关于作者
免费AI诊断与咨询
前言：企业真正需要的是岗位应用地图
很多企业已经知道AI智能体，却很难回答三个具体问题：应该先给谁用、先做哪项任务、怎样判断真正有
效。工具演示通常从功能出发，企业工作却从岗位、流程、数据和责任出发。两套语言没有对齐，试点很
容易停在聊天和文案生成。
这份白皮书从39个岗位展开。每个岗位都列出场景、输入、交付结果、系统条件和人工边界。读者可以直
接找到自己的岗位，也可以从企业视角比较哪些任务适合先试、哪些需要系统集成、哪些必须保留专业审
批。
白皮书不承诺WorkBuddy开箱完成所有任务。文件层、知识层、系统层和决策层需要不同条件。企业只有
把这四层分开，才能把AI智能体从个人技巧变成可验收的组织能力。
执行摘要
本轮研究覆盖11,239篇文章和30,179个正文块，形成39个岗位群、345条岗位场景、443条来源记录，去
重后对应414篇本地文章。证据快照保留339张正文图片，本白皮书从中选择与章节直接相关的图片进入正
文。
企业可以先记住四个结论：
- 文件型任务最适合成为第一个试点，输入和输出清楚，容易建立人工基线。
- 知识型任务的质量取决于资料版本、出处、权限和更新机制。
- 系统型任务需要Connector、MCP或API，必须处理鉴权、幂等、日志、回滚和异常。
- 高影响决策由人批准。AI智能体负责材料准备、检索、解释、建议和流程编排。
衡量试点时，不只看生成速度。企业还要记录漏项、错误、返工、人工覆盖、真实使用、异常闭环和业务
结果。
阅读指南与研究方法
每个岗位章节都采用同一结构：岗位判断、应用场景表、三个优先场景、四层能力、首个试点、实施边界
和主要来源。企业可以按岗位阅读，也可以按文件层、知识层、系统层和决策层横向比较。
场景进入正文前必须在本地文章正文中找到对应任务、流程、输入输出或风险边界。宽泛命中只用于发现
岗位，不代表独立案例数量。同一篇文章可以支持多个岗位。
图片从入选来源文章正文中复制。本轮不逐张识别源库图片，筛选依据是图片所在正文位置和相邻文本，
并避开明显扫码、加微信、社群与广告尾图。
公众号作者自报的效率、准确率、金额、比例和覆盖人数先作为线索。正式对外使用硬数字时，应回查企
业官方材料、项目报告或真实试点数据。
WorkBuddy 能力分层：从文件到决策
📄文件层
处理本地文档、表格、转写、模板和文件夹。适合整理、抽取、比对、生成草稿和批量处理。验收重点是格式、完整性、准确性和返工量。
📚知识层
把制度、SOP、案例、产品资料和专业文献变成可检索知识。关键条件是来源、版本、权限、更新和拒答机制。
🔌系统层
读取或写入OA、ERP、CRM、WMS、MES、HR、财务等系统。企业需要受控接口、最小权限、调用日志、幂等、回滚和失败恢复。
⚖️决策层
整理选项、解释数据、提示风险和形成建议。录用、付款、报价、处方、信贷、核保、拒赔、行政许可等高影响事项必须由有权限的人批准。
通用
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
通用办公每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 文件整理与归档 | 本地文件夹、命名规则、分类要求 | 分类结果、重命名清单、异常文件表 | 先预览变更；删除、覆盖和移动重要文件需人工确认 |
| 会议纪要与待办 | 会议录音/转写、参会人、项目背景 | 共识、争议、待办、负责人和时间 | 录音授权、敏感信息和责任人必须人工复核 |
| 文档起草与改写 | 模板、历史材料、受众、语气 | 通知、方案、总结或邮件初稿 | 对外口径、承诺和事实数据由人确认 |
| 表格清洗与分析 | Excel/CSV、字段口径、分析问题 | 清洗表、指标、异常与图表 | 公式、口径、缺失值处理需抽检 |
| 资料调研与报告 | 问题、范围、时间、可信来源要求 | 来源表、观点对比、研究报告 | 二手资料不能代替一手核验 |
| 定时任务与提醒 | 任务内容、频率、触发条件、通知方式 | 定时执行结果与异常通知 | 避免自动执行不可逆外部动作 |
| 知识库问答 | 制度、手册、历史项目、权限范围 | 带出处的回答和相关文档 | 权限隔离、版本更新和无答案时拒答 |
三、三个优先场景
文件整理与归档
这一场景的目标是把本地文件夹、命名规则、分类要求整理成分类结果、重命名清单、异常文件表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
会议纪要与待办
这一场景的目标是把会议录音/转写、参会人、项目背景整理成共识、争议、待办、负责人和时间。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
文档起草与改写
这一场景的目标是把模板、历史材料、受众、语气整理成通知、方案、总结或邮件初稿。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 文件整理与归档、会议纪要与待办、文档起草与改写、表格清洗与分析 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 知识库问答 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 文档起草与改写 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 表格清洗与分析 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“文件整理与归档”。它所需输入是本地文件夹、命名规则、分类要求，目标交付是分类结果、重命名清单、异常文件表。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：处理时间、文件命名正确率、人工返工次数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 资料调研与报告：二手资料不能代替一手核验。
- 定时任务与提醒：避免自动执行不可逆外部动作。
- 知识库问答：权限隔离、版本更新和无答案时拒答。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 一句话让AI帮你整理100个文件，WorkBuddy文件管理实操
- 会议纪要怎么自动整理、生成待办和 PPT？WorkBuddy 日常办公实测
- WorkBuddy实战：一个AI工作台搞定所有办公自动化
- WorkBuddy Excel 数据分析实战：老板问“销售额为什么掉了”，我差点让 AI 分析错了
- WorkBuddy 深度实测：能落地政企的办公 AI Agent
行政
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
行政文秘每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 通知、请示和制度材料 | 事项背景、单位模板、审批链、历史范文 | 通知/请示/制度初稿和检查清单 | 编号、政策依据、印章和正式发布必须人工审核 |
| 会议组织与纪要 | 议程、参会人、录音/转写 | 纪要、决议、待办和催办表 | 争议内容、责任人和期限需会后确认 |
| 日程与接待安排 | 访客、时间、地点、预算、偏好 | 日程表、接待方案、提醒 | 外部联系与费用承诺不能自动发出 |
| 文件档案归档 | 文件夹、档案分类表、保留期限 | 归档目录、重命名建议、缺件清单 | 涉密档案与销毁动作需授权 |
| 员工入离职手续 | 员工信息、岗位、设备和权限清单 | 入职包、账号设备待办、交接清单 | 个人信息最小化；账号开通/回收由系统管理员执行 |
| 物资与费用台账 | 采购、领用、库存、报销记录 | 资产台账、异常和补货提醒 | 实物盘点和财务入账仍需人工/系统核对 |
| 制度知识问答 | 规章制度、办事指南、版本信息 | 带出处答复和办理步骤 | 旧版本、例外事项必须升级人工 |
三、三个优先场景
通知、请示和制度材料
这一场景的目标是把事项背景、单位模板、审批链、历史范文整理成通知/请示/制度初稿和检查清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
会议组织与纪要
这一场景的目标是把议程、参会人、录音/转写整理成纪要、决议、待办和催办表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
日程与接待安排
这一场景的目标是把访客、时间、地点、预算、偏好整理成日程表、接待方案、提醒。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 会议组织与纪要、日程与接待安排、文件档案归档、员工入离职手续 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 通知、请示和制度材料、制度知识问答 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 日程与接待安排 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 文件档案归档 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“会议组织与纪要”。它所需输入是议程、参会人、录音/转写，目标交付是纪要、决议、待办和催办表。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：材料准备时间、纪要漏项率、台账更新及时率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 员工入离职手续：个人信息最小化；账号开通/回收由系统管理员执行。
- 物资与费用台账：实物盘点和财务入账仍需人工/系统核对。
- 制度知识问答：旧版本、例外事项必须升级人工。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 行政人别再被通知、纪要、台账淹没了！5个WorkBuddy工作流，把公文写作、会议整理、政策解读全
- 自动化
- IMA与WorkBuddy协同方案：提升行政文秘三大核心场景效能
- 一人行政部：用WorkBuddy把新员工入职流程变成“丝滑”流水线
- WorkBuddy培训师最新WorkBuddy应用培训课程大纲之WorkBuddy智能体赋能HR办公自动化实战
- WorkBuddy岗位实战02｜行政：一次会议，怎样留下纪要、待办和材料包？
HR
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
HR人力资源每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 岗位说明书/JD | 业务目标、岗位任务、能力要求、禁用条件 | 结构化JD、面试维度和用人风险提示 | 不得把偏见或与岗位无关的条件写入JD |
