WorkBuddy 上手实战：打造一个可用的本地 AI 工作台 很多 AI 产品看上去都能聊天，但真正进到日常使用里，最常见的需求并不是闲聊，而是整理一段零散记录、起草一段通知、输出一份周报，或者把一个任务拆成清单。而WorkBuddy 更像一个本地工作台，而不是单一聊天框：它把任务输入、专家角色、技能扩展和自动化模板放在同一个界面里，适合把办公动作收拢到一处完成。 和只做对话的产品相比，WorkBuddy 的优势很明显： 任务入口更集中，不用在多个页面之间来回切换。专家、技能、自动化是分层组织的，更贴近真实办公流程。适合把总结、写作、清单、模板这些高频动作固定下来。 但 WorkBuddy 也有一个很现实的问题：它本身需要积分调用，工作量一大，积分消耗会很快，所以底层模型不能只看“能不能聊”，还要看吞吐、延迟和稳定性。 这次我把蓝耘 MaaS 接进 WorkBuddy，统一使用 /maas/minimax/MiniMax-M2.5 作为模型调用，目标很直接：先把模型换对，再看工作台里的 Claw、专家中心、技能中心和自动化模板能不能真正用起来。 文章目录 WorkBuddy 上手实战：打造一个可用的本地 AI 工作台一、整体方案二、准备工作1. WorkBuddy 客户端和工作空间2. 蓝耘 MaaS 接入信息 三、把模型切到 MiniMax四、Claw 里做第一次任务输入五、专家中心：把角色分开六、技能中心：给工作台补能力七、自动化：把重复任务固定下来八、实操测试测试 1：资料整理和周报草稿测试 2：会议前准备清单测试 3：边界和安全测试 九、复杂实操验证：从 0 创建汇报 PPT十、常见问题排查1. 模型保存后没有响应2. 输出风格不稳定3. 自动化模板没达到预期 总结