企业官网建设流程全解析

这段时间好几个同事跑来问我同一个问题：“WorkBuddy 到底怎么用才有效率？”他们装是装好了，可实际用起来就是零散问答，问一句答一句，感觉跟普通网页聊天框没区别。我说问题出在提示词上。WorkBuddy 不只是个会聊天的 AI，它是一个能读文件、跑代码、执行任务流的办公助手。你要是不把任务写清楚，它再聪明也只能给你一堆正确的废话。

我把自己常用的提示词整理了一下，筛掉那些只在特定项目里用过的，留下通用性最强的 100 条，按办公场景分成六类：文档写作、数据处理、邮件沟通、会议管理、方案策划、代码自动化。每一条都是能直接复制后改两个关键词就能用的。对刚接触 AI 办公的人，这 100 条足够撑起每天的常规工作；对已经在用 WorkBuddy 的人，后面还讲了几个让提示词长期稳定生效的进阶细节，那部分才是真正的效率杠杆。

1. WorkBuddy 是什么？先搞清楚你的助手擅长什么

1.1 它和普通聊天 AI 的差异在哪

WorkBuddy 这类 AI 助手，本质上是把大语言模型的能力接到了你的工作现场。它能直接读取当前打开的文档内容，能在本地跑命令行脚本，能按照你预设的规则批量处理重复任务。和网页版聊天 AI 最大的区别是：它带着你的上下文工作，而不是每次都在凭空作答。

如果你用过编程侧的 CodeBuddy，就更容易理解 WorkBuddy 的定位。CodeBuddy 帮你写代码、改 bug、重构工程，WorkBuddy 则是把注意力放在办公场景：写会议纪要、分析表格数据、整理文档逻辑、生成方案框架、处理邮件话术。简单说，一个是帮你写代码的搭档，一个是帮你做事的助理。

1.2 同样的工具，提示词决定效率上限

我做过一个对比测试。让 WorkBuddy“整理会议记录”，它只给出一段散装摘要；换成“从附带的会议记录中抽取所有行动项，按负责人分组，输出待办表格式清单，标注截止时间”，它输出的东西我几乎能直接粘贴到项目管理工具里。

同一个模型，结果天差地别。原因是提示词本质上就是给 AI 的任务说明书。说明书写得越清楚，对方一次做对的可能性越高。很多人的误区是把 AI 当搜索引擎，输入一个含含糊糊的主题词就等着奇迹发生。真实的效率玩法恰恰相反，你需要像一个成熟的项目经理带实习生那样，把角色、任务、材料、输出格式全都交代一遍。这就是所谓的提示词工程，并不是什么高深理论，就是把话说清楚。

2. 提示词为什么决定了 AI 办公的上限？先懂规则再抄作业

2.1 提示词四要素：角色、任务、上下文、输出格式

我习惯把一条完整的办公提示词拆成四块，每次写之前心里过一遍。

角色是指 AI 以什么身份回答，比如“你是一名有着五年经验的人力资源专员”。任务是指它具体做什么，尽量用动词开头：修改、压缩、提取、对比、生成。上下文是指它需要读取的材料，在 WorkBuddy 里可以直接说“当前打开的文档”，不用把全文粘贴进对话框。输出格式是指交付物的样式，常见有表格、清单、Markdown 文档、JSON、代码块。

如果提示词出不来好结果，90% 的情况是任务没写清楚或格式没指定。我给很多人改过提示词，最常见的病句是：“帮我分析一下这份数据”。AI 不读心，它不知道你要分析哪个维度、用什么方法、输出多长的报告。

2.2 一个反面例子改三遍，效果差距有多大

先说反面例子：“帮我写个周报”。这个提示词交给任何 AI，得到的都是模板化周报，空泛没用。改第一遍，加上上下文和格式：“根据我当前打开的周报素材，整理成：目标完成情况、关键数据、风险与需求、下周计划，控制在一页纸内。”这时候输出已经能用了。改第二遍，把数字和口径塞进去：“本周目标完成 92%，重点推进客户回访，请把数字写进对应小节，风险项要注明阻塞原因。”输出已经接近可直接交付。