| 简历清洗与初筛 | 简历、硬性条件、评分规则 | 候选人结构化表、证据摘录和待核验项 | 只做辅助筛选；避免年龄、性别等歧视性决策 |
| 面试准备与纪要 | JD、简历、面试框架、录音 | 问题清单、纪要、证据与追问点 | 录音征得同意；录用决定由人负责 |
| 入职与试用期 | 员工信息、入职流程、试用目标 | 入职材料、待办、试用期检查表 | 个人敏感信息和账号权限严格控制 |
| 培训内容与测验 | 岗位能力、课程材料、受众水平 | 课件、案例、题库和学习计划 | 专业内容由业务专家校验 |
| 绩效材料汇总 | 目标、过程记录、评价规则 | 绩效事实摘要、差异和校准材料 | AI不得独立打分或作晋升淘汰决定 |
| 人才盘点与能力矩阵 | 岗位族、能力标准、人才数据 | 能力矩阵、缺口和发展建议 | 结论需结合经理访谈，防止数据偏见 |
| 员工政策问答 | 制度、福利、考勤、劳动合同模板 | 带条款出处的问答 | 劳动法解释和个案争议升级HR/法务 |
| 员工反馈分析 | 匿名问卷、访谈、意见文本 | 主题聚类、情绪和改进建议 | 保护匿名性，不能反向识别员工 |
三、三个优先场景
岗位说明书/JD
这一场景的目标是把业务目标、岗位任务、能力要求、禁用条件整理成结构化JD、面试维度和用人风险提示。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
简历清洗与初筛
这一场景的目标是把简历、硬性条件、评分规则整理成候选人结构化表、证据摘录和待核验项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
面试准备与纪要
这一场景的目标是把JD、简历、面试框架、录音整理成问题清单、纪要、证据与追问点。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 岗位说明书/JD、简历清洗与初筛、面试准备与纪要、入职与试用期 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 员工政策问答 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 面试准备与纪要 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 入职与试用期 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“岗位说明书/JD”。它所需输入是业务目标、岗位任务、能力要求、禁用条件，目标交付是结构化JD、面试维度和用人风险提示。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：材料处理时间、初筛撤销率、人工复核一致率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 人才盘点与能力矩阵：结论需结合经理访谈，防止数据偏见。
- 员工政策问答：劳动法解释和个案争议升级HR/法务。
- 员工反馈分析：保护匿名性，不能反向识别员工。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- HR群聊实录：当你还在用AI写JD，高手已经在用AI修补盲区了
- 【WorkBuddy企业落地⑤】HR：50份简历，10分钟筛出匹配名单
- 使用ai面试助手
- WorkBuddy方法08 ｜ 邮件模板批量生成：HR、销售、行政的救星
- HR × AI ｜ HR26官体系在WorkBuddy上的实战指南
销售
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
销售与客户经理每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 线索清洗与分层 | 线索表、客户画像、行业和区域规则 | 去重线索、分层、缺失字段和优先队列 | 评分只作参考，不能自动歧视或骚扰客户 |
| 客户背景尽调 | 企业名称、统一信用代码、关注风险 | 工商、股权、司法和舆情摘要 | 二手平台数据需回查；不能越权收集个人信息 |
| 拜访准备 | 客户资料、历史沟通、产品资料、拜访目标 | 一页客户简报、问题清单和方案假设 | 未经证实的信息标为待确认 |
| 方案与报价草案 | 需求、产品配置、价格规则、成本边界 | 方案、配置清单、报价草案 | 价格、折扣、交期和承诺由授权人审批 |
| CRM记录与商机更新 | 会议纪要、邮件、通话记录 | 联系人、阶段、下一步和风险字段 | 写入CRM前展示变更并确认 |
| 录音复盘与教练 | 合规录音、销售方法、目标客户 | 纪要、客户异议、关键话术和改进项 | 录音告知；评价不能取代主管辅导 |
| 跟进提醒与邮件 | 商机阶段、上次联系、承诺事项 | 个性化跟进草稿和定时提醒 | 对外发送默认人工确认，控制频率 |
| 销售经营分析 | CRM、订单、回款、活动数据 | 漏斗、预测、异常和复盘报告 | 预测口径和数据完整性需校验 |
| 合同前检查 | 报价单、合同、审批政策 | 差异、风险条款和缺失附件 | 最终审查交由法务和业务负责人 |
三、三个优先场景
线索清洗与分层
这一场景的目标是把线索表、客户画像、行业和区域规则整理成去重线索、分层、缺失字段和优先队列。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
客户背景尽调
这一场景的目标是把企业名称、统一信用代码、关注风险整理成工商、股权、司法和舆情摘要。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
拜访准备
这一场景的目标是把客户资料、历史沟通、产品资料、拜访目标整理成一页客户简报、问题清单和方案假设。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 线索清洗与分层、客户背景尽调、拜访准备、录音复盘与教练 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 客户背景尽调 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | CRM记录与商机更新 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 方案与报价草案 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“拜访准备”。它所需输入是客户资料、历史沟通、产品资料、拜访目标，目标交付是一页客户简报、问题清单和方案假设。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：准备时间、客户记录完整率、跟进逾期率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 跟进提醒与邮件：对外发送默认人工确认，控制频率。
- 销售经营分析：预测口径和数据完整性需校验。
- 合同前检查：最终审查交由法务和业务负责人。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 同样使用 WorkBuddy，为什么有的企业已经把 AI 变成业务增长引擎？
- 客户消息多到回不过来？WorkBuddy 接企微帮你先分个类
- NGS销售拜访前准备04：拜访客户前的脑中话术
- AI 写方案+报价：销售决策不再'拍脑袋'--10 分钟出精准方案
- 正式开源！颠覆传统CRM，AI才是销售的终极办公助手
财务
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
财务会计每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 费用报销预审 | 报销单、票据、制度和审批规则 | 字段提取、重复/超标/缺件提示 | 只做预审；付款和驳回由授权人员决定 |
| 发票识别与归档 | 发票文件、归档规则、台账模板 | 重命名文件、发票台账和异常清单 | 真伪与税务认证需调用合规系统 |
| 账务处理辅助 | 业务单据、科目表、历史规则 | 分录建议和待确认事项 | AI不得直接过账，科目和期间由会计确认 |
| 财务报表生成 | 总账、明细账、报表模板 | 三表、勾稽检查和变动说明 | 合并范围、调整分录和对外披露需复核 |
| 应收应付账龄 | 客户/供应商余额、账期、回款记录 | 账龄表、逾期清单和催收优先级 | 坏账判断和催收策略由财务业务共同决定 |
| 预算与滚动预测 | 历史预算、实际、业务驱动因子 | 预算草案、偏差和情景分析 | 假设、目标和资源分配由管理层确定 |
| 成本分析 | 成本明细、产销量、组织和产品维度 | 成本结构、异常和降本线索 | 不能把相关性直接写成原因 |
| 税务风险扫描 | 申报表、发票、政策和交易资料 | 风险点、所需材料和待核验政策 | 税务结论需税务专业人员确认 |
| 经营决策看板 | 财务与业务数据、指标口径 | 看板、趋势、异常和行动建议 | 口径统一、权限隔离和刷新时间必须标明 |
三、三个优先场景
费用报销预审
这一场景的目标是把报销单、票据、制度和审批规则整理成字段提取、重复/超标/缺件提示。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
发票识别与归档
这一场景的目标是把发票文件、归档规则、台账模板整理成重命名文件、发票台账和异常清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
账务处理辅助
这一场景的目标是把业务单据、科目表、历史规则整理成分录建议和待确认事项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 费用报销预审、发票识别与归档、账务处理辅助、财务报表生成 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 发票识别与归档 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 经营决策看板 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 预算与滚动预测、税务风险扫描 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“费用报销预审”。它所需输入是报销单、票据、制度和审批规则，目标交付是字段提取、重复/超标/缺件提示。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：预审时间、漏项率、人工退回率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 成本分析：不能把相关性直接写成原因。
- 税务风险扫描：税务结论需税务专业人员确认。
