过去一年，大模型已经进入开发、测试、运维、数据分析等技术工作，但很多人的使用方式仍然停留在：
复制文件内容
→ 粘贴到大模型
→ 等待回答
→ 复制生成结果
→ 再回到本地修改和保存
看似使用了 AI，真正自动化的往往只有“生成内容”这一步。
WorkBuddy 的定位并不是另一个聊天窗口，而是一套桌面 AI Agent 工作台：它可以理解任务、规划步骤、读取指定工作空间、调用技能和工具，并最终交付文档、表格、图表、代码或 HTML 报告。
本文以接入 DeepSeek 为例，完整介绍：
Windows 与 macOS 的安装差异
WorkBuddy 的界面和工作模式
DeepSeek API 配置方法
Windows/macOS 下的接口验证
文件自动整理与数据分析实操
IT 从业者需要注意的权限、密钥和成本问题
一、Windows版和macOS版安装有区别吗
有区别，但区别主要集中在安装阶段。
Windows 与 macOS 在以下方面不同：
对比项
Windows
macOS
系统要求
Windows 10及以上
macOS 12及以上
安装包
Windows x64安装程序
.dmg
磁盘映像
芯片选择
官网提供Windows x64版本，并标注兼容ARM64
Apple芯片选Mac ARM64，Intel芯片选Mac X64
安装方式
运行安装向导，可选择安装路径和快捷方式
将应用拖入Applications文件夹
文件路径
C:\Users\用户名... /Users/用户名/...
终端环境
PowerShell或CMD
Terminal、zsh或bash
登录成功后，两端的主要功能、模型配置、Craft/Ask/Plan 工作模式、工作空间管理和任务执行流程基本一致。因此，安装部分需要分别介绍，后续操作没有必要重复写两遍。
二、下载WorkBuddy
进入 WorkBuddy 官网，点击下载按钮，可以看到不同平台的安装包。
image
下载时按设备选择：
Windows电脑：
Windows x64
苹果M系列芯片：
Mac ARM64
Intel芯片Mac：
Mac X64
Mac 用户可以点击左上角苹果图标，进入“关于本机”，查看自己的芯片类型。官方安装指南明确区分了 Apple 芯片与 Intel 芯片版本。([CodeBuddy][3])
三、Windows版安装步骤
WorkBuddy 的 Windows 版本要求 Windows 10 及以上，不支持 Windows 7、Windows 8 和 Windows 8.1。
第一步：运行安装程序
下载完成后，进入“下载”目录，双击 WorkBuddy 安装程序。
image
安装向导会依次要求用户：
阅读并同意软件协议
选择安装目录
设置开始菜单文件夹
选择是否创建桌面快捷方式
确认并开始安装
第二步：选择安装目录
Windows 版允许自定义安装路径。
第三步：完成安装并登录
安装完成后启动 WorkBuddy，勾选服务条款与隐私协议，使用微信扫码登录。
登录完成后，客户端会自动进入主界面。
四、macOS版安装步骤
macOS 版本要求 macOS 12 Monterey 及以上。
第一步：打开DMG安装包
下载完成后，双击 .dmg 文件。
第二步：拖入Applications
在弹出的窗口中，将 WorkBuddy 图标拖入 Applications 文件夹。
等待复制完成后，即可推出已挂载的磁盘映像，并删除下载目录中的 .dmg 文件。
第三步：启动和登录
可以通过以下两种方式启动：
启动台 → WorkBuddy
或者：
Command + 空格
→ 输入 WorkBuddy
→ 回车
点击登录后，系统会打开浏览器登录页面。完成微信扫码后，会自动返回客户端。([CodeBuddy][3])
五、登录后的界面是否一样
Windows 和 macOS 登录后的核心界面与使用逻辑基本一致。
下面以 macOS 界面为例。
主要区域可以分为三部分。
- 左侧功能区
常见入口包括：
新建任务
Claw
专家
技能
连接器或插件
自动化
- 中间任务区
主要用于：
输入任务
上传或引用文件
选择工作模式
选择大模型
启用技能
设置权限
指定工作空间
- 执行与结果区
Agent 开始工作后，会在任务区域展示：
执行计划
工具调用过程
文件变更
中间结果
最终交付物