所以说，提示词设计不是玄学，是沟通训练。你越清楚自己需要什么交付，AI 越能给你你要的东西。这不是它变聪明了，而是你把判断成本替它提前付掉了。

2.3 WorkBuddy 的特殊优势：本地文件即上下文

在 WorkBuddy 里有一个其他网页 AI 做不到的点：当前打开的文件就是上下文。这意味着提示词里可以说“基于当前文档第三段”而不是让你复制粘贴一长串内容。处理长文档时，这个能力极大节省了输入成本。

但也带来一个反直觉的问题：有时候它太依赖当前文件，反而忽略了你的额外指令。所以我的习惯是：涉及具体文件的提示词，都会在结尾重复一遍交付要求，例如“以上要求都基于当前打开的文档执行，不要引用文档之外的信息”。这一句能挡掉一半的瞎编内容。

3. 100 例常用办公提示词，按场景直接抄

下面是一线使用中筛选沉淀下来的 100 条，每条都是完整提示词，直接替换括号里的变量就能用。建议先扫一遍，挑出和你日常工作最接近的十几条用起来，等手熟了再全部上手。

3.1 文档处理与写作优化（第 1-20 例）

这组覆盖日常阅读、改写、压缩、翻译、结构整理。写作类任务的核心是给出角色和语气，否则默认输出容易变成说明书腔。

1. 把下面这段文字通读一遍，先列出明显的逻辑问题，再给出修改后的完整版本。
2. 将这段会议记录整理成三段式：背景、结论、待办。待办部分要注明负责人和截止时间。
3. 把这段回复改写成正式但不过分客气的书面语气，保留全部原意，删掉口语化表达。
4. 将这份工作总结压缩到 300 字以内，保留关键数字和最终结论，其余细节去除。
5. 用一句话概括这份材料最核心的观点，再给三个可选标题，标题不超过 20 字。
6. 把这段产品介绍改写成适合朋友圈传播的版本，语气自然，突出用户能感知的价值。
7. 检查这段英文邮件，修正语法和用词问题，并逐条说明修改理由。
8. 从当前打开的表格中抽取关键数据，生成一段 60 字以内的汇报摘要。
9. 把这份制度文件拆成员工 FAQ，尽量覆盖 8 个最容易遇到的真实问题。
10. 这段内容里有重复表述，请删减冗余，保证每句话都提供新信息。
11. 将这段长段落拆分成适合放 PPT 页面的短句，每句不超过 25 个字。
12. 以耐心老师的方式重新解释这个概念，尽量用生活化例子帮助理解。
13. 给这份方案补充两个过渡句，让第二部分和第三部分的衔接更自然。
14. 整理文中出现的全部专业术语，生成本文术语表，格式为：术语加一句通俗解释。
15. 把这段正式通知改写成友好提醒，比公文式表达更有人情味，但信息不遗漏。
16. 用有序清单方式重写这段操作流程，按执行顺序编号，步骤之间不能跳步。
17. 对比这两段文本，列出内容差异清单，标出被删除和新增的关键信息点。
18. 从这段访谈记录中提炼三条核心洞察，每条洞察后面附上支撑原文证据。
19. 将这段英文技术文档摘要翻译成中文，专业术语必须准确，不能意译成怪词。
20. 给这篇稿子写三个吸引人的开头，每个开头不超过 50 字，风格分别偏悬念、共情、数据型。

写文档类提示词有个细节：如果要求 AI 输出“修改后的完整版本”，它可能会默认只给你改动片段。所以需要明确“输出完整版本”。比如第 1 条和第 3 条，如果没有“完整版本”四个字，交付质量会打折。

