AI工作台养虾实录：WorkBuddy自定义指令与Skill配置指南

今年五月初，我蹲在两个空荡荡的虾塘边，手机里装着刚下好的WorkBuddy。塘是朋友转租给我的，虾苗已经交过定金，可那会儿我连"增氧机该开多久"这种基础问题都答不上来。一个养虾纯小白，手里最像样的生产工具居然是一台AI工作台，说出去有点荒诞。但42天实测下来，我真的靠这套组合把第一茬对虾平稳养到了能卖的规格。

这篇文章既是WorkBuddy的实测记录，也是一份可以照抄的"AI辅助养虾"配置案例。它适合两类人看：一类是和我一样刚开始养虾、天天被水质指标折磨的新手；另一类是手上有WorkBuddy但只会聊天、还没把自定义指令和Skill用起来的人。如果你是后者，可以把养虾当成一个例子，里面的方法论完全能平移到任何需要"按规则跑数据"的项目上。

1. WorkBuddy是个什么工具：先把它和ChatGPT、CodeBuddy分清楚

1.1 为什么一个"智能工作台"会出现在虾塘边

很多人第一次听说WorkBuddy，第一反应都是：这不又是一个聊天AI吗？我最早也这么想，用了几天才发现不是一回事。WorkBuddy更像个AI工作台，你给它定好规矩、配好工具、喂好资料，它就能按你的规矩干活，而不是像ChatGPT那样每次都得从头交代一遍背景。打个不太准确的比方：ChatGPT是随叫随到的顾问，WorkBuddy则像一个"你给他发了SOP之后就不用反复吩咐的实习生"。

我身边用WorkBuddy的人，有拿它抓跨境电商多平台订单的，有拿它在Obsidian里做知识库管理的，还有让它每天自动签到领积分的。我把它拖到虾塘边搞水产养殖，算是比较冷门的用法。但恰恰是这种跨界用法，让我意识到这类通用AI工作台真正的价值：电商、养殖、自媒体、项目管理，表面看八竿子打不着，实质都是同一条流水线——输入数据、按规则处理、输出决策建议。WorkBuddy不限定行业，所以场景迁移能力非常强。

网上经常有人问WorkBuddy和CodeBuddy有什么区别。按我自己的理解，CodeBuddy更偏编程场景，是帮开发者写代码、查报错、跑测试的；WorkBuddy更偏通用工作流，目标是帮你把日常重复劳动接走。两者的底子可能同源，但用法完全不同。你不能拿CodeBuddy来管虾塘，同样也不该拿WorkBuddy去和IDE抢活干——选错赛道，再好的工具都会显得难用。

1.2 我选它做"养虾助手"的四个理由

第一个理由是跨对话记忆。养虾不是聊一两次就结束的事，而是一场持续三四个月的马拉松。水温、pH、溶氧、投喂量这些参数，如果在对话框里每次都要重新讲一遍，用不了三天我就烦了。WorkBuddy支持把关键信息写入长期记忆，下次对话还能主动翻出来。这个能力对长周期项目来说几乎是刚需，没有它，所谓"AI养虾助手"就只能停留在一次性的问答上。

第二个理由是自定义指令，也有人叫Rules。它能让我把"溶氧低于4mg/L时优先提醒增氧"这类养殖避险规则固化下来。规则一旦写入，它每次处理数据时都会先按这个优先级跑，不会因为某天我少说了一句话就漏掉关键提醒。这个功能对新手尤其重要，因为新手自己都不知道该用什么判断顺序去分析一塘数据。

第三个理由是Skill和MCP协议支持。WorkBuddy可以通过技能和MCP读写本地文件、对接第三方知识库。我实际用它做的事是：把每天的检测数据追加到一个养殖日志CSV里，或者去读Obsidian库里存的虾病资料。没有这个能力，AI就只是个动嘴的顾问；有了它，才真正变成能动手的助手。这也是"聊天机器人"和"工作台"最本质的区别。

第四个理由是模型可切换和本地化部署选项。我日常用的模型是DeepSeek，便宜、中文表达自然，做水质分析绰绰有余。如果对数据隐私要求高，WorkBuddy还支持本地化部署，官方有Linux和Ubuntu安装包，数据不出门。我养虾的数据没什么机密，就先用云端模型跑，成本很可控。

2. 养虾真正的门槛在"数据处理"，不在"搬砖"

