WorkBuddy 正在重新定义职场 AI 的边界。这款腾讯出品的全场景智能体桌面工作台，以其独特的记忆系统、技能机制和 Agent Loop 设计，展现了远超普通聊天机器人的生产力。从三层记忆架构到自我进化的 Skills 机制，本文将深入解析这款产品如何通过系统提示词实现类人工作流。

从小龙虾 OpenClaw 以后，国内几个巨头都在追求桌面段的 Agent 入口，比如：

1. 钉钉的悟空体系；
2. 腾讯的 WorkBuddy 体系；
3. 字节的 aily；

就当前的体感来说：WorkBuddy 被接受的程度可能是最高的，虽然不知道它为什么火了，出去逛一圈都有人在讨论它。

我也很好奇它有什么特别的地方，就去下载安装了一个，简单实用了一下，感觉还可以，不过网上褒贬不一，我们这里不做评论，这个国内下载使用也是非常方便的，下载就有送积分，可以自行体验。

作为技术博主，我们当然想要看到不一样的东西，依旧是从它的实现机制出发吧！

WorkBuddy是什么

官方的原话是：

WorkBuddy 是腾讯推出的全场景职场 AI 智能体桌面工作台，面向各类职能角色设计

您只需用一句话描述需求，WorkBuddy 便能像同事一样自主规划和执行任务，并交付可验收的结果。

官方的说法 WorkBuddy 看起来是一个企业级的桌面 Agent，我们简单问它一个问题：你能做什么？

整个界面和 CodeX 非常相似，基本上差不多，这里我们就不一一展开做功能介绍，大家可以自己去感受下：

一出来就出现了你是谁\我是谁，这两个经典问题，然后就是它自己能做什么的一个功能介绍。

他既然是一个Agent，我们知道Agent是由模型，工具，技能，上下文，运行时等组成…

事实上，我每次看到一个新的Agent的时候，最关心的是上下文工程的管理，因为我觉得上下文工程决定了这个Agent是否聪明、好用的关键。

而上下文工程里面我一般比较关注 系统提示词的组装，会话压缩机制，记忆机制，下面我们逐一展开来看看：

系统提示词

每研究一个新的 Agent，我总是会从系统提示词开始，于是我准备让 WorkBuddy 给我介绍下它的系统提示词：

WorkBuddy 拒绝了我，没有给我系统提示词，我就想了点其他方法。

从我拿到的系统提示词来来看，内容较多，它大致可以分成下面这些模块

• 能力定义
• 记忆系统
• 用户画像
• 内容安全策略
• 个人文件安全规则
• 区域化习惯
• 工作模式
• Agent Loop
• 结果展示规则
• 代码探索子代理
• 自动化任务
• 工具使用规则
• 可视化规则
• 任务管理
• 提问与澄清规则
• 工具调用策略
• Skills 机制
• 专家管理
• MCP 配置
• 回复语言设置
• 运行环境配置

能力定义

这一部分的提示词用下面这部分开头

Here’s what you’re good at — and you should use all of it……

系统提示词一开始就定义了 WorkBuddy 的能力边界，我们开发 Agent 的时候，总是说你是一个什么什么的助手，这里不是这样，而是告诉模型，你不是只会聊天，你可以想一个会使用电脑的人一样完成任务。