3.2 数据处理与表格逻辑（第 21-40 例）

表格是 AI 办公里价值最高也最容易失望的领域。原因在于表格数据需要结合业务逻辑，而业务逻辑藏在人脑子里。所以数据类提示词一定要带上目的：你算这个数是为了什么判断？

21. 解释这个 Excel 公式的每一步计算逻辑，并指出在哪些数据场景下会出错。
22. 基于当前销售表，列出 8 个值得分析的数据维度，每个维度说明分析目的和图表类型。
23. 帮我写一个 Excel 公式，统计 B 列中大于 100 的数值个数，并解释公式含义。
24. 把这一列日期统一转换成 YYYY-MM-DD 格式，给出两种实现方案和操作步骤。
25. 这段数据里出现了负数和空值，列出排查建议和适合本场景的处理方案。
26. 根据当前字段设计一个数据透视表，指定行列和值字段，并说明每个字段的作用。
27. 用通俗语言解读这张图表反映的业务趋势，给出三条有业务价值的结论。
28. 帮我写一条 SQL 查询：按部门统计本季度销售额，降序排列，取前 10。
29. 用通俗例子解释环比与同比的区别，结合当前业务告诉我看哪个指标更有意义。
30. 这份报表存在重复行，给出安全的去重规则，要求不误删正常数据并说明原因。
31. 生成一份周报模板字段清单，包含指标名称、数据来源、负责人三项，共 10 个字段。
32. 逐条解释这个数据清洗流程中每个步骤的目的和潜在风险，用表格输出。
33. 占比变化适合用什么图表展示？按时间序列、静态占比、多组对比三种场景分别给方案。
34. 根据这份订单表，写出累计销售额的计算逻辑和对应 Excel 公式写法。
35. 把当前数据源里的字段翻译成业务含义，列成英文面向业务的对照表。
36. 检查这段统计口径是否会造成跨部门重复计算，指出风险并给出修正建议。
37. 写一个快速核对两表数据差异的方法，输出步骤清单和核对要点。
38. 将当前原始数据转换为可导入系统的标准格式，给出字段映射表和转换规则说明。
39. 把这段文字中提到的所有数字做合理性检查，指出明显偏高或偏低的项目。
40. 生成这份数据的质量评估报告提纲，维度包括完整性、准确性、时效性和一致性。

数据处理类任务有个高价值技巧：把“为什么这么算”写进去。AI 一旦知道你的业务意图，它会主动填补你看不到的坑，比如建议要不要排除退款订单、要不要过滤测试数据。这比单纯要公式实用得多。

3.3 邮件与对外沟通（第 41-55 例）

邮件写得好不好，核心在于分寸。催款和跟进之间，道歉和解释之间，都有一道微妙的线。AI 擅长学习范文的语气，但前提是你把场景和底线描述清楚。

41. 写一封跟进邮件，发给三天未回复的客户，主题是轻提醒，语气自然不催促，给下次联系留台阶。
42. 写一封催款邮件，要求给对方保留体面，但必须明确提到应付金额和最后期限。
43. 回复这封投诉邮件，先表达理解和歉意，再给具体解决方案，最后承诺后续改进措施。
44. 写一封请假邮件，说明请假事由、具体日期，以及休假期间的工作交接安排。
45. 写一封会议邀请邮件，包含会议主题、时间、地点、参会人员需要提前准备什么。
46. 将这段邮件正文压缩到 5 行以内，只保留行动点和时间节点。
47. 写一封跨部门协作邮件，说清项目背景、需要对方完成的具体事项、最晚交付时间。
48. 写一封道歉邮件，承认失误、简要说明原因、给出明确补救措施，避免过度自责。
49. 写一封英文出差通知邮件，正式且简短，包含时间和住宿信息。
50. 写一封拒绝合作请求的邮件，礼貌表达当前暂不合适，同时保留未来继续沟通的余地。
51. 给同事写一封感谢邮件，具体提到对方的贡献和这件事带来的实际影响。
52. 写一封询价邮件，附上产品规格、预估数量和期望的报价时间。
53. 写一封伴简历的求职附信，突出与目标岗位最相关的三项优势，每项用一句话佐证。
54. 将这段口语化的回复改写成正式书面邮件正文，保留原意和原有态度倾向。
55. 为这封邮件拟三个主题行，分别对应直接告知型、委婉提醒型、激发好奇型。