- 经营决策看板：口径统一、权限隔离和刷新时间必须标明。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- WorkBuddy · 财务场景01-费用报销审核
- WorkBuddy + 发票整理报销：用 AI 提效的「报销自动化」
- WorkBuddy · 财务场景04-账务处理辅助
- WorkBuddy财务实操全攻略：对账、报销、应收…一键跑通后做成专属Skill
- workbuddy财务应用实务
老板
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
老板与高管每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 经营日报 | 订单、销售、库存、现金、项目和异常数据 | 一页经营摘要、异常和待决策事项 | 指标口径、更新时间和数据缺失必须显式展示 |
| 全局信息监控 | 行业、客户、竞品、政策关键词 | 每日情报、变化和影响判断 | 新闻和二手信息需标来源与可信度 |
| 决策材料准备 | 问题、历史数据、方案和约束 | 选项、利弊、风险、需补信息 | AI提供材料，不替老板承担决策责任 |
| 会议与承诺跟踪 | 会议转写、目标和负责人 | 决议、承诺、进度和逾期清单 | 责任人和期限须本人确认 |
| 战略拆解 | 战略目标、资源、组织和时间 | 关键结果、项目组合和假设清单 | 战略选择不能由模型自动决定 |
| 经营风险预警 | 财务、客户、供应、项目等信号 | 异常、影响和建议追问 | 预警阈值和升级机制由企业定义 |
| 组织使用AI治理 | 员工使用、权限、成本、产出和事故记录 | 采用率、成本、风险和改进清单 | 不能监控与工作无关的员工隐私 |
| 一人公司编排 | 业务目标、角色清单、流程和模板 | 研究、内容、销售、交付等任务队列 | 对外承诺、支付和发布仍由经营者批准 |
三、三个优先场景
经营日报
这一场景的目标是把订单、销售、库存、现金、项目和异常数据整理成一页经营摘要、异常和待决策事项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
全局信息监控
这一场景的目标是把行业、客户、竞品、政策关键词整理成每日情报、变化和影响判断。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
决策材料准备
这一场景的目标是把问题、历史数据、方案和约束整理成选项、利弊、风险、需补信息。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 经营日报、全局信息监控、决策材料准备、会议与承诺跟踪 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 全局信息监控 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 决策材料准备 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 经营风险预警、一人公司编排 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“经营日报”。它所需输入是订单、销售、库存、现金、项目和异常数据，目标交付是一页经营摘要、异常和待决策事项。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：日报生成时间、异常发现提前量、决策材料返工率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 经营风险预警：预警阈值和升级机制由企业定义。
- 组织使用AI治理：不能监控与工作无关的员工隐私。
- 一人公司编排：对外承诺、支付和发布仍由经营者批准。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 一份「经营日报」，带你秒懂9个AI核心概念
- 《老板AI进化论》新序
- LoopLab｜企业AI决策系统十层架构 · 10 企业驾驶舱（AI Command Center） ：让老板一句话，AI看
- 懂企业、分析企业、预测企业、管理企业
- 企业微信CLI接入WorkBuddy：别再用聊天框，浪费真正的AI办公能力
- 麦肯锡企业AI战略：AI定位类型矩阵解读
运营
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
综合业务运营每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 运营日报与周报 | 业务数据、昨日事项、异常和目标 | 日报、趋势、异常与待办 | 指标口径和数据刷新时间必须标注 |
| 流程与SOP整理 | 现有流程、角色、规则、例外 | 流程图、SOP、检查表和升级条件 | AI不能凭空补业务规则 |
| 活动运营 | 活动目标、受众、流程、预算 | 方案、报名页、执行清单和复盘表 | 预算、对外发布和用户数据收集需审批 |
| 问卷与用户反馈 | 调研目标、用户群、历史反馈 | 问卷、主题聚类和改进建议 | 题目偏差、样本结构和隐私需检查 |
| 运营数据看板 | 订单、用户、活动、转化等数据 | 指标看板、漏斗和异常 | 不能用单一指标替代业务判断 |
| 定时任务与提醒 | 任务频率、输入、通知规则 | 自动执行结果和失败告警 | 外部发布、付费和删除操作默认确认 |
| 跨系统工作流 | 表单、文档、消息、系统接口 | 数据同步、通知和状态回写 | 需要接口幂等、权限、日志和回滚 |
| 异常与复盘 | 异常记录、影响、处置和数据 | 时间线、根因假设、行动项 | 相关性不是因果，责任认定由人完成 |
三、三个优先场景
运营日报与周报
这一场景的目标是把业务数据、昨日事项、异常和目标整理成日报、趋势、异常与待办。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
流程与SOP整理
这一场景的目标是把现有流程、角色、规则、例外整理成流程图、SOP、检查表和升级条件。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
活动运营
这一场景的目标是把活动目标、受众、流程、预算整理成方案、报名页、执行清单和复盘表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 运营日报与周报、问卷与用户反馈、定时任务与提醒、异常与复盘 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 流程与SOP整理 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 运营数据看板、跨系统工作流 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 活动运营 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“流程与SOP整理”。它所需输入是现有流程、角色、规则、例外，目标交付是流程图、SOP、检查表和升级条件。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：日报耗时、流程执行完整率、异常闭环时长。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 定时任务与提醒：外部发布、付费和删除操作默认确认。
- 跨系统工作流：需要接口幂等、权限、日志和回滚。
- 异常与复盘：相关性不是因果，责任认定由人完成。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 自动化商机日报 - 2026-08-20
- AI私域运营怎么做？企业私域自动化运营全攻略
- 私域运营：AI福音，AI负担？
- 一种很新的调查问卷方式_AI问卷信息图
- 货代每个岗位用WorkBuddy ：老板、销售、操作、财务、单证
客服
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
客服与售后每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 知识库问答 | 产品、政策、FAQ、历史工单 | 带出处的答复和相关步骤 | 无可靠答案时转人工，知识库需持续更新 |
| 工单分类与路由 | 工单文本、产品、客户级别、分类规则 | 分类、优先级、责任组和理由 | 高风险投诉和紧急事件必须人工确认 |
| 回复草拟 | 客户问题、上下文、服务政策、语气 | 个性化答复草稿 | 不能擅自承诺退款、赔偿和时效 |
| 情绪与升级识别 | 聊天/通话转写、升级规则 | 情绪变化、风险信号和升级建议 | 情绪模型可能误判，不能给客户贴标签 |
| 退换货SOP | 订单、物流、政策和证据 | 处理步骤、所需材料和审批点 | 退款、拒绝和例外必须按权限审批 |
| 售后回访 | 交付记录、问题、客户类型 | 回访提纲、话术和记录模板 | 对外联系时间和频率需合规 |
| 客服质检 | 录音/聊天、质检规则、样本 | 违规点、优秀案例和辅导建议 | 质检结论需抽检，不能单独用于处罚 |
| FAQ沉淀 | 重复问题、最佳答案、政策版本 | FAQ条目、标签和更新清单 | 需确认答案版本和适用范围 |
| 投诉升级 | 投诉内容、历史记录、法规和权限 | 事实摘要、风险、升级路线 | 法律、舆情和重大客户事件及时转人工 |
三、三个优先场景
知识库问答
这一场景的目标是把产品、政策、FAQ、历史工单整理成带出处的答复和相关步骤。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
工单分类与路由
这一场景的目标是把工单文本、产品、客户级别、分类规则整理成分类、优先级、责任组和理由。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
回复草拟
这一场景的目标是把客户问题、上下文、服务政策、语气整理成个性化答复草稿。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 回复草拟、情绪与升级识别、售后回访、客服质检 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 知识库问答、退换货SOP | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 工单分类与路由 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 情绪与升级识别 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“知识库问答”。它所需输入是产品、政策、FAQ、历史工单，目标交付是带出处的答复和相关步骤。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：首响时间、一次解决率、转人工准确率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 客服质检：质检结论需抽检，不能单独用于处罚。
