企业官网建设流程全解析

1. 从一条征集帖说起：WorkBuddy 到底能帮你干什么

第一次看到这个有奖征集标题的时候，我正坐在工位上对着一份三十多页的会议纪要发愁。标题里那句“分享你用 WorkBuddy 完成的一项工作任务”让我停了一下——不是因为它有多花哨，而是因为它把问题问得很实在：你到底用它干成了什么事？这个问题比任何功能介绍都更有杀伤力，因为工具的价值从来不在功能列表里，而在“它替我省下了多少时间、少加了多少班”这种具体的账本上。

WorkBuddy 这个工具，简单说就是一个把 AI 能力嵌进日常办公流程里的助手型产品。它不像那种需要你专门打开一个网页、复制粘贴、再复制回来的“外挂式”AI，而是更接近“坐在你旁边帮你干活的同事”。你可以把它理解成一个能读文档、能理解指令、能调用外部工具、还能按你设定的规则重复执行任务的数字员工。它解决的核心问题就一个：把那些重复、琐碎、需要来回切换软件的工作，压缩成一句话或者一次点击。

这篇文章适合谁看？如果你每天要处理大量文档、表格、邮件、会议记录，或者你是一个需要频繁在多个系统之间搬运信息的人，那 WorkBuddy 这类工具能帮到你的地方会非常多。如果你只是偶尔用 AI 聊聊天、写写文案，那这篇文章里关于 MCP、Skill、Prompt 的部分可能会让你觉得有点“重”，但没关系，我会尽量用生活化的方式讲清楚。而对于已经用过一段时间、想把它真正搭成一套工作台的人，我会重点讲那些踩过的坑和实测有效的配置思路。

我打算按这个顺序来聊：先讲清楚 WorkBuddy 这类工具的整体设计逻辑，为什么它要这么设计；然后拆解几个核心概念——MCP、Skill、Prompt 到底各自管什么；接着用一个完整的实操案例，把“用 WorkBuddy 完成一项工作任务”从头到尾走一遍；最后把我自己遇到过的典型问题和排查方法整理出来。整篇内容基于我对这类 AI 办公工具的长期使用经验，结合征集帖里提到的关键词和常见使用场景来展开，尽量做到你看完就能上手抄作业。

2. 整体设计思路：为什么 WorkBuddy 要长成这样

2.1 从“问答机器人”到“工作台”的转变

早几年的 AI 工具，基本都是一个对话框，你问它答，答完就结束。这种模式适合查资料、写草稿，但一旦涉及“帮我把这份 PDF 里的表格提取出来，按部门分类，再生成一份汇总邮件”这种多步骤任务，对话框模式就露怯了——你得自己拆步骤、自己搬运中间结果、自己检查每一步对不对。WorkBuddy 这类工具的设计出发点，就是把这根链条接起来。

它的核心思路可以概括成一句话：让 AI 从“回答问题的人”变成“执行任务的人”。这个转变背后有三个关键支撑。第一是上下文管理，它需要记住你之前给过的文件、说过的要求、以及任务执行到哪一步了。第二是工具调用能力，也就是 MCP 这类协议要做的事——让 AI 能真正去操作文件、查询数据库、调用接口，而不是只会在对话框里“说”。第三是技能封装，也就是 Skill，把一套固定的操作流程打包成一个可以重复调用的模块，下次遇到同类任务直接调用，不用重新教一遍。

我试过用纯对话框的方式处理一份跨部门的预算表，光是“把 A 表的这一列复制到 B 表的对应行”这个动作，来来回回就折腾了十几轮，中间还因为格式问题返工两次。后来换成 WorkBuddy 的工作台模式，把文件一次性挂上去，用一条指令描述清楚目标，它自己拆步骤执行，我只需要在关键节点确认一下。这个体验差距，就像是你自己一颗一颗拧螺丝，和拿一把电动螺丝刀的区别。

2.2 MCP、Skill、Prompt 三者的分工关系

很多人第一次接触这几个词的时候会懵，觉得它们好像都在说“怎么让 AI 干活”，但具体谁管谁说不清楚。我用一个做菜的类比来解释。Prompt 是你点菜时说的话——“来一个番茄炒蛋，少放盐，蛋要嫩一点”。Skill 是厨房里已经写好的菜谱，上面写着先放油、再打蛋、火候多大、炒多久，是一套标准化的操作流程。MCP 是厨房里的灶台、锅铲、调料架，它让厨师能真正动手操作，而不是只能对着菜谱念。