邮件提示词里最重要的变量是“关系距离”。写给客户、跨部门同事、直属领导、下属的措辞完全不一样。如果你不说明，AI 默认输出最稳妥的中间语气，往往没有特色。

3.4 会议纪要与项目管理（第 56-70 例）

这一块是 WorkBuddy 最被低估的能力。很多人开会时开语音记录，但整理纪要要花半小时。其实 AI 最擅长的就是从混乱材料里抽取结构化信息。

56. 把这段会议记录整理成结构化纪要，按议题分类，每个议题标注决策结论和分歧点。
57. 从会议记录中抽取所有行动项，输出表格式待办清单，包含事项、负责人、截止时间。
58. 会议时间不够用，议题又很多，帮我把议题按紧急和重要两个维度排出优先级。
59. 写一份立项会议纪要模板，字段包括背景、目标、范围、风险、资源配置。
60. 将周会内容生成一页纸简报，不超过 400 字，重点突出风险和需要决策的事项。
61. 为明天与客户的会议准备三个高质量问题，目的是摸清对方的真实需求和预算空间。
62. 根据当前聊天记录生成站会要点，格式为：昨天完成、今天计划、当前阻碍。
63. 写下周项目复盘会议的议程，要求先看数据回顾，再做问题分析，最后提炼经验。
64. 把需求评审会上的不同意见整理成取舍表，包含观点、理由、最终决策三项。
65. 写一个决策纪要模板，记录可选方案、评估依据、最终决定、待办事项。
66. 把项目群里的零散消息汇总成一段项目状态说明，按进度、风险、近期动作三段组织。
67. 针对会议中反复出现的争议点，列出三种可能的解决思路，并评估各自的利弊。
68. 拟一份会后跟进邮件模板，预留行动项填写位置，发送对象是全体参会人员。
69. 把以下讨论内容整理成“问题、影响、方案”三段式结构，便于后续执行。
70. 生成一页纸周报模板，包含目标进度、关键数据、风险、下周计划四栏。

用 AI 做会议纪要时最值得花心思的地方是“决策”和“行动项”。普通摘要谁都会写，真正值钱的是从混沌发言里捞出来谁在什么时间点前交付什么。所以提示词里要专门强调这一点，否则 AI 会倾向给你一份各段发言的复述。

3.5 方案策划与创意内容（第 71-85 例）

创意类任务最容易翻车，原因是 AI 默认输出会偏平庸。应对办法是在提示词里给定边界：风格、字数、受众、调性。边界越具体，创意反而越有针对性。

71. 写一份活动策划方案框架，要求包含目标、受众画像、时间线、预算、分工、风险预案。
72. 为一款新功能写一句产品定位文案，包含目标用户、使用场景、核心价值三要素。
73. 列出一份竞品分析维度清单，至少 10 个维度，并说明每个维度该用什么指标评价。
74. 基于当前用户反馈材料，生成两张用户画像卡，每张包含人口特征、典型场景、核心痛点。
75. 对我提供的当前材料做 SWOT 分析，以四象限表格输出，每条下面写一句判断依据。
76. 为这篇营销文案写 10 组备选标题，风格偏新媒体，突出数据和反差感。
77. 将这段产品卖点改写为小红书笔记正文风格，字数控制在 300 字左右，口吻像真实用户分享。
78. 写一篇公众号开头的两个版本，一个悬念型，一个共情型，各 100 字。
79. 为这个品牌写一条 slogan，8 字以内，必须包含品牌核心词，节奏感要强。
80. 写一个品牌故事提纲，按照讲故事的方式传达品牌使命，列出 5 个关键情节节点。
81. 项目工期只有 7 天，帮我拆解排期，标出关键路径和最容易延期的环节。
82. 为这个方案写一段预算说明，按模块划分成本，并给出每块的弹性浮动区间。
83. 列出这个项目可能影响交付的 5 个风险项，为每一项准备一句应对预案。
84. 写一份结案报告模板，含效果概览、关键数据、经验教训、后续复用建议。
85. 将这项方案整理成 10 页汇报 PPT 大纲，每页只保留一个核心主题和三个要点。