2.1 虾塘的风险清单：这五项指标是保命线

先把话说清楚：AI再聪明，也替代不了你每天实际去测水质。反过来，水质测出来了，你能不能看懂，这才是小白和老师傅之间最大的分水岭。我把养虾初期的风险指标总结成"保命五项"：水温、pH、溶解氧、氨氮、亚硝酸盐。水温方面，南美白对虾的舒适区大概是26到32℃，低于18℃或高于35℃虾会明显应激，吃料变慢、体质下降。pH的安全窗口是7.5到8.5，越稳定越好，一天内波动最好不超过0.5，否则虾容易脱壳不遂。溶解氧是头号杀手指标，短时间低于4mg/L就要警惕，掉到3mg/L以下，对虾随时可能浮头甚至死亡。氨氮和亚硝酸盐属于慢性毒药型指标，长期偏高会让虾吃料变慢、体色发暗，积累到一定程度就是偷死。

这些数字背下来不难，难的是趋势判断。今天测到pH 8.3，很漂亮；但如果连着三天从8.0涨到8.6，这就不是"正常波动"了，而是藻相在发生变化，背后往往跟着一连串问题。这种事靠人脑记，记三天就乱；交给AI对比历史数据，它一眼就能拉出变化斜率。我经常说，养殖新手缺的不是吃苦能力，缺的是把一串数字看出"这是要出事的前兆"的能力。

2.2 小白前期最容易崩的三个环节

第一个崩的环节是"测了不知道算不算危险"。比如傍晚溶氧4.2mg/L，技术员说低于4才危险，那4.2到底要不要开增氧机？没经验的小白就卡在这种临界问题上左右内耗。第二个环节是"看不出趋势"。每天把数据记在本子上，三天后翻两页纸，除了数字还是数字，根本不知道这塘虾是在变好还是变坏。等到肉眼看出虾不吃料，往往已经晚了三到五天。第三个环节是"病急乱投医"，今天问东家明天问西家，微信里攒了五个互相矛盾的方案，越听越慌。

我自己定的原则是：把判断交给规则，把记录交给工具，把操作留给自己。我每天只负责两件事——准时测水、如实喂数据。分析和提醒，全部交给WorkBuddy按预设规则去跑。这样一来，我的焦虑一下就被拆解掉了：我不需要在脑子里同时装着五个指标和三十天的历史数据，我只需要关心眼前这一个塘、今天的这几项操作。这听起来很简单，但真正把"判断"从自己脑子里搬出去之后，我才发现原来养虾的体力活没那么重，重的是心累。另有一条底线必须强调：上面的数值区间是常见参考值，不同地区、不同养殖模式会有差异，真正投苗前一定要和本地技术员把参数范围确认清楚。工具给的是通用框架，落地还得靠本地经验校准。

3. WorkBuddy"养虾助手"配置实录：照抄即可

3.1 第一步：建立塘口档案，喂给跨对话记忆

先用WorkBuddy建一个养殖项目或工作区（不同版本入口名字可能不同，本质都是隔离对话和记忆），然后把下面的塘口信息一次性喂进去，并明确告诉它：请把这些信息存入长期记忆，后续对话默认生效。

项目名称：1号塘、2号塘（南美白对虾） 塘口面积：3亩/口，水深1.2米 放苗时间：2025年5月10日 虾苗规格：P5，每亩5万尾 当前投喂：水产配合饲料，每天4餐（7:00/11:00/15:00/19:00） 当前日投喂量：约100斤/天，根据吃料时间调整 增氧配置：每口塘2台叶轮增氧机 + 底部微孔增氧 最近用药：放苗后未使用 本地联系人：老李（虾药店技术员）

这里有一个很重要的实操细节：喂给记忆的信息一定要结构化，别写成流水账。像和朋友聊天那样写"虾苗5月10号放的，那天挺热，我跟老李去拿苗，回来还下了雨"——WorkBuddy能看懂，但它在分析时检索效率会差很多。记忆库是用来存参数的，不是用来存情绪的。否则等虾塘数据一多，它在几千字流水账里捞一条"溶氧4.2"要花费不必要的算力，回答质量也会下降。

3.2 第二步：把专家经验写成自定义指令

自定义指令的作用，是把老师傅脑子里那套"判断优先级"抄给AI。养殖新手最容易犯的毛病，是问AI问题时没有章法，AI给的建议自然也不成体系。规则一旦固化，无论你什么时候问、用哪种问法，它都会按同一套顺序来输出。下面是我用了42天验证过的一套规则，可以直接抄，注意把里面的数字和你的养殖模式对齐：