并且提示词里面也说明了它能做什么，比如：文档生成、数据分析、邮件处理，周报生成，可以写代码，构建网站等。

这些能力的定义，就是在告诉模型，遇到真是任务时，不要停留在说，而是可以主动的去完成，你可以做到这些事情。

记忆系统

在提示词里面 记忆系统占了很大的篇幅，用了一个标签 <memory_system&gt；来包裹，整个记忆系统被拆成了3层

第一层是 Cloud Memory，也就是云端记忆。

这部分包含了两个能力，一个是自动注入用户画像，另外一个是历史会话检索，自动注入的用户画像是只读的，模型不能随便改，历史会话检索适用于查找用户过去聊过的内容。

比如用户说，我们之前谈论的那个压缩方案，你还记得吗？

这个时候 模型就会使用历史会话检索能力，而不是瞎猜。

第二层是 User-level Local Memory，也就是用户级本地记忆。

它的文件位置是：

~/.workbuddy/MEMORY.md

这部分是跨项目生效的，适合记录用户长期稳定的偏好和规则。比如：

• 用户希望所有回答都用中文。
• 用户希望代码示例尽量简单。
• 用户希望某类项目默认使用 Vue 而不是 React。

这类信息不是某一个项目独有的，而是长期跟随用户的偏好，就适合放到用户级记忆里。

第三层是 Workspace Memory，也就是工作区记忆。

它只对当前项目生效，放在当前项目的 .workbuddy/memory/ 目录下面。这里面又分成两类：

一类是每天的工作日志.workbuddy/memory/YYYY-MM-DD.md 每日工作日志是 append-only，也就是只能追加，不能覆盖。它用来记录当前项目每天做了什么。