具体来说，Prompt 解决的是“意图表达”的问题。你描述得越清楚，AI 越容易理解你要什么。但 Prompt 有个天然缺陷：每次都要重新说一遍，而且不同人说同一件事，表达方式千差万别，结果就不稳定。Skill 就是为了解决这个不稳定——把一套验证过的操作步骤固化下来，下次直接调用，输入参数就行。而 MCP 解决的是“能力边界”问题，没有它，AI 只能在对话框里生成文字；有了它，AI 可以去读你本地的文件、查在线文档、操作表格、甚至触发其他软件的动作。

这三者的关系不是替代，而是叠加。一个好的工作流，通常是用 Prompt 触发，调用某个 Skill，Skill 内部通过 MCP 去操作具体的工具和数据。理解了这个分层，你在配置 WorkBuddy 的时候就不会把东西放错地方——该写进 Skill 的固定流程不要每次都靠 Prompt 说，该用 MCP 接的能力不要指望 AI 凭空变出来。

2.3 为什么“工作台”比“对话框”更适合办公场景

办公场景有一个特点：任务往往是重复的、有固定套路的、而且对准确性要求高。比如每周一的销售数据汇总、每月初的报销单整理、每次项目复盘时的会议纪要提炼。这些任务如果每次都靠对话框重新描述一遍，不仅效率低，而且每次结果可能都不一样，你还得花时间检查。

工作台模式的好处在于，它允许你把“一次性对话”变成“可复用流程”。你可以把常用的文件位置、常用的指令模板、常用的输出格式都预设好，下次同类任务来了，换一下输入文件就能跑。这就像你第一次做某道菜的时候要看着菜谱一步步来，做熟了之后，材料备好、火一开，手自己就动起来了。WorkBuddy 的工作台就是在帮你把“做熟”这个过程固化下来。

另外，工作台模式还有一个隐性好处：它让任务变得可追溯。对话框里的内容聊完就散了，但工作台里的每一步操作、每一个中间产物、每一次修改，都可以留下来。这对于需要协作或者需要事后复查的场景特别重要。我自己的习惯是，每完成一个比较复杂的任务，就把这次的配置和指令存成一个模板，下次遇到类似的直接改改就能用，省下来的时间相当可观。

3. 核心细节拆解：MCP、Skill、Prompt 各自怎么用

3.1 Prompt 怎么写才不容易“翻车”

Prompt 是大多数人最先接触的部分，也是最容易出问题的地方。我见过太多人写 Prompt 的方式就是“帮我处理一下这个文件”，然后期待 AI 能猜出他到底要处理什么、怎么处理、输出成什么样。这种写法十有八九会得到一堆看起来对但实际没法用的结果。

写 Prompt 的核心原则是：把 AI 当成一个刚入职的新人，而不是你肚子里的蛔虫。你需要说清楚四件事：任务目标是什么、输入是什么、输出要什么格式、有什么限制条件。比如“帮我整理这份会议纪要”就是一个模糊指令，改成“把这份会议纪要里的待办事项提取出来，按负责人分组，输出成表格，每项包含任务描述、截止时间、优先级”就清楚多了。

还有一个常见的坑是 Prompt 里塞了太多互相冲突的要求。比如既要求“详细全面”又要求“简洁明了”，既要求“保持原文风格”又要求“大幅改写”。AI 面对这种矛盾指令时，往往会随机偏向某一边，结果就是每次跑出来的东西都不一样。我的经验是，一条 Prompt 只解决一个核心问题，复杂任务拆成多条 Prompt 分步执行，比一条超长 Prompt 硬扛要稳得多。

关于 Prompt 的长度，也不是越长越好。我实测下来，超过一定长度之后，AI 对前面内容的注意力会下降，容易出现“说了后面忘了前面”的情况。比较稳妥的做法是把关键要求放在开头和结尾，中间放具体的输入内容。如果任务确实复杂，宁可拆成两轮对话，也不要硬塞进一条 Prompt 里。

3.2 Skill 的本质：把“怎么做”固化下来

Skill 这个词听起来有点技术感，但它的本质很简单：一套可重复使用的操作流程。你可以把它理解成手机里的“快捷指令”——你把一系列操作录下来，起个名字，下次点一下就能自动跑完。在 WorkBuddy 里，Skill 可以包含多个步骤，每个步骤可以是读文件、调接口、做判断、生成内容等等。