方案类提示词的关键是“给脚手架”。你给 AI 结构框架，比如要求它按时间线拆、按人货场拆、按五力模型拆，它的输出会立刻变得像业内人士。这是提示词工程里最高性价比的手段。

3.6 代码与自动化辅助（第 86-100 例）

这组适合完全不懂编程的人。不需要你写代码，只需要你把想做的事情说清楚，AI 会生成脚本并解释怎么运行。我整理的都是日常办公用得上的轻量任务。

86. 写一个 Python 脚本，将指定文件夹下的所有文件按扩展名分类归档，每个类型放进单独子文件夹。
87. 写一段 Python 代码，合并多个 Excel 表格文件，要求保留原表头并自动去重。
88. 写一个批量重命名文件的脚本规则，保持原有顺序，在文件名前统一加序号。
89. 用 Python 将一个 PDF 文件按页拆分，每页保存为独立 PDF，并以页码命名。
90. 写一个正则表达式，同时匹配中国大陆手机号和常见邮箱格式，并逐段解释含义。
91. 用 SQL 按月份对订单表做累计销售额统计，输出月份、当月销售额、累计销售额三列。
92. 生成一段 Excel VBA 代码，自动高亮表格中重复值所在的整行。
93. 写一个文件夹监控脚本，有新文件加入时打印文件名和加入时间。
94. 解读当前打开文件中的代码的主逻辑，把关键行拆开解释，并标注每行的作用。
95. 给这段 Python 函数补充类型注解和 docstring，同时给出两个合法测试用例。
96. 作为代码评审人，列出这段代码的三个主要风险和两个改进建议，按严重程度排序。
97. 写一个命令行脚本，把 CSV 文件的每一行转换成 JSON 对象并保存到新文件。
98. 分析当前这个报错信息，列出最可能的三个原因，并针对每个原因给出解决步骤。
99. 这段代码运行很慢，帮我分析哪些环节是性能瓶颈，并给出优化后的代码片段。
100. 写一个自动化日报脚本：读取指定的 Excel 数据、汇总关键数字、生成 HTML 格式日报文件。

代码类提示词对行外人最友好的一点是：你可以让 AI 解释思路，再决定要不要运行。别急着让它“一键执行”，先输入第 94 条那种提示词看懂逻辑，风险会低很多。

4. 让提示词长期稳定生效的进阶技巧

4.1 把高频任务固化成 Skill

这 100 条例里，你会发现自己常用的大概只有十来条。与其每次复制粘贴，不如在 WorkBuddy 里把最常用的几条做成 Skill。我自己的第一个 Skill 就是周报生成器：先读取指定目录下的工作记录文件，按模板生成周报草稿，输出到桌面。

Skill 的意义在于把一套提示词、可能需要的脚本、输出路径都打包好，之后每次调用只需一句话甚至一个快捷键。这相当于给你的 AI 助手装上了固定流程的流水线。根据我的经验，50% 的日常办公重复任务都能通过 Skill 化省掉。

4.2 设置全局规则，让所有任务都按你的偏好执行

WorkBuddy 支持设定规则，在开始正式工作前先用几句话说明你的偏好，后续所有任务都会自动遵循。我设置了三条：所有输出使用中文；涉及数字时标注数据来源；交付内容必须使用列表或表格结构化呈现。