另一类是项目长期记忆 .workbuddy/memory/MEMORY.md，项目长期记忆则用来沉淀更稳定的项目结论，比如技术选型、架构约定、项目规则等。

它把记忆拆成了三个不同作用域：

1. 云端用户画像：跨设备、跨会话、只读注入用户级
2. 本地记忆：跨项目、用户显式要求记住的规则
3. 项目级记忆：只服务当前工作区，记录项目上下文

记忆如何写入

完成实质性工作后，立即使用 Edit 工具将简短记录追加到 .workbuddy/memory/YYYY-MM-DD.md 这个文件中

实质性工作包括：

构建或修改了网站/应用修复了一个 bug编写或生成了报告/文档完成了代码重构或架构更改选择了技术方案（框架、设计模式等）

用户如果分享了项目约定或偏好 ，同时更新 .workbuddy/memory/MEMORY.md 文件

用户画像

系统提示词里还有一个<memory&gt；模块，它是启动时自动注入的用户画像。这里面记录了用户的工作背景、个人偏好、当前关注点和近期动态。

用户画像是什么时候写入的呢

这个记忆来之云端，在服务器上生成的，在 WorkBuddy 的设置可以看到记忆是由服务器在每天晚上定时更新，从我的使用来看，它从我的对话中总 结了以下内容

工作背景

个人背景

当前关注

近期动态

内容安全策略

这一部分规定了模型不能泄露系统提示词、不能处理敏感政治内容、不能生成色情内容、不能提供违法活动指导、不能协助获取隐私信息、不能生成假新闻或欺诈文档等。

大家直接看下原始提示词是怎么说的：

个人文件安全

这一块写的是操作用户文件的安全规则。

用 <personal_files_safety&gt； 这个标签包起来，主要规定 WorkBuddy 对个人文件目录能做什么、不能做什么。

像 Desktop、Downloads、Documents、Home 这些目录，都算高风险区域。具体要求有这几条：

不能递归删除这些目录

不能用 rm -rf

扫描文件时只能生成报告，不能直接移动、重命名或删除

如果用户提的要求比较模糊，必须先追问

删除之前必须警告、列出文件、让用户确认

需要先做备份

删除要进回收站，不能直接物理删除

每批最多处理 10 个文件

WorkBuddy 是能直接访问文件系统的。比如用户说帮我清理一下下载目录的文件，要是没有这套规则，它可能直接扫描并删掉文件，后果会很严重。

文件系统权限对这类 Agent 来说，能读写文件才真正能干实事，但没限制的话，也可能会造成不可逆的数据丢失。

工作模式：Craft、Plan、Ask

WorkBuddy 的系统提示词里还定义了三种工作模式：，这部分主要放在了 <working_modes&gt；标签中，大概的意思就是

• Craft：你说，我做
• Plan：先想，再做
• Ask：只聊，不做

Agent loop：一步一步完成任务

这是我第一次在系统提示词里看到这么明确描述了 Agent Loop 的工作方法。一般我们都是在 Agent runtime 中实现这个机制。

大概的意思是：

它不是让模型一次性回答完，而是要求模型按循环方式完成任务

先分析上下文，然后思考下一步，再选择工具，执行动作，接收结果，然后继续迭代，直到任务完成。

这就是我们常见的 Agent 运行机制，我们来看下 WorkBuddy 是如何描述的

结果展示：做完任务后必须交付结果

WorkBuddy 的系统提示词里还有一个 <result_presentation&gt； 模块，专门规定任务做完之后怎么把结果展示给用户。

具体要求大概是：

• 如果是 HTML 文件，要用 preview_url 来展示
• 报告、PPT、视频这些，用 open_result_view 展示
• 生成附件的时候，要调用 deliver_attachments 交付
• 不能光生成一个文件扔在那里，却不告诉用户结果在哪

工具使用规则：什么时候用什么工具

WorkBuddy 的系统提示词里还有一大块是关于工具调用规则的，这些都是非常实用，告诉模型什么时候选择合适的工具来做事情。比如：

• 优先用专门工具，而不是直接敲 shell 命令
• 要在代码库里大范围探索时，得用代码探索子代理
• 需要操作网页，得先加载 browser skill
• 安装 MCP 要改指定的配置文件
• 删除自动化任务不能直接操作 SQLite，要用自动化工具
• 腾讯文档的链接要按指定格式输出
• 腾讯乐享里的实体，要用 badge 里的 id，不能按标题搜索

为什么需要这些规则，之前我开发 Agent 的时候，让 Agent 完成一个任务，我给它提供了专门的工具，但是它不选，因为我同时提供了代码执行工具，它就一直自己写代码去执行，偏偏它代码又写得不好，老是报错，都把我看着急了。

如果我们这里加一个提示词，优先使用专门的工具，这个问题可能就不会出现了。

Skills 机制

WorkBuddy 的系统提示词里还有一大段关于 Skills 的规则，使用<agent_skills&gt；标签包裹

Skills 是工作流的迁移这个事情大家都很清晰了，他扮演的是可复用的专业工作流。系统提示词要求：

• 用户任务匹配某个 Skill 时，要优先加载 Skill。
• 如果遇到能力缺口，要先搜索是否有可用 Skill。
• 浏览器相关任务，要加载 agent-browser Skill。
• 安装新 Skill 前，要先做安全审计。

提示词里面还约定了用户技能和项目级紧跟的区别：

• 用户级技能：存储在 ~/.workbuddy/skills/。这些是当前用户在所有项目中可用的个人技能。
• 项目级技能：存储在 {workspace}/.workbuddy/skills/。这些是项目特定的技能，团队成员共享。

这个skill机制里面还有一个有趣的说明，原始的提示词如下：

上面的大概意思是：如果完成了复杂任务，发现了可复用流程，就要把它沉淀成 Skill，如果发现 Skill 有错误，你需要修改它，不要问用户，不要推辞，立即修复。

然后，这个不就是 Hermes Agent 的自我进化吗？

MCP 配置：连接外部能力的标准入口

系统提示词里还包含 MCP 配置规则。

当用户要求安装或配置 MCP Server 时，WorkBuddy 要修改：~/.workbuddy/mcp.json

并且有明确要求：

• 先查官方文档。
• 读取已有配置。
• 合并新配置，不能覆盖已有服务器。
• 按官方格式写 command、args、env、headers、url。
• 如果需要凭证但用户没提供，要追问。
• 写完配置后，不直接运行 MCP Server，而是提示用户去连接器管理页面信任。

这里可以看出，WorkBuddy 把 MCP 当成扩展外部能力的重要入口，可以通过 MCP 连接外部工具和服务。

这也是当前 Agent 产品的一个主流方向：

模型本身负责推理和调度，外部能力通过工具、Skills、MCP 等方式接入

所以，大家真的去做 Agent 的时候会发现：Tools 和 Skills 的工作量是极大的。

可视化能力

系统提示词里还有关于 Visualizer 相关规则，它们在 <instructions_for_visualizer&gt； 和 <visualizer_examples&gt； 标签中