为什么需要 Skill？因为办公场景里大量任务是重复的。比如每周都要做的数据周报，流程基本固定：拉数据、清洗、算指标、生成图表、写总结、发邮件。如果每次都靠 Prompt 重新描述一遍，不仅费时间，而且每次描述可能都有细微差别，导致结果不稳定。把这些步骤封装成一个 Skill，下次只需要提供本周的数据文件，剩下的自动跑完，这才是效率提升的关键。

写 Skill 的时候有几个经验值得分享。第一，步骤要拆得足够细，但也不要细到每个动作都单独一步，那样维护起来很痛苦。我的习惯是按“输入处理、核心逻辑、输出生成”三个大块来分，每个大块内部再根据需要细分。第二，每个步骤的输入输出要定义清楚，尤其是中间产物的格式，不然后面步骤拿到的东西可能对不上。第三，一定要加异常处理，比如文件不存在怎么办、数据格式不对怎么办，这些在实际使用中几乎一定会遇到。

还有一个容易被忽略的点：Skill 的命名和描述要写清楚。我见过有人建了一堆 Skill，名字都是“新建技能1”“新建技能2”，过两周自己都不记得哪个是干什么的。花一分钟写清楚这个 Skill 是干什么的、需要什么输入、输出是什么，后面能省下大量翻找和试错的时间。

3.3 MCP 到底解决了什么问题

MCP 是这几个概念里最偏技术的，但它的作用可以用一句话说清楚：让 AI 能真正去操作外部工具和数据，而不是只能在对话框里生成文字。没有 MCP 的时候，AI 说“我已经帮你整理好了”，实际上它只是生成了一段文本，你还得自己复制粘贴到目标文件里。有了 MCP，AI 可以直接去读写文件、查询数据库、调用接口，把“说”变成“做”。

MCP 的工作方式可以类比成 USB 接口。你的电脑有 USB 口，各种设备通过这个标准接口连上来，电脑不需要知道每个设备内部怎么工作，只需要按标准协议通信就行。MCP 也是类似的思路：它定义了一套标准，让 AI 能够以统一的方式去调用各种外部能力。对普通用户来说，你不需要理解底层协议细节，只需要知道哪些工具支持 MCP、怎么把它们接进来就行。

在实际使用中，MCP 最常见的应用场景包括：读写本地文件、操作在线文档、查询数据库、调用 API 获取数据。比如你要做一个“自动整理下载文件夹”的任务，没有 MCP 的话，AI 只能告诉你“你应该按类型分类”，但没法真的去移动文件。有了文件系统相关的 MCP，它就能直接执行移动操作。这个差别在简单任务上可能不明显，但在需要处理几十上百个文件的场景下，就是“能用”和“没法用”的区别。

配置 MCP 的时候，权限控制是一个需要特别注意的点。不要一上来就给 AI 开放整个硬盘的读写权限，而是按需授权，只开放任务真正需要的目录或接口。这既是为了安全，也是为了避免 AI 在无关文件上浪费注意力。我自己的做法是给每个常用任务建一个专门的工作目录，MCP 只挂载这个目录，任务相关的文件都放进去，这样既清晰又安全。

4. 实操过程：用 WorkBuddy 完成一次完整的任务

4.1 任务背景与目标定义

为了把上面的概念串起来，我用一个具体的任务来走一遍完整流程。这个任务是我自己实际做过的：把一份包含多个部门数据的 Excel 文件，按部门拆分成单独的表格，每个表格加上对应的汇总行和图表，最后生成一份汇总说明文档。这个任务在月初做报表的时候特别常见，手动做的话，光是拆分和加汇总就要花大半个小时，还容易出错。

先明确输入和输出。输入是一个 Excel 文件，里面有一张总表，包含部门、姓名、项目、金额、日期等字段。输出是每个部门一个单独的 Excel 文件，每个文件里除了明细数据，还要有该部门的金额汇总和一张按项目分类的柱状图，另外再生成一份 Word 文档，用文字描述每个部门的整体情况。任务目标定义得越清楚，后面配置起来越顺。

这里有一个经验：在开始配置之前，先手动把任务做一遍，哪怕只做一小部分。这样做的好处是你能提前发现那些“看起来简单但实际有坑”的地方。比如我在手动做的时候发现，有些部门的名称在原始数据里写法不统一，有“销售部”也有“销售部门”，如果不先处理这个问题，后面拆分就会出错。这种问题如果等到自动化跑完才发现，返工成本会高很多。

