下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/org-x2fzhf9b--workbench-builder.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md,安装 @org-x2fzhf9b/workbench-builder。- 行业工作台搭建器。当用户说出自己的行业、角色与核心需求(如"
- 我是做六堡茶电商的,想搭一套私域运营工作台"
- "
- 我是建材渠道经理,要客户跟进+内容营销的AI工作台"
- ),本技能完成需求采集、优选匹配相关技能(Skill)与专家(Expert)、推荐连接器(Connector),并一键搭建配置好的项目工作台(目录结构+记忆文件+工作清单+可复现清单)。触发词:搭建工作台、搭建AI工作台、行业工作台、按行业配技能、我的工作流怎么配、给我搭个XX工作台、技能匹配、专家匹配、工作流搭建、workbench、配齐我的工具。
阅读全文 (展开查看完整说明)
概述
Overview
把"用户的一句行业+需求"变成"一套配置好的 AI 工作台"。输入用户的行业、角色与核心诉求,输出三件事:
- 优选匹配:从 WorkBuddy 技能库(Skill)、专家中心(Expert)、连接市场(Connector)中,筛出最贴合的技能 / 专家 / 连接器,并给出优先级与理由。
- 一键搭建:生成项目目录骨架、记忆文件(USER.md / 项目 MEMORY.md / 每日工作日志模板)、工作清单,以及一份可复现的
workbench.json清单。 - 陪跑交付:说明怎么用、下一步做什么、何时该加新技能。
核心理念:先匹配、后搭建、再确认。不做无依据的猜测——匹配结果先用"基线行业映射 + 实时检索"双重校验,交付前让用户确认。
When to Use
- 用户用自然语言描述自己的行业/岗位/想要的能力,并希望"搭个工作台""配齐工具""帮我把 AI 用起来"。
- 用户不确定 WorkBuddy 上有哪些技能/专家适合自己,需要"按行业优选"。
- 用户刚接手新项目/新业务线,需要一个结构化的工作起点(目录 + 记忆 + 清单)。
- 触发表达示例:
- "我是做XX行业的,给我搭个工作台"
- "按我的行业帮我配技能和专家"
- "我是XX角色,日常工作是A/B/C,怎么用 WorkBuddy 提效"
Workflow
Phase 1 — 需求采集 (Intake)
若用户未一次性给全信息,用 AskUserQuestion 一次性补齐 4 个维度(每项 1 题,避免反复追问):
- 行业/赛道:如 茶叶电商、建材渠道、内容自媒体、软件开发、企业咨询、法律、金融。
- 角色/岗位:如 创始人、渠道经理、运营、销售、内容创作者、工程师。
- 核心目标/痛点(最多 3 个):如 私域获客、客户跟进、内容生产、数据分析、知识沉淀。
- 期望交付形态:轻量(只配技能+专家)/ 标准(加工作台目录+记忆)/ 完整(加自动化+连接器)。
若用户已说清(如"我是六堡茶电商,要私域运营工作台"),跳过提问直接进入匹配。
Phase 2 — 优选匹配 (Match)
双重校验法:先查基线映射,再实时检索,合并去重后排序。
- 读
references/industry-skill-map.md,按行业命中"基线技能/专家类别/连接器类别"清单。 - 用实时检索补全并去伪存真(基线只给"类别"和"候选名",实时检索给出"当前真实存在且可启用"的条目):
- 技能:调用
ToolSearch的workbuddy_marketplace_skill(action=search)按关键词搜在售技能。 - 专家:加载
recommend-expertsskill,按其流程用mcp__connector-proxy__search_plugins取真实专家候选。 - 连接器:加载
recommend-connectorsskill,用同接口取真实连接器候选。
- 技能:调用
- 对每个候选标注:匹配度(高/中/低)、能解决用户哪个具体痛点、启用成本(是否需授权/付费)。
- 产出分级短名单:
- 🟢 必装(直接命中核心痛点)
- 🟡 推荐(增强型,按需)
- 🔴 暂缓(相关但非当前必要)
交付前必须确认:把分级短名单 + 搭建方案用文字呈现,请用户确认后再执行 Phase 3(遵循"先确认后动手"原则)。
Phase 3 — 搭建工作台 (Build)
确认后执行。优先用 scripts/scaffold_workbench.py 生成骨架(确定性、可复现):
python3 scripts/scaffold_workbench.py
--name "<工作台名>"
--industry "<行业>"
--base-path "<目标父目录>"
--skills "skillA,skillB"
--experts "专家类别/名"
--connectors "连接器类别/名"
--goals "痛点1|痛点2"脚本会:
- 按行业模板创建子目录(如电商→
products/ content/ customers/ automations/)。 - 写入
.workbuddy/memory/MEMORY.md与每日日志占位。 - 生成根目录
MEMORY.md(项目背景、匹配到的技能/专家/连接器清单)。 - 写出
workbench.json清单(机器可读、可二次复现)。
若用户选"轻量"形态,跳过目录脚手架,只输出匹配清单与启用指引。
随后:
- 技能启用:对🟢必装且在售技能,提示用户通过技能市场安装(或说明已内置于会话)。
- 专家接入:对选中专家,提示在专家中心启用(一次仅启用一个专家/专家团)。
- 连接器授权:对🟢必装连接器,提示连接(连接器需用户自行授权,不代操作)。
Phase 4 — 交付与陪跑 (Handoff)
- 汇总:工作台路径、已配技能/专家/连接器、目录用途。
- 给出首周使用清单(3–5 个具体动作,对应核心痛点)。
- 说明何时扩展:出现新痛点、新业务线、技能库更新时重新跑本技能。
- 把本次匹配结论追加进
workbench.json的history字段,便于迭代。
Matching Methodology
- 匹配不是猜:基线映射给"方向",实时检索给"现实"。两者交集为可信推荐。
- 优先级排序:命中核心痛点 > 增强型 > 探索型;同档按"启用成本"升序(免授权优先)。
- 连接器谨慎:只推荐能直接解决数据/流程断点的连接器;需授权的明确标注"待用户连接"。
- 专家不堆砌:专家中心同一会话仅启用一个;按"最贴合当前首要痛点"选。
References
references/industry-skill-map.md— 9 大行业的基线技能/专家类别/连接器映射,匹配主依据。references/workspace-setup.md— 脚手架脚本说明、workbench.json字段定义、目录模板。
Notes
- 本技能自身也是"可学习对象":用户可在匹配阶段问"为什么匹配这个技能",需先讲匹配原因、再给方案、最后确认后执行(遵循用户"为什么"约定)。
- 所有外部动作(安装技能、启用专家、连接连接器)仅给指引,真要启用由用户在对应界面确认,避免越权。