# 养虾助手核心指令（WorkBuddy Rules） 1. 每次收到当天水质数据，先与上一次数据做对比；任何指标变化超过20%时，必须在报告第一行高亮提示。 2. 判断优先级固定为：溶氧 > pH > 水温 > 氨氮 > 亚硝酸盐。溶氧低于4mg/L时，先给增氧建议，不要先分析其他指标。 3. 当我问"今天该干嘛"时，回答顺序固定为：先看天气，再看溶氧，再看吃料量，最后才谈调水改底。 4. 所有建议必须给出"设备不够用时的替代方案"。例如没有增氧机时，至少给出降低投喂和物理增氧的临时措施。 5. 涉及任何药物或调水产品时，只描述作用原理与风险，不直接开药方，提醒我咨询本地技术员。

我给每条都写了理由。例如第2条为什么把溶氧排第一：对虾缺氧的致死速度是按小时计的，氨氮超标是按天计的，而pH和温度异常通常更慢。规则不是越多越好，我初期只设了五条。超过五条，规则之间容易互相打架，AI输出反而会变得犹豫，等于没规则。等跑顺了再逐步补充，哪怕一条一条加都来得及。

3.3 第三步：接一个"水质记录Skill"，让它能读写真实文件

Skill这一步是把WorkBuddy从"聊天AI"升级成"工作台"的关键。我建了一个简单的养殖日志Skill，它会按固定格式把每天的检测数据追加到一个CSV文件里。因为WorkBuddy支持MCP协议，这个Skill的本质就是让AI获得读写本地文件的能力。CSV的格式我建议直接照下面这个模板来，列名和顺序都不用花心思重新设计：

日期,天气,水温,溶氧,pH,氨氮,亚硝酸盐,早中晚投喂量,吃料时间,备注 2025-05-20,多云,29.2,5.1,8.2,0.05,0.02,30/35/35,约80分钟,虾苗活力好 2025-05-21,晴,29.8,4.8,8.4,0.08,0.03,30/35/40,约70分钟,水色微绿

配置路径大致是：在WorkBuddy的MCP或技能管理里添加一个新技能，指向本地日志文件的路径，再把"数据格式模板"和"写入位置"写进技能的说明文件里。如果你本地装了Obsidian，还可以把日志指向Obsidian库里的特定文件夹，这样每写一条记录，笔记里就自动多一行，时间长了能形成一份很有价值的养殖日记。

不想折腾MCP的人，也有一个简化版方案：每天把检测数据按固定格式粘贴进对话，顺手把CSV附件拖进去，让AI分析和记录。这个方法能跑，但缺点是必须靠你每天记得做。后面细讲，等我把自动化工作流配上之后，每天需要人工做的就只剩"抄三个数"了。

3.4 第四步：接入模型，以DeepSeek为例

WorkBuddy默认可以用内置模型，但我自己换成了DeepSeek。理由很简单：便宜、中文自然、文本分析能力强，一天几条水质数据的负载对它来说根本不是事。配置方式不复杂：先拿到DeepSeek的API Key，在WorkBuddy设置里找到模型配置，填入Key并选择对应模型，保存后新建一个对话就能开始测。

这里有三个容易踩的细节：第一，API Key一定要放在设置里，别图省事直接在对话里发出来让它"记住"，明文贴出来的Key有泄漏风险；第二，配置完模型之后要新建对话再测试，旧对话不一定加载新配置；第三，如果打算本地化部署，Linux安装包在官方渠道可以找到，Ubuntu也能跑，但安装路径尽量选在用户目录下——这个问题我在第5章会展开说，它和后面遇到的报错直接相关。

4. 42天实测记录：三次关键决策都是它先提醒我

4.1 第1-14天：顺利期里藏着一个溶氧陷阱

前两周几乎是新手蜜月期。虾苗入塘后吃料积极，水色也亮，我每天按部就班测水、投喂、记录，WorkBuddy每天的提示基本都是"指标正常，维持现状"。人一放松就爱偷懒。第9天傍晚，我测到溶氧4.1mg/L，心里想的是：离4还差一点，今晚应该没事，明早再测一次吧。于是就没开增氧机。

测完数据我顺手发给WorkBuddy，它对比前后两天的记录后，给出了一段提示：溶氧4.1已接近风险阈值，且当日气温高、傍晚光合作用即将停止，夜间溶氧会继续下降，建议立即开启底部微孔增氧，同时把明日早投喂量减少10%等待观察。我犹豫了一下，还是爬起来去把增氧机开了。结果第二天凌晨真的下了雨，气压骤降，早上一测溶氧掉到3.2mg/L。如果头天晚上没提前开增氧，这一晚大概率会浮头。

