮我写一篇小红书笔记"，结果生成的东西一股塑料味。

问题不在于模型不行，而在于提示词不够精准。不同模型有不同的"脾性"，不同场景有不同的结构要求。GPT-4o 喜欢详细的步骤拆解，Claude 擅长长文推理，DeepSeek-R1 需要你把思考链路说清楚——这些细节，普通用户根本没精力去研究。

所以我们需要一个 Agent，专门干一件事：帮用户生成精准的提示词。用户只需要说"我要用 DeepSeek 写一篇小红书水帖"，Agent 就输出一段结构完整、针对该模型优化的提示词，直接复制粘贴就能用。

这篇文章教你用 WorkBuddy 的 Skill 系统，从零搭建这个 Agent。不需要写代码，全程跟着做就行。

效果展示：这个 Agent 能做什么

在 WorkBuddy 对话框里输入：

我要用 DeepSeek 写一篇小红书水帖，主题是夏季防晒霜推荐，要求真人种草感，不要广告味

Agent 输出：

【生成的提示词 - 适配 DeepSeek-V3】 你是一位资深小红书博主，拥有5年美妆护肤内容经验，粉丝量50万+。你的写作风格真实自然，擅长用"闺蜜聊天"的口吻分享好物，从不生硬推荐。 请帮我写一篇关于"夏季防晒霜推荐"的小红书笔记，要求： 1. 人设：一个在南方城市生活的25-30岁女生，油性皮肤，夏天容易脱妆 2. 内容结构： - 开头用一句生活化的痛点引入（如"姐妹们真的被晒怕了"） - 中间分3款产品推荐，每款包含：产品名、价格区间、核心卖点（1句话）、使用感受（2-3句口语化描述）、适合肤质 - 结尾自然引导互动（如"你们夏天都在用什么防晒？评论区抄作业"） 3. 语气要求： - 第一人称，像跟朋友聊天 - 适当使用emoji但不要过度（3-5个即可） - 可以有口语化表达（"真的绝了""踩雷警告"等） - 严禁出现"本产品""购买""优惠"等广告词 4. 字数：800-1200字 5. 标签：文末附带5-8个相关话题标签

这段提示词直接复制到 DeepSeek 对话框，出来的内容质量直接上一个台阶。而生成这段提示词只花了不到 5 秒。

教程：从零搭建提示词生成 Agent

第一步：理解 Skill 系统

WorkBuddy 的 Skill 本质上就是一个 Markdown 文件（SKILL.md），里面写清楚：这个 Agent 是谁、什么时候触发、怎么干活、输出什么格式。

把它放在指定目录下，WorkBuddy 就会在对话中自动识别触发词，加载这个 Skill 的指令，按你定义的流程执行。

第二步：创建目录

打开终端（Windows 用户用 Git Bash），执行：

bash

复制

# 创建 Skill 目录 mkdir -p ~/.workbuddy/skills/prompt-generator/references

目录结构：

~/.workbuddy/skills/prompt-generator/ ├── SKILL.md # 核心：Agent 的角色定义和工作流程 └── references/ # 可选：存放模型特性表等参考资料 └── model-cards.md # 各主流模型的提示词优化建议

第三步：编写模型特性参考表

在references/model-cards.md中写入各主流模型的提示词特性，Agent 执行时会按需加载这个文件：

markdown

复制

第四步：编写 SKILL.md（核心）

这是整个 Agent 的大脑。在~/.workbuddy/skills/prompt-generator/SKILL.md中写入以下内容：

markdown

复制

第五步：测试 Agent

保存文件后，一定要重新开始一个新对话（旧对话不会加载新 Skill）。

在 WorkBuddy 对话框输入测试用例：

帮我生成一个提示词，用 DeepSeek 写一篇小红书水帖，主题是夏季防晒霜推荐

如果 Agent 正确触发了，你会看到它按照"信息收集 → 模型特性加载 → 提示词生成 → 格式化输出"的流程执行，最终输出一段结构完整的提示词。

再试几个场景：

用 Claude 帮我写一个代码审查的提示词，审查一个 Go 语言的微服务项目

用 Qwen 生成一个数据分析报告的提示词，分析电商月度销售数据

多试几个，观察输出是否稳定。如果某个场景输出不理想，回到 SKILL.md 里补充对应的场景模板，再测一次。

第六步：实际使用流程

Agent 跑通后，日常工作流就变成了：

打开 WorkBuddy→ 说"帮我生成一个提示词"
Agent 输出提示词→ 复制
粘贴到目标模型（DeepSeek / Claude / 或直接在 WorkBuddy 里用）
拿到高质量结果

一个内容运营同事的真实使用路径：

她想写一篇小红书防晒霜种草帖 → 对 WorkBuddy 说"生成一个用 DeepSeek 写小红书防晒霜推荐的提示词" → Agent 输出一段 400 字的精准提示词 → 复制到 DeepSeek → 30 秒拿到一篇自然真实、可以直接发的笔记

以前她写一篇要 40 分钟（包括反复修改提示词和调整输出），现在整个流程不到 5 分钟。

进阶：让 Agent 更强

跑通基础版后，可以往references/目录加更多参考资料：

references/platform-rules.md：各平台内容规范（小红书限流词、知乎折叠规则等），Agent 生成提示词时自动规避
references/prompt-patterns.md：提示词模式库（CoT、Few-Shot、ReAct 等模式），Agent 根据任务复杂度自动选择
references/industry-glossary.md：行业术语表，让生成的提示词更专业

在 SKILL.md 的"工作流程"中加一句"根据任务类型参考references/下对应文件"，Agent 就会在需要时自动加载。