- FAQ沉淀：需确认答案版本和适用范围。
- 投诉升级：法律、舆情和重大客户事件及时转人工。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- IMA做客服知识库WorkBuddy把投诉变成FAQ我踩了3个坑
- 原生 AI 能力落地 ｜ 澜驰商城系统新增 AI 客服 + AI 助手，重构企业级电商经营效率
- WorkBuddy教程-移动端远程协助
- AI应用案例｜金融科技公司Klarna的智能客服
- AI客服知识库改造：从幻觉频发到精准回答
市场
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
市场品牌与公关每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 市场与行业研究 | 市场问题、范围、时间、可信来源 | 规模、趋势、玩家、证据和未知项 | 二手数据必须标出处和年份 |
| 竞品分析 | 竞品名单、维度、公开材料 | 对比矩阵、变化和机会假设 | 不能把营销表述当成已验证能力 |
| 客户洞察 | 访谈、问卷、行为和销售记录 | 需求主题、分群和机会 | 样本偏差与隐私必须说明 |
| 品牌定位 | 品牌资产、客户、竞争和目标 | 定位备选、理由和验证问题 | 定位决策需结合真实客户验证 |
| 活动策划 | 目标、受众、预算、渠道和时间 | 主题、节奏、物料和风险清单 | 预算、版权和对外承诺人工审批 |
| 营销文案 | 产品事实、受众、渠道规范 | 多版本文案和审核表 | 禁用夸大成效和无法证明的数字 |
| 舆情监测 | 品牌词、竞品词、平台和时间 | 事件摘要、传播路径和风险 | 谣言与事实分层，高风险事件交公关/法务 |
| 内容日历 | 营销目标、主题、平台、资源 | 月/周内容计划与复用关系 | 发布前检查事实、版权和平台规则 |
| 投放与ROI复盘 | 花费、曝光、线索、成交和归因口径 | 漏斗、渠道对比和试验建议 | 归因模型和线下成交数据需核验 |
三、三个优先场景
市场与行业研究
这一场景的目标是把市场问题、范围、时间、可信来源整理成规模、趋势、玩家、证据和未知项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
竞品分析
这一场景的目标是把竞品名单、维度、公开材料整理成对比矩阵、变化和机会假设。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
客户洞察
这一场景的目标是把访谈、问卷、行为和销售记录整理成需求主题、分群和机会。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 市场与行业研究、竞品分析、客户洞察、品牌定位 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 竞品分析 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 客户洞察 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 活动策划 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“竞品分析”。它所需输入是竞品名单、维度、公开材料，目标交付是对比矩阵、变化和机会假设。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：研究耗时、来源完整率、活动复盘及时率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 舆情监测：谣言与事实分层，高风险事件交公关/法务。
- 内容日历：发布前检查事实、版权和平台规则。
- 投放与ROI复盘：归因模型和线下成交数据需核验。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 市场调研不用外包了？用AI Search做竞品分析的完整流程
- Workbuddy for 自动盯竞品，永远快人一步
- WorkBuddy客户管理，AI帮你管客户
- 企业市场营销不缺方法论和 AI 工具，缺的是知行合一
- Ai应用场景假设--市场营销活动
产品经理
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
产品经理每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 用户研究 | 访谈、问卷、反馈和行为数据 | 用户画像、任务、痛点和证据 | 样本不代表全部用户，个人信息需保护 |
| 需求澄清 | 一句话想法、业务目标、约束 | 问题树、假设、待确认项和验收条件 | AI不能替干系人确认真实需求 |
| PRD初稿 | 已确认需求、流程、规则、指标 | PRD结构、用户故事和异常流程 | 范围、优先级和承诺由产品负责人确定 |
| 原型与页面说明 | 用户流程、组件、品牌规范 | 低保真原型、页面说明和交互清单 | 可用性需真实用户测试 |
| 需求优先级 | 价值、成本、风险、依赖和数据 | 评分矩阵和不同假设结果 | 模型不能替代资源与战略取舍 |
| 反馈归类 | 工单、评论、访谈和标签 | 主题、频次、严重度和原文证据 | 频次不等于价值，保留原始语境 |
| 竞品分析 | 产品、功能、价格、公开资料 | 功能矩阵、流程差异和验证清单 | 公开资料可能过期，关键能力需实测 |
| 产品数据复盘 | 使用、转化、留存和实验数据 | 漏斗、分群、异常和下一步实验 | 统计显著性和埋点质量需核验 |
| 产品文档同步 | 会议变更、PRD、版本记录 | 更新建议、差异和影响范围 | 正式版本和发布说明由负责人确认 |
三、三个优先场景
用户研究
这一场景的目标是把访谈、问卷、反馈和行为数据整理成用户画像、任务、痛点和证据。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
需求澄清
这一场景的目标是把一句话想法、业务目标、约束整理成问题树、假设、待确认项和验收条件。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
PRD初稿
这一场景的目标是把已确认需求、流程、规则、指标整理成PRD结构、用户故事和异常流程。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 用户研究、需求澄清、PRD初稿、原型与页面说明 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 需求澄清 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 产品数据复盘 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 需求优先级 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“需求澄清”。它所需输入是一句话想法、业务目标、约束，目标交付是问题树、假设、待确认项和验收条件。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：需求整理时间、缺项率、版本同步及时率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 竞品分析：公开资料可能过期，关键能力需实测。
- 产品数据复盘：统计显著性和埋点质量需核验。
- 产品文档同步：正式版本和发布说明由负责人确认。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 产品经理 AI 能力'四维进化
- AI怎么参与需求分析和原型设计
- AI产品经理的PRD怎么写
- 产品经理×AI：AI与产品经理之间发生了什么变化
- 超细致 WorkBuddy 官方教程解读（第八集 WorkBuddy 适合哪些人？产品、运营、行政、销售和老板
- 的使用场景）
采购
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
采购与供应商管理每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 采购需求规范 | 业务需求、技术参数、预算、交期 | 需求书、澄清问题和验收要点 | 参数和验收条件由需求部门确认 |
| 供应商寻源 | 品类、区域、资质、产能和交期 | 候选供应商、来源和初筛表 | 不能把网络信息等同于已通过资质审查 |
| 供应商尽调 | 主体、股权、司法、质量和履约资料 | 风险摘要、缺口和核验清单 | 关键事实回查官方渠道和原始证明 |
| 比价与方案评估 | 报价、规格、商务条款、总拥有成本 | 可比口径表、差异和敏感性分析 | 最低价不等于最优，权重由采购委员会确定 |
| 招标文件检查 | 需求、模板、法规、评分办法 | 缺项、矛盾、歧义和修改建议 | 正式招标文件由招采和法务审核 |
| 采购合同预审 | 合同、订单、招投标文件、审批规则 | 条款差异、风险和待补附件 | 签约条件和法律判断交法务/授权人 |
| 订单与交期跟踪 | 订单、交期、到货、质检和付款状态 | 逾期、缺料、异常和催办清单 | 外部催办和改单需采购确认 |
| 供应商绩效风险 | 质量、交付、价格、服务和投诉数据 | 绩效卡、趋势、风险和改进项 | 淘汰、降级和份额调整不能自动执行 |
| 采购支出分析 | 采购明细、品类、组织、供应商数据 | 支出结构、集中度、异常和谈判线索 | 节省金额需用统一基线计算 |
三、三个优先场景
采购需求规范
这一场景的目标是把业务需求、技术参数、预算、交期整理成需求书、澄清问题和验收要点。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
供应商寻源
这一场景的目标是把品类、区域、资质、产能和交期整理成候选供应商、来源和初筛表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
供应商尽调