4.2 第一步：用 Prompt 做数据探查和清洗

第一步不是直接开始拆分，而是先让 WorkBuddy 帮我看一下数据长什么样。这一步用 Prompt 就够了，不需要建 Skill。我的指令大概是这样的：“读取这个 Excel 文件，告诉我它有哪些列、每列的数据类型、有没有空值、部门这一列有哪些不同的取值。”这条 Prompt 的目的不是让它干活，而是让我自己心里有数。

跑完之后发现两个问题：一是部门名称确实有不统一的情况，二是金额列里有几个单元格是文本格式而不是数字。这两个问题如果不处理，后面汇总的时候要么漏掉数据，要么计算出错。于是我追加了一条 Prompt：“把部门列里的‘销售部门’统一改成‘销售部’，把金额列里文本格式的数字转成数值格式，空值填 0。”这一步做完，数据才算干净。

这里有一个细节值得说：清洗规则最好让 AI 先列出来给你确认，而不是直接执行。我一般的做法是让它“先告诉我你打算怎么改，我确认后再执行”。这样既能避免误操作，也能让你了解数据里到底有哪些问题。尤其是处理别人给的数据时，这一步几乎不能省。

4.3 第二步：把拆分流程封装成 Skill

数据干净之后，接下来就是核心的拆分和汇总流程。这个流程因为每个月都要用，所以我把它封装成了一个 Skill。Skill 的内部步骤大致是这样的：先按部门列的唯一值把数据分组，然后对每个分组生成一个单独的表格文件，接着计算该部门的金额总和和按项目的分类汇总，再插入一张柱状图，最后保存文件。

在配置这个 Skill 的时候，有几个参数需要特别注意。第一个是文件命名规则，我用的格式是“部门名称_数据月份.xlsx”，这样一眼就能看出是哪个部门哪个月的数据。第二个是汇总行的位置，我选择放在明细数据的下方，并且加粗显示，这样打开文件就能看到。第三个是图表的类型和维度，柱状图按项目分类展示金额，这个是根据实际汇报需求定的。

Skill 建好之后，我实际跑了一遍，发现一个问题：某个部门的数据只有三条记录，生成的图表看起来特别空。这个问题在手动做的时候也会遇到，但自动化之后更容易被忽略。我的处理方式是在 Skill 里加了一个判断：如果某个部门的记录数少于五条，就不生成图表，只在汇总行里用文字说明。这个细节虽然小，但让最终输出的文件看起来专业很多。

4.4 第三步：生成汇总说明文档

拆分完成后，最后一步是生成一份汇总说明文档。这一步我用了另一个 Skill，它的输入是所有部门的汇总数据，输出是一份 Word 文档。文档的结构是：先一段总体概述，说明本月共有几个部门、总金额是多少、环比变化如何；然后每个部门一段，描述该部门的金额、主要项目、以及和上月的对比。

写这段文档的时候，Prompt 的质量很关键。我用的指令大概是：“根据这些汇总数据，写一份月度报告。总体部分要包含部门数量、总金额、环比变化。每个部门部分要包含该部门金额、占比、主要项目。语气正式但不僵硬，数据要准确，不要编造没有的信息。”这里特别强调“不要编造”，是因为 AI 在写这类文档时很容易“脑补”一些看起来合理但实际不存在的数据。

生成完之后，我一般会快速扫一遍，重点检查数字有没有对错、部门名称有没有写错、有没有出现原文没有的信息。这个检查步骤花不了两分钟，但能避免很多尴尬。如果时间允许，我还会让 AI 自己再检查一遍：“核对一下文档里的数字和汇总数据是否一致，列出所有不一致的地方。”这个自检步骤有时候能抓到我自己都没注意到的错误。

4.5 完整流程的串联与自动化触发

上面三步分开做已经能省不少时间了，但真正的效率提升来自于把它们串起来。在 WorkBuddy 里，你可以把多个 Skill 按顺序组合成一个完整的工作流，然后设置触发条件。我的设置是：当指定的输入文件夹里出现新的数据文件时，自动触发整个流程，从清洗到拆分到生成文档，一气呵成。