全局规则的影响在于，你可以在单条提示词里省掉一堆重复约束。比如我全程要求结构化输出，就不需要每条都写“请用表格”。这等于把提示词工程的默认参数帮你设置好了，单条提示词只需要聚焦任务本身。

4.3 长文档处理：分段喂入优于一次塞入

处理几百页的文档时，一次性全部塞进上下文常常导致 AI 抓不住重点。我建议按章节分段喂，每段单独问一组问题。比如把制度文件按照“考勤、薪酬、报销”拆成三次处理，每次输出各自的小结，最后再用一条提示词做合并。

这个流程看起来多几次对话，实际上更稳。模型在短上下文里的准确率远高于长上下文，尤其是提取细节类任务。做文档审计和合同审阅时，这条建议能救你命。

4.4 写清“不要做什么”有时候比“要做什么”还重要

提示词工程里有个容易忽视的方向：负面约束。比如“不要使用互联网上常见的模板套话”“不要提供无法落地的总结”“不要使用形容词描述结果，用数据表达”。

我在处理数据汇报类任务时，都会加一句“不要做过多延伸解读，只基于提供的材料回答”。这一句话能挡住 AI 最让人头疼的毛病：一本正经地编造上下文里不存在的内容。

5. 常见问题与排查技巧实录

5.1 提示词没反应，或者答非所问，怎么办

先检查任务描述里有没有动词。如果提示词是“公司下季度市场策略”这种名词短语，AI 只能猜测你要干什么。改成“基于当前打开的季度数据，生成下季度市场策略建议，输出 3 个方向加落地步骤”，立刻就清楚了。

再检查是不是上下文给太多了。有时候当前打开着一个超大表格，你问的问题和表格无关，AI 会被无关信息干扰。这时先关掉无关文档，或明确说“忽略当前文件，只看以下文本”。

5.2 输出内容像正确的废话

这是提示词工程里最普遍的挫败感。解决办法是加入交付细节约束：用表格输出、每条不超过 50 字、必须给出具体数字、基于我提供的材料回答。其中“基于我提供的材料”尤其好使，它会强迫 AI 回到上下文找证据，而不是泛泛而谈。

5.3 生成的内容太长，控制不住篇幅

把字数写进提示词是最直接的办法，但注意要写“控制在 300 字以内”，而不是“写短一点”。也可以反过来指定结构，比如“输出 3 个要点，每个要点不超过 2 句话”。结构约束比字数约束更稳定，因为 AI 对数数的感知并不可靠，但对结构执行得很好。

5.4 表格里的公式或代码运行报错

先别急着让它重写，把报错信息原样贴回去，加一句“解释报错原因并给出修改后的完整版本”。很多时候第一次生成的结果只有一个小错误， AI 自己看到了就能修。如果是 Excel 公式，建议让 AI 用通俗语言解释公式每一步在做什么，你推理一遍后通常就能发现逻辑问题。

5.5 上下文串味，回答继承了之前的错误记忆

AI 在当前对话里会积累历史语境，处理完一个任务后马上问一个不相关的问题，它有时会延续前面的角色设定。遇到这种情况，新开一个会话，或者在开头写“忽略之前的对话内容，从以下新任务开始”。特别是从写作类切换到数据类，串味概率很高，我一般直接开新对话。

5.6 提示词不会写，从已有效果反向拆解

如果你从零开始没有把握，可以先用最简单的自然语言描述需求，得到一版平庸结果后，把它输回去让 AI 自己优化：“请你作为提示词工程师，把我刚才的需求改写成一版让大模型更容易执行的提示词，并解释改动了哪些地方。”这个反推方法我用了很久，非常推荐。

磨刀不误砍柴工。我刚开始整理自己的提示词库时花了一下午，之后就再也没重复劳动过。现在每次遇到新的任务类型，我第一反应不是立刻动手，而是先花两分钟把提示词打磨好，再用它产出第一版，后面的修改量通常少一大半。提示词这种东西，积累越久越值钱，它不是算法，就是你对这份工作理解程度的书面总结。