这件事教会我一个道理：工具不是用来显摆的，是用来在你懒得动的时候兜底的。我当时已经察觉"今晚有点闷热"，但懒得行动。WorkBuddy把4.1mg/L这个数字翻译成了"再不加氧可能出事"，我才有动力爬起来。新手最大的问题从来不是信息不足，而是信息摆在那儿，自己不知道它的分量。

4.2 第15-30天：pH连续走高，第一次被工具"教育"

从第18天开始，pH连续三天走高：8.1、8.4、8.7。我看了一眼，觉得三天全在安全范围里，完全没当回事。WorkBuddy却悄悄把过去六天的记录拉出来算了一遍，给的结论是：pH上升速度偏快，单日增幅最高达0.3，结合水色偏浓，初步判断藻类过度繁殖，建议减少或停止追肥、投喂量下调10%-15%、换水5%-10%，并补充一次乳酸菌类调水产品。最后那句它仍然按规则提醒：用药前请咨询本地技术员。

我照着调整了一周，pH慢慢回落到8.3左右，水色也从浓绿转成正常的黄绿色。说实话，如果只靠我自己看表格，8.1到8.7的变化我根本不会在意，因为每一个数都在"安全范围"里。但养殖这行的隐性风险恰恰藏在变化速度里，而不在瞬时值。趋势分析这件事，AI确实比我这种只记数字的新手强太多。也是从这次之后，我养成了一个习惯：每天发完数据之后，主动追问一句"和上周比，各指标变化如何"，让趋势分析成为每天的固定动作。

4.3 第31-42天：自动化播报上线，每天只需要抄三个数

到了第31天，我逐渐习惯了这套节奏，开始给WorkBuddy配自动化工作流：每天早上把水温、溶氧、pH三个数按固定格式发过去，氨氮和亚硝酸盐我隔天测一次，它会按预设规则自动生成当天的操作清单，包括投喂量、增氧时段、是否换水。

一个典型输出大概是这样的：晴天，水温29.5，溶氧4.8mg/L，pH8.2。建议投喂112斤，分四餐，每餐28斤；午后14:00到16:00开增氧机两小时；今日暂时不必换水；重点关注傍晚吃料时间，若超过90分钟未吃完，明日减量5%。我把这段播报截图发到家庭群，我爸妈以为我在搞什么高科技。其实底层逻辑很简单：我把老师傅的经验拆成了机器能执行的步骤，WorkBuddy每天帮我做一遍推导。

工具最大的贡献，不是替我判断，而是让我从"天天焦虑该干嘛"变成"每天照着清单执行"。但我也必须泼一盆冷水：自动化不等于甩手掌柜化。第35天连着两天阴雨，WorkBuddy按规则建议我减料，可我人在塘边，明显看到虾吃料比平时慢，还是果断多减了一成。AI给的是概率判断，虾塘现场永远有它看不到的变量。工具能把你的判断规范化，但替代不了你走到塘边去观察。

5. 配置和日常使用中踩过的坑（含细节排查过程）

5.1 "502 write eacces"报错：权限问题排查完整链路

这套流程跑通之前，我遇到的第一个硬报错是让Skill写日志文件时，WorkBuddy直接回了一句"502 write eacces"。这个报错最容易误导人的地方是"502"开头，让人以为是网络问题，其实它是权限问题——eacces就是permission denied，没有权限写入目标文件。

我把排查链路完整写一遍，方便各位照着复现。第一步，回忆报错出现的场景，我是在Skill执行文件写入这一步挂的，确认不是网络故障。第二步，检查WorkBuddy的工作目录和日志文件的实际路径，发现默认装在了系统盘的Program Files目录下。第三步，我把整个安装目录和工作目录迁到了D盘的用户文件夹，给当前用户完全读写权限，再重跑一次，报错消失。如果用的是Linux，则要检查运行WorkBuddy的账号对数据目录是否有写权限，用chown和chmod把目录归属理清楚。

治本的办法是：从安装第一天就把工作目录和缓存目录统一改到用户可控的位置。WorkBuddy是一款会频繁做本地文件读写的工具，默认路径放在系统盘特殊目录下，迟早要出问题。早改早省心，别等报错都堆到眼前再动手。

5.2 缓存目录占用C盘的问题

跑了一个多月后，我注意到C盘空间掉了好几个G。查了一圈发现，WorkBuddy的缓存和模型文件默认都存在系统盘。解决办法是在设置里把缓存目录改到D盘或外置盘，顺手清理掉之前的临时文件。这个改动本身五分钟就能完成，难的是你得想得起来去检查。