WorkBuddy 支持为不同任务建立独立工作空间和上下文，也支持多个任务并行执行。
六、第一次使用，先建立隔离工作空间
WorkBuddy 能读取和修改本地文件。
这也是它比普通 AI 对话工具更实用、同时风险更高的地方。
不建议第一次使用就把以下目录直接交给 Agent：
整个用户目录
公司完整代码仓库
生产环境配置目录
SSH密钥目录
云平台配置目录
浏览器用户数据目录
财务和客户资料目录
更稳妥的方式，是先建立一个专门的测试工作空间。
Windows PowerShell
New-Item -ItemType Directory -Force `
"$HOME\WorkBuddyWorkspace\input",
"$HOME\WorkBuddyWorkspace\output",
"$HOME\WorkBuddyWorkspace\backup"
最终目录类似：
C:\Users\你的用户名\WorkBuddyWorkspace
├── input
├── output
└── backup
macOS终端
mkdir -p ~/WorkBuddyWorkspace/input
mkdir -p ~/WorkBuddyWorkspace/output
mkdir -p ~/WorkBuddyWorkspace/backup
最终目录类似：
/Users/你的用户名/WorkBuddyWorkspace
├── input
├── output
└── backup
其中：
input：保存原始材料
output：保存 AI 生成结果
backup：保存操作前备份
WorkBuddy 官方也建议按照任务类型分别建立工作空间，以减少误操作风险。Windows 和 Mac 只是路径格式不同，通过文件选择器选中目标目录即可，无需手动输入完整路径。
七、Ask、Plan、Craft三种模式怎么选
WorkBuddy 提供三种核心工作模式：
问一问 Ask
想一想 Plan
做一做 Craft
三种模式的关键差异，不是模型能力，而是执行权限和工作方式。
Ask：读取与分析
Ask 模式主要用于查询和信息查看，不修改文件。
适合：
阅读需求文档
分析代码结构
查询日志
总结测试报告
了解一个陌生目录
检查数据质量
第一次打开一个陌生项目时，建议先使用 Ask。官方文档同样建议首次使用优先选择该模式。
示例：
请只读取当前工作空间，不要创建、删除、移动或修改任何文件。
请完成以下分析：
- 输出目录结构；
- 说明每类文件的用途；
- 识别疑似重复文件；
- 识别命名不规范的文件；
- 给出整理建议；
- 输出拟执行的操作清单，但不要真正执行。
Plan：先制定计划
Plan 模式会先输出执行计划，等待确认后再操作。
适合：
项目重构
数据迁移
回归测试规划
批量文件处理
多步骤数据分析
复杂报告生成
示例：
请分析当前项目，并制定一份完整的回归测试计划。
计划至少包含：
- 项目模块识别；
- 核心业务链路；
- 已有测试资产；
- 回归范围；
- 自动化脚本执行顺序；
- 高风险模块；
- 测试数据准备；
- 最终交付物。
当前阶段只输出计划，不要运行命令，不要修改文件。
Craft：执行具体任务
Craft 模式可以直接执行操作，包括：
创建或修改文件
执行命令
整理目录
生成代码
清洗数据
输出 HTML、Markdown、Excel 等文件
对于重要任务，更推荐下面的流程：
Ask：先了解现状
↓
Plan：生成执行方案
↓
人工确认
↓
Craft：执行具体操作
↓
Verify：人工验收结果
而不是一上来就将整个项目交给 Craft。
八、接入DeepSeek前，先澄清两个概念
- 接入DeepSeek不等于本地部署模型
在 WorkBuddy 中填写 DeepSeek API Key，本质上的调用链路是：
WorkBuddy客户端
↓
DeepSeek API
↓
DeepSeek云端模型
模型并没有运行在本机，也不会因为配置了 API Key 就变成“本地大模型”。
更准确的表述是：
在 WorkBuddy 中接入自己的 DeepSeek API。
只有通过 Ollama、LM Studio、llama.cpp、vLLM 等工具，把模型权重真正运行在本机或内网服务器上，才属于严格意义上的本地部署。
- 接入API也不等于无限免费