这一场景的目标是把主体、股权、司法、质量和履约资料整理成风险摘要、缺口和核验清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 采购需求规范、供应商寻源、供应商尽调、招标文件检查 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 供应商寻源 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 订单与交期跟踪 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 比价与方案评估、供应商绩效风险 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“采购需求规范”。它所需输入是业务需求、技术参数、预算、交期，目标交付是需求书、澄清问题和验收要点。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：寻源周期、比价覆盖率、交期异常发现率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 订单与交期跟踪：外部催办和改单需采购确认。
- 供应商绩效风险：淘汰、降级和份额调整不能自动执行。
- 采购支出分析：节省金额需用统一基线计算。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 【采购需求】某企业需求AI助手
- AI采购培训｜采购与供应链AI实践应用课程推荐
- 企业采购AI产品，应当尽调哪些事项？
- 10个最值得落地的AI采购场景，覆盖采购管理全流程
- 合同如何审核？《采购合同》审核文本
程序员
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
软件研发每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 需求转技术任务 | 需求、现有架构、约束和验收标准 | 技术方案、任务拆分和风险 | 架构取舍和范围由研发负责人确认 |
| 代码生成与补全 | 代码库上下文、接口、规范和测试 | 候选代码和修改说明 | 不得只凭片段生成后直接合并 |
| 代码审查 | 变更、规范、威胁模型和历史问题 | 缺陷、风险、证据和建议 | AI审查是补充，关键代码仍需人工Review |
| 单元与集成测试 | 代码、接口契约、边界和历史缺陷 | 测试用例、Mock、覆盖缺口 | 测试通过不等于业务正确 |
| 缺陷定位与修复 | 日志、堆栈、复现步骤、代码版本 | 根因假设、验证步骤和补丁 | 先复现再修复，生产变更走发布流程 |
| 代码与接口文档 | 代码、接口、部署和示例 | README、API文档和变更说明 | 文档必须与当前版本同步 |
| 代码库理解 | 仓库、入口、依赖和问题 | 模块图、调用链和影响范围 | 敏感代码和密钥不得外泄 |
| 部署与发布辅助 | 环境、配置、流水线和检查项 | 部署脚本草案、检查表和回滚方案 | 生产发布必须审批和可回滚 |
| 研发效能复盘 | 需求、提交、缺陷、构建和交付数据 | 周期、瓶颈和改进实验 | 不以代码量或AI使用量评价个人 |
三、三个优先场景
需求转技术任务
这一场景的目标是把需求、现有架构、约束和验收标准整理成技术方案、任务拆分和风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
代码生成与补全
这一场景的目标是把代码库上下文、接口、规范和测试整理成候选代码和修改说明。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
代码审查
这一场景的目标是把变更、规范、威胁模型和历史问题整理成缺陷、风险、证据和建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 需求转技术任务、代码生成与补全、代码审查、单元与集成测试 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 代码生成与补全 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 代码审查 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 部署与发布辅助 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“代码与接口文档”。它所需输入是代码、接口、部署和示例，目标交付是README、API文档和变更说明。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：文档耗时、测试覆盖变化、代码审查问题命中率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 代码库理解：敏感代码和密钥不得外泄。
- 部署与发布辅助：生产发布必须审批和可回滚。
- 研发效能复盘：不以代码量或AI使用量评价个人。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- “AI 提效陷阱”：对快手万人组织 AI 研发范式的反思与组织提效路径
- AI研发提效：构建前端AI辅助编码工具
- 大厂是怎么做AI代码审查的：工具的边界，与人的责任
- 用WorkBuddy搞定一周工作量，老板都惊了
- 腾讯WorkBuddy Bench：具有抗污染任务构造的多领域编码智能体基准
法务
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
法务与合规每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 合同审查 | 合同、交易背景、模板、谈判底线 | 风险条款、缺项、修改建议和问题清单 | 需要完整上下文，最终意见由律师/法务签发 |
| 法规与政策检索 | 法域、时间、事项、主体 | 法规条文、效力层级和待核验点 | 必须回查现行正式文本 |
| 案例检索 | 案由、争点、法院、时间 | 类案清单、裁判要旨和差异 | 核验案号、全文和裁判状态，防止虚构 |
| 尽职调查 | 主体、交易、资料清单和风险框架 | 事实表、缺件、红旗和追问 | 第三方平台只作线索，敏感数据合规获取 |
| 诉讼材料整理 | 证据、时间线、诉辩材料和法院要求 | 证据目录、时间线和争点表 | 证据真实性、关联性和提交策略由律师判断 |
| 证据时间线 | 聊天、合同、付款、邮件和文件元数据 | 事件表、证据链接和矛盾点 | 保留原件、哈希和来源，不修改证据 |
| 业务合规检查 | 业务流程、法规、合同和数据流 | 义务清单、风险和整改项 | 高风险判断需专业复核 |
| 律所知识库 | 模板、案例、研究、客户权限 | 可检索知识和引用答案 | 客户隔离、版本和离职权限必须治理 |
| 幻觉与引用核验 | AI输出、引文、案号和法条 | 逐项核验表和不可用内容 | 无原始来源的结论不得对外使用 |
三、三个优先场景
合同审查
这一场景的目标是把合同、交易背景、模板、谈判底线整理成风险条款、缺项、修改建议和问题清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
法规与政策检索
这一场景的目标是把法域、时间、事项、主体整理成法规条文、效力层级和待核验点。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
案例检索
这一场景的目标是把案由、争点、法院、时间整理成类案清单、裁判要旨和差异。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 合同审查、案例检索、尽职调查、诉讼材料整理 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 法规与政策检索、律所知识库 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 案例检索 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 尽职调查 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“法规与政策检索”。它所需输入是法域、时间、事项、主体，目标交付是法规条文、效力层级和待核验点。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：检索时间、条款漏项率、引用核验通过率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 业务合规检查：高风险判断需专业复核。
- 律所知识库：客户隔离、版本和离职权限必须治理。
- 幻觉与引用核验：无原始来源的结论不得对外使用。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI合同审核的经历和经验分享（二）
- 【律师使用AI指南】合同审核（一）
- AI+法律：合同审查、案例检索、法律咨询，律师的AI助手实测
- 律师AI数据安全12条脱敏规范
- 文 ｜ 2026：我的「法律+AI」工作流与法律AI深度评测
数据分析师
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
数据与经营分析每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 数据清洗 | Excel/CSV、字段定义、质量规则 | 清洗数据、问题清单和处理日志 | 原始数据保留，处理规则可复现 |
| 多表合并 | 多文件、主键、时间和口径 | 合并表、未匹配项和重复项 | 主键与口径必须先确认 |
| 指标计算 | 业务定义、公式、源字段 | 指标表、公式和数据血缘 | 同名指标可能口径不同 |
| 异常检测 | 历史数据、阈值、季节和事件 | 异常点、影响和排查顺序 | 异常不等于错误或原因 |
| 可视化与仪表板 | 指标、受众、刷新频率 | 图表、交互看板和解释 | 避免误导性坐标和选择性展示 |
| 经营诊断 | 收入、成本、客户、产品和渠道数据 | 问题树、贡献分解和验证清单 | 相关性假设要用业务证据验证 |
| 预测与情景分析 | 历史数据、驱动因子、假设 | 基准/乐观/悲观情景 | 展示误差区间，不承诺准确结果 |
| 自动化报告 | 数据、模板、管理问题 | 日报、周报、月报和行动项 | 对外披露数据需财务/管理层确认 |
| 口径与数据治理 | 数据字典、系统字段、指标文档 | 口径冲突、责任人和治理清单 | 治理是业务与数据团队共同责任 |
三、三个优先场景
数据清洗
这一场景的目标是把Excel/CSV、字段定义、质量规则整理成清洗数据、问题清单和处理日志。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
多表合并
这一场景的目标是把多文件、主键、时间和口径整理成合并表、未匹配项和重复项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
指标计算