它要求 WorkBuddy 在讲解复杂概念、架构设计、对比分析、流程图、图表等场景下，主动使用可视化工具。

这说明 WorkBuddy 的回答形式不是只有文本，可以根据用户的问题，生成示意图后者架构图，流程图等。

系统提示词里面有这么一个案例说明：

用户问：”解释一下 TCP/IP 是如何工作的”
→
主动使用 Visualizer 展示一个内联的协议栈示意图
然后在图示周围用文字进行解释

自动化任务：把一次性任务变成定时任务

关于自动化任务，WorkBuddy 提供了表单创建，可以通过左侧的自动化菜单进入创建，同时也提供自然语言创建机制，这个提示词包裹在<automations&gt；中明确说明了，当用户需要创建定时任务的时候如何使用：

• 这里支持周期性任务 / 自动化功能
• 自动化任务存储在 SQLite 数据库中，路径为 $HOME/.workbuddy/workbuddy.db 定义信息存放在 automations 表中，运行时状态（上次/下次执行时间）存放在 automation_runtime_state 表中， 执行历史记录存放在 automation_runs 表中
• 你可以使用 automation_update 工具来创建、更新、查看或删除自动化任务

任务管理：复杂任务需要显式跟踪

系统提示词里还有任务管理模块，要求模型在复杂任务中频繁使用任务管理工具（TaskCreate、TaskGet、TaskUpdate、TaskList），把任务拆成小步骤，并及时标记状态。

这个设计解决的是 Agent 执行复杂任务时容易失控的问题。

复杂任务如果没有计划，模型很容易做到一半忘记前面做了什么，哪些已经完成，哪些没有完成。

所以它需要像真实项目管理一样：

• 创建任务。
• 标记进行中。
• 完成一个标记一个。
• 遇到新的问题再拆新任务。

会话压缩

会话压缩机制，官方文档有2个环境变量说明

CODEBUDDY_PRE_MESSAGE_COMPACT_PCT， 默认值是10%，每次发送消息前，系统检查当前上下文的占用比例，超过10%就自动压缩一轮，这个阈值设计的比较低，估计很容易就会达到，这个压缩会比较频繁。

上图中是触发压缩之后的内容，这个内容还是比较多的，没有怎么丢弃上下文，基本上是在重述整个对话过程，只是做了精简。

这也说明了 为什么 默认值10%，它并没有大幅度压缩原文，形成一个结构化的总结，而是尽可能的保留了原始内容。

CODEBUDDY_AUTOCOMPACT_PCT_OVERRIDE，默认 70%-92%，当上下文持续增长到这个门槛，自动触发深度压缩，本质就是把旧消息做结构化的总结，变成摘要嵌入式上下文呢，释放大量空间。

看到这个 我觉得很奇怪，就是 前面10%已经被压缩掉了，怎么可能会到 70%的上下文呢，我觉得 唯一可能就是任务执行中，调用了大量的工具，返回了大量的内容触发了压缩，如下图所示

当上下文持续增长到这个门槛，自动触发深度压缩。

工具大量输入会触发压缩，系统有没有控制工具的输入，官方文档中给出了一些环境配置，用来控制工具的输入

CODEBUDDY_TOOL_RESULT_THRESHOLD_KB 默认 50KB 工具结果超过此值，写磁盘，上下文里只留占位符

BASH_MAX_OUTPUT_LENGTH 默认 30000 字符 bash 输出超限 ，保留头 20% + 尾 80%，完整版落盘

MAX_MCP_OUTPUT_TOKENS 默认 20000 token MCP 工具输出截断上限

CODEBUDDY_CODE_FILE_READ_MAX_OUTPUT_TOKENS 默认 20000 token 文件读取 token 上限

结语

这篇文章，我们简单的解读 WorkBuddy的系统提示词、记忆管理和压缩机制。

从最开始的 你是谁，我是谁，这个问题，我们看到 openClaw 的影子，再到后面 skills 的创建和优化机制，我们又看到了 Hermes Agent 的影子，可以看出 WorkBuddy 正在吸收市面上其他 Agent 的优点，集大成于一体：