DeepSeek API 会按照输入和输出 Token 数量计费。
当前官方模型包括：
deepseek-v4-flash
deepseek-v4-pro
其中 Flash 更强调速度和成本，Pro 更适合复杂任务。旧模型名 deepseek-chat 和 deepseek-reasoner 已于 2026 年 7 月24日停止作为主要模型名使用。
因此，视频中的“充值1元就能无限使用”并不准确。
更严谨的说法是：
配置自己的 DeepSeek API 后，可以使用自己的模型账户和余额，但实际成本仍由任务长度、文件数量、上下文大小、执行轮次和模型类型决定。
DeepSeek 官方会根据模型输入和输出 Token 数量扣费，价格也可能后续调整。
九、通过界面配置DeepSeek
当前 WorkBuddy 已经支持可视化模型配置，不需要用户手工编辑 JSON 文件。
配置参数会保存在本地模型配置中。选择标准模型提供商时，接口地址、模型列表和部分能力标记可以自动填充。
第一步：进入设置
点击左下角头像，在弹出的菜单中选择“设置”。
第二步：进入模型管理
在设置菜单中选择“模型”，然后点击“添加模型”。
第三步：选择DeepSeek
在提供商列表中选择：
深度求索 / DeepSeek
image
如果客户端版本中没有预置 DeepSeek，也可以选择：
自定义 / Custom
然后按照 OpenAI 兼容协议填写接口。
第四步：填写API Key和模型
通过 DeepSeek 官方开放平台创建 API Key。
配置时主要需要关注：
API Base URL：
https://api.deepseek.com
Chat Completions接口：
https://api.deepseek.com/v1/chat/completions
模型：
deepseek-v4-flash
或者：
deepseek-v4-pro
DeepSeek 官方确认 WorkBuddy 可以通过 OpenAI 兼容的 Chat Completions API 接入 V4 Flash 和 V4 Pro。([DeepSeek API Docs][7])
对于一般办公和技术资料处理，可以优先选择：
deepseek-v4-flash
适合：
文档总结
文件分类
信息抽取
日常问答
普通数据分析
简单脚本生成
对于复杂代码分析、多步骤规划和长链路 Agent 任务，可以选择：
deepseek-v4-pro
第五步：保存并选择模型
保存配置后，返回新建任务页面，在模型选择器中找到刚刚添加的 DeepSeek 模型。
Windows 和 macOS 的这部分操作基本相同，不需要分别配置。
十、在WorkBuddy外验证DeepSeek接口
配置完成后，不建议直接在 WorkBuddy 中反复尝试。
先通过终端验证以下内容：
API Key 是否正确
DeepSeek 账户是否可用
网络是否正常
模型名称是否正确
接口是否能够返回结果
这样可以快速判断，问题出在 DeepSeek 侧还是 WorkBuddy 配置侧。
Windows PowerShell验证
$env:DEEPSEEK_API_KEY = "替换成你的API Key"
$headers = @{
Authorization = "Bearer $env:DEEPSEEK_API_KEY"
}
$body = @{
model = "deepseek-v4-flash"
messages = @(
@{
role = "user"
content = "只回复：连接成功"
}
)
stream = $false
} | ConvertTo-Json -Depth 5
Invoke-RestMethod -Uri "https://api.deepseek.com/v1/chat/completions"
-Method Post -Headers $headers
-ContentType "application/json" `
-Body $body
macOS终端验证
export DEEPSEEK_API_KEY="替换成你的API Key"
curl https://api.deepseek.com/v1/chat/completions \
-H "Content-Type: application/json" \