这一场景的目标是把业务定义、公式、源字段整理成指标表、公式和数据血缘。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 多表合并、指标计算、异常检测、可视化与仪表板 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 多表合并 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 数据清洗、口径与数据治理 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 经营诊断、预测与情景分析 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“数据清洗”。它所需输入是Excel/CSV、字段定义、质量规则，目标交付是清洗数据、问题清单和处理日志。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：清洗耗时、口径错误率、分析返工率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 预测与情景分析：展示误差区间，不承诺准确结果。
- 自动化报告：对外披露数据需财务/管理层确认。
- 口径与数据治理：治理是业务与数据团队共同责任。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- WorkBuddy实战入门3｜Excel数据自动化--不会公式也能做分析
- WorkBuddy从入门到精通：杂乱Excel一键变分析报告，数据清洗到出结论全流程
- 经营分析的数据看板--从“Excel大战”到“数据自己说话”
- WorkBuddy连接用友YonSuite：从销售履约Agent到验收落地
- WorkBuddy × 数据分析：完整工作流实战
教师
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
教师与教研每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 备课与教案 | 课标、教材、学情和课时 | 教案、重难点和活动设计 | 教师校验知识准确性和适龄性 |
| 课件制作 | 教案、素材、学校模板 | PPT结构、讲稿和素材清单 | 版权、事实和视觉可读性需检查 |
| 题库与作业 | 知识点、难度、题型、答案标准 | 分层题目、答案和解析 | 必须抽检答案，防止超纲和重复 |
| 个性化学习 | 学习记录、目标和薄弱点 | 学习计划和练习建议 | 不能仅凭模型给学生贴标签 |
| 课堂互动 | 教学目标、学生水平、课堂时间 | 问题、活动和讨论脚本 | 教师维持课堂秩序和价值判断 |
| 批改与反馈 | 作业、评分规则和示例 | 初步评分、错误类型和反馈草稿 | 高影响成绩必须教师复核 |
| 教研资料整理 | 论文、案例、听课记录 | 主题综述、比较和研究问题 | 引用回查原文 |
| 教学评价 | 课堂记录、目标、评价量规 | 观察证据、问题和改进建议 | 不能用单次AI评价决定教师绩效 |
| 学生数据与隐私 | 学生信息、作品和学习记录 | 脱敏方案和可用数据范围 | 未成年人信息先脱敏、分类和授权 |
三、三个优先场景
备课与教案
这一场景的目标是把课标、教材、学情和课时整理成教案、重难点和活动设计。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
课件制作
这一场景的目标是把教案、素材、学校模板整理成PPT结构、讲稿和素材清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
题库与作业
这一场景的目标是把知识点、难度、题型、答案标准整理成分层题目、答案和解析。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 备课与教案、课件制作、题库与作业、个性化学习 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 教研资料整理 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 学生数据与隐私 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 个性化学习 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“备课与教案”。它所需输入是课标、教材、学情和课时，目标交付是教案、重难点和活动设计。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：备课时间、材料可用率、教师修改量。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 教研资料整理：引用回查原文。
- 教学评价：不能用单次AI评价决定教师绩效。
- 学生数据与隐私：未成年人信息先脱敏、分类和授权。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI 备课：用 ima + WorkBuddy 搭教学弹药库
- 教师的Ai搭子-Ima和workbuddy
- 2026企业培训3大新趋势:AI重构学习场景
- workbuddy教师指南，教师必学的WorkBuddy备课技能
- 如何降低Workbuddy自动化任务积分消耗
自媒体人
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
内容与自媒体每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 选题规划 | 账号定位、受众、历史数据、素材 | 选题池、角度和发布节奏 | 不机械追热点，需符合账号定位 |
| 资料搜集 | 主题、时间范围、来源要求 | 来源表、证据摘录和未知项 | 硬事实回查一手来源 |
| 文章初稿 | 观点、素材、结构和个人表达 | 可编辑初稿和标题候选 | 保留作者判断，避免虚构个人经历 |
| 事实核验 | 初稿、引用、数据和链接 | 核验表、需删除或降级内容 | AI核验不能替代打开原始材料 |
| 配图与封面 | 文章主题、品牌规范、尺寸 | 配图方案、提示词和素材清单 | 版权、人物肖像和主题匹配需确认 |
| 视频脚本 | 原稿、时长、平台和素材 | 口播、Scene和镜头需求 | 不为节奏篡改事实或观点 |
| 多平台改写 | 母稿、平台规范和字数 | 公众号/小红书/视频号适配稿 | 平台规则独立，不能只换标题 |
| 排版与发布 | 终稿、图片、摘要和账号权限 | 排版稿或草稿箱内容 | 发布前人工预览；账号权限最小化 |
| 内容数据复盘 | 阅读、互动、转化和发布时间 | 主题/形式对比和下一轮假设 | 低播放不能单独证明内容价值 |
三、三个优先场景
选题规划
这一场景的目标是把账号定位、受众、历史数据、素材整理成选题池、角度和发布节奏。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
资料搜集
这一场景的目标是把主题、时间范围、来源要求整理成来源表、证据摘录和未知项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
文章初稿
这一场景的目标是把观点、素材、结构和个人表达整理成可编辑初稿和标题候选。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 选题规划、资料搜集、文章初稿、事实核验 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 资料搜集 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 内容数据复盘 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 事实核验 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“资料搜集”。它所需输入是主题、时间范围、来源要求，目标交付是来源表、证据摘录和未知项。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：资料准备时间、事实错误率、多平台返工率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 多平台改写：平台规则独立，不能只换标题。
- 排版与发布：发布前人工预览；账号权限最小化。
- 内容数据复盘：低播放不能单独证明内容价值。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 用 WorkBuddy 搭建公众号内容流水线，小白零门槛，实现每日稳定出稿
- WorkBuddy实用案例：零基础搭建公众号自动化写作流水线
- 手把手教你用 WorkBuddy 写公众号文章
- 我用Codex+WeWrite，搭了一条公众号内容流水线
- WorkBuddy实操｜6个Skill跑通公众号爆文流水线，从选题直达公众号草稿箱
项目经理
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
项目经理与PMO每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 立项与范围 | 商业目标、需求、资源和约束 | 项目章程、范围和假设 | 范围由发起人与干系人确认 |
| WBS与计划 | 范围、里程碑、资源、依赖 | WBS、排期、责任和关键路径草案 | 工期估算需责任人承诺 |
| 会议纪要与待办 | 会议转写、议题和成员 | 决策、问题、行动项和负责人 | 会后确认，避免AI错配责任 |
| 风险与问题台账 | 风险、问题、影响和处置记录 | 分类、优先级、应对和升级建议 | 风险接受和预算由治理层决定 |
| 进度周报 | 计划、实际、工时、问题和变更 | 进度、偏差、风险和下周计划 | 不能粉饰延期或遗漏阻塞 |
| 变更管理 | 变更请求、基线、成本和依赖 | 影响分析、审批材料和版本差异 | 未批准不得更新基线 |
| 验收标准 | 合同、需求、场景和基线 | 测试用例、阈值、证据和退出条件 | 演示效果不能代替生产验收 |
| 项目复盘 | 目标、结果、事件、反馈和数据 | 时间线、原因、经验和行动项 | 区分事实、判断和责任 |
| 干系人沟通 | 角色、关注点、决策和状态 | 分层沟通稿、会议和升级路线 | 敏感信息按角色权限发送 |
三、三个优先场景
立项与范围
这一场景的目标是把商业目标、需求、资源和约束整理成项目章程、范围和假设。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
WBS与计划
这一场景的目标是把范围、里程碑、资源、依赖整理成WBS、排期、责任和关键路径草案。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