串联的时候有一个关键点：步骤之间的数据传递要定义清楚。比如第一步清洗后的数据要传给第二步拆分，第二步的汇总结果要传给第三步生成文档。如果中间某个步骤的输出格式变了，后面的步骤就可能拿不到需要的数据。我的做法是在每个 Skill 的输出里都保留一份结构化的中间数据，这样即使后面步骤调整，也能快速定位问题。

自动化触发虽然方便，但我建议刚开始用的时候不要完全放手。先手动跑几遍，确认每个环节都稳定了，再开启自动触发。而且自动触发之后，也要定期检查输出结果，因为数据源本身可能会变化，比如新增了列、改了格式，这些变化可能导致流程出错。我自己的习惯是每周抽几分钟看一眼自动生成的报告，确认没有异常。

5. 常见问题与排查技巧实录

5.1 Prompt 相关的高频问题

问题一：AI 理解的任务和我想的不一样。这是最常见的情况，通常是因为 Prompt 里的描述有歧义。比如“整理一下这个表格”，AI 可能理解为排序，也可能理解为去重，还可能理解为重新排版。解决办法是把动作词写具体：“按金额从大到小排序”“删除重复的行”“把列宽调整到合适大小”。动作越具体，结果越可控。

问题二：每次跑出来的结果不一样。这通常是因为 Prompt 里有模糊表述，比如“适当调整”“合理分类”。AI 对“适当”和“合理”的理解每次可能都不同。解决办法是把标准量化：“金额大于 1000 的标红”“按部门名称的拼音首字母排序”。另外，如果工具支持固定随机种子或温度参数，把它调低也能提高结果的一致性。

问题三：Prompt 太长导致后面的要求被忽略。我实测发现，当 Prompt 超过一定长度后，AI 对中间部分的注意力会明显下降。解决办法是把关键要求放在开头和结尾，中间放输入内容。如果任务确实复杂，拆成多轮对话，每轮解决一个子问题，比一条超长 Prompt 更可靠。

5.2 Skill 配置中的典型坑

坑一：步骤拆得太粗或太细。拆得太粗，一个步骤里塞了太多操作，出错后很难定位是哪里的问题；拆得太细，步骤数量太多，维护和调试都很痛苦。我的经验是按“输入处理、核心逻辑、输出生成”三个大块来分，每个大块内部再根据实际需要细分，一般一个 Skill 控制在五到八个步骤比较合适。

坑二：没有处理异常情况。实际使用中，文件不存在、数据格式不对、某个字段缺失，这些情况几乎一定会遇到。如果 Skill 里没有对应的处理逻辑，整个流程就会中断。我的做法是在每个步骤后面加一个判断：如果上一步的输出不符合预期，就记录日志并跳过或报错，而不是直接崩溃。

坑三：Skill 的输入输出没有文档。过一段时间回头看自己建的 Skill，经常想不起来它需要什么输入、输出是什么格式。解决办法很简单：在 Skill 的描述里写清楚这三件事——这个 Skill 是干什么的、需要什么输入、输出是什么格式。花一分钟写清楚，后面能省下大量试错时间。

5.3 MCP 连接与权限的排查思路

MCP 相关的问题通常表现为“AI 说它做了，但实际上没做”或者“AI 说它做不到”。前者一般是权限问题，后者一般是配置问题。排查的时候，先确认 MCP 服务本身是否正常运行，再确认 AI 是否有权限访问目标资源，最后确认调用的参数是否正确。

权限方面，我强烈建议遵循最小权限原则。不要一上来就给 AI 开放整个硬盘或者所有接口的访问权限，而是按任务需要，只开放必要的目录或接口。这样既能降低误操作的风险，也能让 AI 的注意力更集中。我自己的做法是给每个常用任务建一个专门的工作目录，MCP 只挂载这个目录，任务相关的文件都放进去。

还有一个常见问题是 MCP 服务的版本兼容性。不同版本的 MCP 服务可能支持的接口不一样，如果 AI 调用的接口在当前版本里不存在，就会报错。解决办法是定期检查 MCP 服务的更新日志，确认你用的功能在当前版本里是支持的。如果遇到莫名其妙的报错，先试试更新到最新版本，很多时候问题就解决了。

5.4 常见问题速查表

5.5 我踩过的几个印象深刻的坑

第一个坑是关于文件路径的。有一次我配置了一个自动整理文件的 Skill，测试的时候用的是英文路径，跑得好好的。结果实际使用的时候，文件放在一个带中文和空格的路径下，Skill 直接报错找不到文件。后来才知道是路径里的特殊字符没有正确处理。从那以后，我养成了一个习惯：所有涉及文件路径的地方，都先做一次转义或编码处理，并且测试的时候一定要用真实路径测。