这个坑和前面那个权限问题是联动的：如果你从一开始就把所有路径指到一个专门的工作目录，权限问题、清理问题、备份问题全都顺带解决。这也是我给所有准备用WorkBuddy跑长期项目的朋友的第一条建议——先设计好目录结构，再开始干活。目录结构是最不起眼但影响最深远的配置项。

5.3 跨对话记忆"失效"的两个真实原因

有几天WorkBuddy突然记不住我的塘口参数了，每次都要我重新说一遍。排查下来有两个原因。第一个原因是我没有显式触发记忆写入。跨对话记忆不是录音机，它需要你主动告诉它"请存为长期记忆"，而不是指望它默默把所有内容都记住。第二个原因是上下文一长，旧记忆容易被新对话冲掉，尤其是你一次性贴特别长的文档时，记忆检索的优先级会被冲淡。

我的对策是：重要参数不只靠记忆库，还要落到文件里。塘口档案在项目里存一份，Skill也会把关键信息追加进CSV。这样哪怕记忆真丢了，我让WorkBuddy重新读一遍文件，几秒钟就能恢复。记住一个原则：凡是丢了你就会睡不着觉的数据，一律用文件存，别只放在AI的记忆里。记忆是缓存，文件才是硬盘。

5.4 积分和token消耗控制

WorkBuddy有账号积分体系，新用户会送一些积分，每天签到也能领一点，网上很多教程教人写自动签到脚本，但我觉得手动点也就几十秒的事，没必要为了签到专门搭一套流程。我日常用得比较省：简单的天气判断、投喂量计算，用轻量模型跑；只有在需要拉长时间周期做水质趋势分析时，才切换到更强模型。

还有一条省token的笨办法：不要一次性把三十天的检测记录全贴进对话。那个数据量又大，又容易触发上下文限制。正确做法是让Skill直接读CSV文件，或者只贴最近三天的数据加一句"与上周趋势对比"。工具是用来减少重复劳动的，不是用来增加你的成本焦虑的。刚开始用的时候，我也被积分消耗速度吓了一跳，后来学会"按任务难度分模型"之后，开销稳定在了一个完全可以接受的水平。

6. 这套"AI+养虾"组合适合哪些人，以及我不建议谁用

6.1 我认为适合的人群

如果你满足下面这三个条件，这套组合值得认真试试：一是你有1到3个塘，刚入行，身边没有随叫随到的老师傅；二是你能坚持每天花15到20分钟测水和记录，这是底线，工具不能替你去测水；三是你愿意把养殖经验拆成一条条规则。愿意写规则这件事本身很重要，因为把判断逻辑写清楚的过程，就是一次技术复盘，规则写到第三版的时候，我对养虾的理解明显比第一版深了一个档次。

还有一类人也适合：你不是养殖户，但你在经营车间、店铺或者小团队。任何一个需要"每天记录数据加按规则做决策"的场景，都可以用同一套方法迁移过去。WorkBuddy在跨境电商订单抓取、知识库管理这些场景被用得很多，原理和我养虾完全一致——把重复劳动交给规则，把人的精力留给真正需要判断的地方。

6.2 不建议使用的情况

反过来，下面这几种人就不用费这个事了：平时连虾塘都懒得去看，只想坐在屋里靠AI遥控的；指望AI远程诊断虾病、替代本地技术员的；以及完全不懂水产、觉得装个软件就能躺赢的。工具只能放大你的执行力，不能替代你的责任心。

我见过有人把WorkBuddy调得很花哨，自动化播报、趋势预测、知识库，全都配齐了，结果连续几天不去塘边，等虾出了问题再跑去找AI，AI也只能看着数字干着急。养虾这行，数据和现场缺一不可。一个用心的新手加一个普通的工具，一定好过一个敷衍的新手加一套顶配的工具。

第一批虾已经顺利出了塘。第二批我把同样的配置捡起来，只改了两条规则：把"保成活率"的优先判断，换成"控规格、压料比"的方向。整个过程十几分钟就改完，不用推倒重来。这大概是WorkBuddy这类工作台最让我满意的地方——你沉淀出来的规则和技能是可以复用、可以迭代的。今天给养虾用的这套方法，明天拿去记录果园、管小店、追项目进度，底层逻辑完全一样。

最后分享一个小经验。别急着把工具玩出花，先让它从一件琐碎的小事开始帮你：每天记三个数，连续记两周。你可能会发现，自己对这个虾塘的理解，已经和以前完全不一样了。