-H "Authorization: Bearer ${DEEPSEEK_API_KEY}" \
-d '{
"model": "deepseek-v4-flash",
"messages": [
{
"role": "user",
"content": "只回复：连接成功"
}
],
"stream": false
}'
如果返回内容中包含：
{
"choices": [
{
"message": {
"content": "连接成功"
}
}
]
}
说明 API 基本可用。
DeepSeek 官方文档也提供了针对 WorkBuddy 的 Windows PowerShell 验证示例。([DeepSeek API Docs][7])
常见错误
错误现象
常见原因
401
API Key错误、失效或复制时包含空格
402
账户余额不足
404
模型名称或接口地址错误
429
请求频率或并发超过限制
WorkBuddy中不显示模型
配置未保存或客户端没有完全重启
可以对话但无法执行任务
模型工具调用能力未正确配置
十一、第一个实操：自动整理杂乱文件
文件整理适合作为 WorkBuddy 的第一个 Agent 实操。
首先在 input 目录中放入一些无敏感信息的测试文件，例如：
需求文档.docx
测试报告.pdf
接口数据.csv
产品截图.png
应用日志.log
安装包.zip
需求文档-副本.docx
然后在 WorkBuddy 中选择这个目录作为工作空间。
第一步：Ask扫描目录
请只读取当前工作空间，不要修改任何文件。
完成以下分析：
- 统计文件总数；
- 按扩展名和文件类型分类；
- 识别疑似重复文件；
- 识别命名不规范的文件；
- 识别无法判断用途的文件；
- 给出建议的目录结构；
- 输出拟移动文件清单。
第二步：Plan生成执行方案
请基于刚才的扫描结果制定文件整理方案。
约束条件：
- 不删除任何文件；
- 不覆盖同名文件；
- 疑似重复文件放入duplicate-review目录；
- 无法识别的文件放入unknown目录；
- 保留原始文件名；
- 执行前生成完整备份；
- 输出回滚方案；
- 当前只输出计划，不执行。
第三步：Craft执行整理
确认执行刚才的整理计划。
执行要求：
- 先将原始目录复制到backup；
- 不删除任何文件；
- 不覆盖同名文件；
- 所有移动记录写入operations.csv；
- 生成README_目录说明.md；
- 遇到无法判断的文件时暂停并向我确认；
- 完成后输出整理前后的目录结构对比。
这段指令比简单说一句“帮我整理文件”更可靠，因为其中包含：
权限边界
备份机制
文件冲突处理
操作审计
回滚要求
人工确认节点
这也是执行型 Agent 与普通聊天模型的重要区别。
十二、第二个实操：生成数据分析报告
假设工作空间中有一份：
product_metrics.csv
字段如下：
date
new_users
active_users
orders
revenue
refund_amount
channel
不要一开始就让 Agent 直接给业务结论。
更稳妥的流程是先检查数据，再生成报告。
第一步：Ask进行数据质量分析
请读取product_metrics.csv，但不要修改原始文件。
完成以下数据质量检查：
- 输出字段名称和推测的数据类型；
- 统计每个字段的缺失值；
- 识别重复记录；
- 检查日期是否连续；
- 识别异常值；
- 检查订单、收入和退款金额之间是否存在明显矛盾；
- 所有结论必须注明计算依据；
- 不允许补造不存在的数据。
第二步：Craft生成HTML报告
请基于product_metrics.csv生成一份HTML数据分析报告。
报告至少包含：
- 核心指标总览；
- 新增用户趋势；
- 活跃用户趋势；
- 订单量和收入趋势；
- 客单价变化；
- 退款率变化；
- 不同渠道的用户和收入对比；
- 异常波动日期；
- 数据质量说明；
- 结论与风险提示。
交付文件：
- report.html
- cleaned_data.csv
- analysis_notes.md
约束要求：
- 不修改原始CSV；
- 不编造缺失数据；
- 推断性结论必须明确标注；
- 图表支持鼠标悬停；
- 输出核心指标的计算公式。