会议纪要与待办
这一场景的目标是把会议转写、议题和成员整理成决策、问题、行动项和负责人。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 立项与范围、WBS与计划、会议纪要与待办、进度周报 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | WBS与计划 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 会议纪要与待办 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 风险与问题台账、变更管理 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“会议纪要与待办”。它所需输入是会议转写、议题和成员，目标交付是决策、问题、行动项和负责人。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：纪要漏项率、风险更新及时率、逾期行动项数量。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 验收标准：演示效果不能代替生产验收。
- 项目复盘：区分事实、判断和责任。
- 干系人沟通：敏感信息按角色权限发送。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI项目实战：WorkBuddy（Open Claw）+Cursor开发视频生成程序
- WorkBuddy 使用教程：从模型、专家、Skill、知识库，到项目经理数字员工
- 开会不用记，WorkBuddy纪要+待办自动出
- AI风险
- WorkBuddy做全链路项目交付我踩了3个坑
仓储物流
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
仓储物流每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 仓储知识与操作导航 | 仓储制度、系统手册、SOP、用户问题 | 带出处的答复、目标页面、操作步骤 | 制度版本需受控，真实业务动作另行确认 |
| 实时库存与库位查询 | 物料、仓库、批次、库位、占用与可用量 | 实时库存、更新时间和差异提示 | 必须读取WMS真实数据，不能根据旧表推断 |
| 出入库与移库单草拟 | 物料、数量、批次、库位和业务类型 | 单据草稿、字段校验和待确认项 | 写库前人工批准，并保留权限和日志 |
| 盘点与库存差异分析 | 账面库存、盘点表、在途和历史记录 | 差异清单、异常归类、复核任务和日报 | 盘盈盘亏原因由仓管与财务确认 |
| 缺货、超储、临期与补货 | 销量、库存、在途、交期、保质期和服务水平 | 预警、补货建议、区间和影响说明 | 补货计划由计划员审批，预测调用专业模型 |
| 库位、拣选与仓内任务优化 | 库位、订单、设备、班次、优先级和约束 | 任务排序、拣选建议和冲突 | 仓储主管确认现场可行性 |
| 运输跟踪与异常调度 | 运单、车辆、路线、时效、天气和异常 | 异常摘要、备选路线、客户通知和待办 | 改派与交期承诺由人决定 |
| 销量预测与生产排程协同 | 销量、促销、BOM、产能、换线、库容和采购周期 | 预测区间、排程草案和冲突 | 专业模型求解，计划员锁单、改量和批准 |
| 经营日报、试点与治理 | 作业、库存、异常、采纳、返工、权限和日志 | 经营日报、试点基线、风险和复盘 | 指标口径与高风险动作由治理团队确认 |
三、三个优先场景
仓储知识与操作导航
这一场景的目标是把仓储制度、系统手册、SOP、用户问题整理成带出处的答复、目标页面、操作步骤。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
实时库存与库位查询
这一场景的目标是把物料、仓库、批次、库位、占用与可用量整理成实时库存、更新时间和差异提示。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
出入库与移库单草拟
这一场景的目标是把物料、数量、批次、库位和业务类型整理成单据草稿、字段校验和待确认项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 库位、拣选与仓内任务优化、经营日报、试点与治理 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 仓储知识与操作导航 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 实时库存与库位查询、盘点与库存差异分析、运输跟踪与异常调度 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 出入库与移库单草拟、缺货、超储、临期与补货、销量预测与生产排程协同 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“盘点与库存差异分析”。它所需输入是账面库存、盘点表、在途和历史记录，目标交付是差异清单、异常归类、复核任务和日报。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：库存差异处理时长、异常漏报率、人工调整率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 运输跟踪与异常调度：改派与交期承诺由人决定。
- 销量预测与生产排程协同：专业模型求解，计划员锁单、改量和批准。
- 经营日报、试点与治理：指标口径与高风险动作由治理团队确认。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 《WMS 仓储系统集成 AI Agent 实战》系列总纲
- 《仓储配送+AI运营提效新体验！》
- 《WorkBuddy 个人版与企业版到底差在哪？一文看懂》
- 《供应链AI Agent应用》
- 《人工智能应用案例｜京东物流：AI驱动的家电供应链提效升级案例》
商务售前与投标
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
商务售前与投标每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 商机与客户研究 | 客户、行业、项目背景和竞争信息 | 商机简报、关键人、问题假设 | 公开信息需核验，不越权收集个人数据 |
| 需求澄清 | RFP、访谈、现状和约束 | 需求矩阵、疑问和边界 | 客户未确认的内容不得写成承诺 |
| 解决方案初稿 | 需求、产品能力、架构和案例 | 方案结构、架构说明和价值映射 | 能力、兼容性和案例必须真实可证 |
| 配置与报价 | 配置、成本、折扣、税费和服务 | 配置表、报价草案和敏感性分析 | 价格、折扣和付款条件审批后生效 |
| 招标文件解读 | 招标文件、附件、澄清和模板 | 资格、评分、废标项、截止日和任务表 | 逐条回到原文，关键条款双人复核 |
| 应标材料编制 | 公司资料、案例、响应模板 | 章节草稿、材料清单和责任分工 | 不得虚构资质、人员、案例和参数 |
| 偏离表与一致性 | 需求条款、响应、技术参数 | 逐条响应、偏离和证据位置 | 重大偏离由商务和技术确认 |
| 演示与答辩 | 方案、客户关注点、演示脚本 | PPT、Demo流程和问答清单 | 演示环境和数据要提前实测 |
| 中标后交接 | 投标承诺、合同、风险和未决项 | 交接清单、承诺台账和验收点 | 避免销售承诺在交付中丢失 |
三、三个优先场景
商机与客户研究
这一场景的目标是把客户、行业、项目背景和竞争信息整理成商机简报、关键人、问题假设。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
需求澄清
这一场景的目标是把RFP、访谈、现状和约束整理成需求矩阵、疑问和边界。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
解决方案初稿
这一场景的目标是把需求、产品能力、架构和案例整理成方案结构、架构说明和价值映射。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 商机与客户研究、需求澄清、招标文件解读、应标材料编制 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 需求澄清 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 解决方案初稿 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 解决方案初稿、配置与报价 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“招标文件解读”。它所需输入是招标文件、附件、澄清和模板，目标交付是资格、评分、废标项、截止日和任务表。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：条款解析时间、响应完整率、承诺交接遗漏数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 偏离表与一致性：重大偏离由商务和技术确认。
- 演示与答辩：演示环境和数据要提前实测。
- 中标后交接：避免销售承诺在交付中丢失。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 14_30分钟做完一周客户调研AI做B2B客户研究的4个用法
- AI时代，公司真的缺销售吗？
- 五六零科技Ai解决方案：Ai销售员工培训解决方案
- AI 写方案+报价：销售决策不再'拍脑袋'--10 分钟出精准方案
- WorkBuddy 文件自动化模板礼包（可抄版）
审计内控与风控
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
审计内控与风控每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 数据抽取与准备 | 总账、凭证、合同、流程和审计范围 | 标准化数据、缺失和抽样清单 | 数据完整性和取数权限需记录 |
| 凭证与交易检查 | 凭证、附件、规则和历史异常 | 异常交易、证据和待核验项 | 模型标记不是审计结论 |
| 异常识别 | 全量交易、阈值和业务背景 | 异常模式、影响和抽查建议 | 低频异常与业务例外需访谈确认 |
| 内控规则测试 | 流程、控制点、权限和日志 | 控制缺口、失效证据和整改项 | 实际执行证据优先于制度文本 |
| 审计底稿 | 程序、证据、判断和模板 | 底稿草稿、交叉引用和缺件 | 审计人员对充分适当证据负责 |
| 整改跟踪 | 问题、责任人、期限和材料 | 状态、逾期、复核和关闭建议 | 关闭问题需复核证据 |