第二个坑是关于数据类型的。Excel 里的数字有时候看起来是数字，实际上是文本格式，直接做求和会得到 0 或者报错。这个问题我在前面提过，但它的隐蔽性很强，因为肉眼看单元格里的内容是一样的。我的解决办法是在清洗步骤里加一条：把所有应该是数字的列强制转成数值类型，转换失败的就标记出来人工检查。

第三个坑是关于 AI“自作主张”的。有一次我让它根据数据写一段总结，它写得挺好，但里面多了一句“预计下月将增长 15%”。这个数字在原始数据里根本不存在，是它自己“推测”出来的。虽然看起来合理，但用在正式报告里就是事故。从那以后，我在所有生成内容的 Prompt 里都会加一句：“只使用提供的数据，不要添加任何推测或编造的信息。”

6. 把 WorkBuddy 真正用起来的几个心得

6.1 从一个小任务开始，不要贪多

我见过很多人一上来就想搭一个“全自动工作台”，把所有任务都接进去，结果配置复杂到自己都维护不了，最后放弃。我的建议是从一个你每周都要做、流程固定、耗时超过十五分钟的小任务开始。比如每周的数据汇总、每月的报销整理、每次的会议纪要提炼。先把这一个任务跑通、跑稳，再考虑扩展。

跑通一个任务之后，你会对 Prompt 怎么写、Skill 怎么拆、MCP 怎么配有一个具体的感知。这种感知比看十篇教程都有用。而且第一个任务跑顺之后，后面再配置同类任务，速度会快很多，因为很多模式是可以复用的。

6.2 保留人工检查的环节

自动化不等于完全放手。我的习惯是在每个关键输出环节都保留一个人工确认的步骤。比如数据清洗完之后看一眼、拆分结果生成后抽查一两个、汇总文档写完后核对一下数字。这些检查花不了几分钟，但能避免很多因为数据异常或 AI 理解偏差导致的问题。

尤其是涉及数字和正式对外内容的场景，人工检查几乎是必须的。AI 在处理数据时可能会因为格式问题算错，在生成文字时可能会“脑补”不存在的信息。这些错误如果不检查，流到下游就是事故。我自己的原则是：AI 负责干活，我负责把关，两者缺一不可。

6.3 定期回顾和优化你的 Skill

Skill 不是建好就一劳永逸的。随着你对任务理解的加深、数据源的变化、输出要求的调整，Skill 也需要定期更新。我的习惯是每个月抽半小时，把常用的几个 Skill 过一遍，看看有没有可以优化的地方，比如步骤能不能合并、参数能不能更灵活、异常处理能不能更完善。

另外，每次遇到 Skill 出错或者结果不理想的情况，修好之后我都会顺手把这次的教训记在 Skill 的描述里。比如“注意：如果数据里出现 XX 情况，需要先做 YY 处理”。这样下次再遇到类似问题，看一眼描述就能想起来，不用重新排查一遍。

6.4 关于 WorkBuddy 和同类工具的选择

市面上类似的 AI 办公工具不少，WorkBuddy 的特点在于它把 MCP、Skill、Prompt 这三层做得比较清晰，适合愿意花一点时间配置、追求长期效率的人。如果你只是偶尔用一下，不想折腾配置，那直接用对话框式的 AI 工具可能更省事。但如果你每天都有大量重复性的文档和数据处理任务，花几个小时把 WorkBuddy 的工作台搭起来，后面省下的时间会远远超过投入。

我自己的使用感受是，WorkBuddy 的学习曲线在前两天比较陡，因为要理解 MCP、Skill、Prompt 各自管什么、怎么配合。但一旦过了这个阶段，后面配置新任务的速度会越来越快，因为很多模式是相通的。而且它生成的中间结果和日志比较清晰，出问题的时候排查起来不算困难。

最后再分享一个小技巧：如果你不确定某个任务该怎么拆步骤，可以先手动做一遍，把每一步的操作和判断记下来，然后照着这个记录去配置 Skill。手动做的时候你会自然地发现哪些步骤是必须的、哪些判断是关键、哪些地方容易出错。这份记录本身就是最好的 Skill 设计文档。