最终交付的不再只是一段聊天内容，而是一组可以继续使用的成果文件：
report.html
cleaned_data.csv
analysis_notes.md
十三、IT从业者更适合尝试哪些场景
- 日志分析与故障定位
读取logs目录中的应用日志，按时间还原故障发生过程。
要求：
- 提取ERROR、WARN和异常堆栈；
- 聚合同类异常；
- 找出最早出现异常的服务；
- 分析可能的上下游传播关系；
- 输出故障时间线；
- 将事实、推断和待验证项分开；
- 不修改任何原始日志。
- 测试报告汇总
读取JUnit XML、Allure结果和覆盖率报告。
输出：
- 用例总数、成功数、失败数和跳过数；
- 失败用例分类；
- 重复失败问题聚合；
- 核心模块覆盖情况；
- 与上一版本的差异；
- 高风险未覆盖模块；
- 建议补充的测试场景；
- Markdown和HTML两个版本。
- 接口测试设计
读取openapi.yaml和需求文档。
为核心接口设计测试场景，覆盖：
- 正常流程
- 必填参数
- 参数类型
- 边界值
- 鉴权失败
- 权限越权
- 幂等性
- 重放请求
- 并发请求
- 限流
- 异常依赖
- 数据一致性
先输出测试分析和用例目录，不要直接生成自动化脚本。
- 代码库理解
请只读取当前代码库，不要修改代码。
输出：
- 项目技术栈；
- 模块结构；
- 核心调用链；
- 外部依赖；
- 数据库和缓存使用情况；
- 核心接口；
- 测试代码分布；
- 潜在高风险模块；
- 新人建议阅读顺序。
- 版本发布材料生成
读取本次版本的提交记录、需求文档、缺陷列表和测试报告。
生成：
- 版本发布说明；
- 功能变更清单；
- 缺陷修复清单；
- 数据库变更说明；
- 配置变更说明；
- 发布步骤；
- 回滚步骤；
- 已知风险；
- 上线验证清单；
- 面向业务方的简版通知。
十四、使用WorkBuddy必须守住的安全边界 - 工作空间最小化
只授权当前任务必须使用的目录。
不要直接将以下目录设置为工作空间：
~/.ssh
~/.aws
~/.kube
公司完整代码仓库
生产配置目录
浏览器用户数据目录
- 修改前先备份
批量移动、修改或重命名文件时，应明确要求：
先生成备份；
不删除原文件；
不覆盖同名文件；
记录所有变更；
提供回滚方案。
- 高风险操作保留人工确认
以下任务不建议完全自动执行：
删除文件
提交或合并代码
修改数据库
发送外部消息
执行生产命令
发布生产版本
上传公司内部数据
修改账号和系统权限
WorkBuddy 官方提供默认权限与完全访问权限。默认权限下，涉及敏感操作、文件修改或工作空间外执行时，需要用户确认；完全访问权限会减少确认步骤，只适合明确可信的任务。
- API Key不要出现在截图中
API Key 不应直接出现在：
公众号配图
视频录屏
Git仓库
Markdown文档
团队聊天记录
测试报告
项目配置示例
制作教程截图时，应将密钥区域完全打码，而不是只遮挡其中几位。
结语
Windows 与 macOS 版本的 WorkBuddy 确实存在安装差异：
Windows：
安装向导
→ 可选择安装路径
→ 可创建快捷方式
macOS：
选择对应芯片版本
→ 打开DMG
→ 拖入Applications
但安装完成后，两端的核心使用方式基本一致：
设置工作空间
→ 选择Ask、Plan或Craft
→ 配置DeepSeek
→ 启用技能和权限
→ 执行任务
→ 检查交付结果
WorkBuddy 真正值得技术人员关注的，不是它多接入了一个大模型，而是它把大模型与以下能力组合在了一起：
任务规划
文件系统
工具调用
Skill扩展
连接器
权限控制
结果交付
对开发、测试、运维和数据从业者来说，使用 Agent 的重点也不应该是“让它完全替代人工”，而是建立一套可审查、可回滚、可验证的执行流程：
Ask：先读取和分析
Plan：先输出方案
Craft：再执行操作
Verify：最后人工验收
AI Agent 能否真正进入技术工作流，最终取决于的不是它会不会回答问题，而是它能否在明确权限和工程约束下，把任务稳定地完成。
本文部分内容参考了霍格沃兹测试开发学社整理的相关技术资料，主要涉及软件测试、自动化测试、测试开发及 AI 测试等内容，侧重测试实践、工具应用与工程经验整理。