| 算法与AI审计 | 模型、数据、规则、输出和日志 | 偏差、可解释性、权限和追溯检查 | 需要技术、业务、法务共同参与 |
| 模型风险管理 | 模型清单、用途、风险等级和监控 | 模型台账、验证和退出条件 | 高风险模型不能只靠厂商自证 |
| 审计报告复核 | 事实、证据、结论和措辞 | 证据缺口、逻辑矛盾和表述建议 | 审计意见必须由有资质人员签发 |
三、三个优先场景
数据抽取与准备
这一场景的目标是把总账、凭证、合同、流程和审计范围整理成标准化数据、缺失和抽样清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
凭证与交易检查
这一场景的目标是把凭证、附件、规则和历史异常整理成异常交易、证据和待核验项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
异常识别
这一场景的目标是把全量交易、阈值和业务背景整理成异常模式、影响和抽查建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 凭证与交易检查、异常识别、内控规则测试、审计底稿 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 凭证与交易检查 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 数据抽取与准备 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 模型风险管理 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“数据抽取与准备”。它所需输入是总账、凭证、合同、流程和审计范围，目标交付是标准化数据、缺失和抽样清单。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：取数时间、异常复核命中率、底稿返工率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 算法与AI审计：需要技术、业务、法务共同参与。
- 模型风险管理：高风险模型不能只靠厂商自证。
- 审计报告复核：审计意见必须由有资质人员签发。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- WorkBuddy 供应链审计数据分析
- AI+审计！四大会计师事务所大动作，审计进入AI时代
- AI治理与审计AI化探讨
- 腾讯WorkBuddy Bench：具有抗污染任务构造的多领域编码智能体基准
- AI时代：财务人的AI科普（四）-WorkBuddy财务入门使用指南
电商运营
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
电商运营每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 选品与市场机会 | 平台趋势、搜索、竞品、价格和供应数据 | 候选品、证据、风险和验证计划 | 趋势不等于销量，需小规模试卖 |
| 商品标题与详情 | 真实参数、卖点、受众和平台规则 | 标题、卖点、详情页结构 | 禁止虚构功能、销量和效果 |
| 商品图与视频 | 实物图、品牌规范、尺寸和场景 | 主图、详情素材和视频脚本 | 不能误导商品外观，注意版权与平台规定 |
| 竞品与价格监控 | 竞品、SKU、价格、活动和评价 | 变化表、价格带和机会提示 | 抓取方式和频率遵守平台规则 |
| 广告与活动投放 | 商品、预算、受众、素材和历史数据 | 投放组合、文案和实验设计 | 预算、出价和上线由运营审批 |
| 客服问答 | 商品、订单、物流、售后政策 | 答复草稿、工单分类和升级 | 退款、赔偿和承诺不能自动决定 |
| 订单库存协同 | 订单、库存、在途、活动和交期 | 缺货、超卖、补货和异常清单 | 真实库存来自系统，不根据聊天推断 |
| 评论与退货分析 | 评论、退货原因、客服和商品数据 | 主题、缺陷、需求和改进优先级 | 保留原文，避免只按情绪分类 |
| 店铺经营复盘 | 流量、转化、客单、毛利、退款和广告 | 漏斗、商品/渠道对比和行动项 | 平台口径与财务口径需对齐 |
三、三个优先场景
选品与市场机会
这一场景的目标是把平台趋势、搜索、竞品、价格和供应数据整理成候选品、证据、风险和验证计划。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
商品标题与详情
这一场景的目标是把真实参数、卖点、受众和平台规则整理成标题、卖点、详情页结构。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
商品图与视频
这一场景的目标是把实物图、品牌规范、尺寸和场景整理成主图、详情素材和视频脚本。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 商品标题与详情、商品图与视频、竞品与价格监控、客服问答 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 商品标题与详情 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 订单库存协同 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 选品与市场机会、广告与活动投放 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“评论与退货分析”。它所需输入是评论、退货原因、客服和商品数据，目标交付是主题、缺陷、需求和改进优先级。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：评论分析时间、退货原因覆盖率、行动项完成率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 订单库存协同：真实库存来自系统，不根据聊天推断。
- 评论与退货分析：保留原文，避免只按情绪分类。
- 店铺经营复盘：平台口径与财务口径需对齐。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 一文说清哪些企业适合采用WorkBuddy企业版，哪些企业不适合采用
- 课程培训---AI+跨境电商
- AI电商不是电商+AI，而是商品=答案
- 跨境电商ai浏览器有哪些？跨境电商ai浏览器推荐
- 听完AI经营分析课，反而踏实了
私域社群运营
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
私域与社群运营每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 用户分层 | 标签、互动、购买、渠道和生命周期 | 用户分层、特征和触达建议 | 标签不得涉及敏感歧视信息 |
| 欢迎语与SOP | 来源、用户类型、产品和服务流程 | 欢迎语、首轮问题和后续SOP | 避免诱导、骚扰和夸大承诺 |
| 内容与分层触达 | 用户层级、内容、时间和频率 | 分层内容、发送计划和A/B测试 | 外发前人工审核，允许用户退订 |
| 社群答疑 | 知识库、聊天上下文和升级规则 | 答复、来源和转人工建议 | 群内隐私和无答案时拒答 |
| 线索识别 | 咨询、互动、资料领取和购买信号 | 意向线索和销售跟进建议 | 评分不能替代真实沟通 |
| 活动转化 | 活动目标、用户层级、权益和历史数据 | 活动方案、报名、提醒和复盘 | 价格、权益和抽奖规则需审核 |
| 聊天总结与交接 | 授权聊天记录、客户状态和任务 | 客户摘要、承诺和下一步 | 敏感聊天最小化使用 |
| 流失预警 | 互动、购买、投诉和服务数据 | 流失信号和挽回建议 | 相关性不等于客户真实意愿 |
| 合规与封号风险 | 发送规则、内容、频率和平台政策 | 风险清单、禁用动作和审核点 | 遵守广告、个人信息和平台规则 |
三、三个优先场景
用户分层
这一场景的目标是把标签、互动、购买、渠道和生命周期整理成用户分层、特征和触达建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
欢迎语与SOP
这一场景的目标是把来源、用户类型、产品和服务流程整理成欢迎语、首轮问题和后续SOP。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
内容与分层触达
这一场景的目标是把用户层级、内容、时间和频率整理成分层内容、发送计划和A/B测试。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 用户分层、内容与分层触达、社群答疑、线索识别 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 欢迎语与SOP | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 内容与分层触达 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 合规与封号风险 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“聊天总结与交接”。它所需输入是授权聊天记录、客户状态和任务，目标交付是客户摘要、承诺和下一步。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：交接耗时、用户标签准确率、过度触达投诉率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 聊天总结与交接：敏感聊天最小化使用。
- 流失预警：相关性不等于客户真实意愿。
- 合规与封号风险：遵守广告、个人信息和平台规则。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 如何用AI搭建简易私域运营体系？
- WorkBuddy 私域实战 100 讲 · 第02期｜WorkBuddy 和企业微信 是什么关系？
- AI漫剧粉丝私域运营指南
- HR必学：10个AI场景，用WorkBuddy打造数字员工
- 8月AI私域专场#社群运营
IT运维与信息化
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
IT运维与信息化每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 告警汇总与降噪 | 监控告警、拓扑、历史事件和阈值 | 聚合事件、影响面和优先级 | 高风险告警不能被模型自动压制 |
| 日志分析 | 日志、时间、版本、变更和症状 | 异常模式、根因假设和查询语句 | 日志可能含凭据和个人信息，先脱敏 |
| 故障排查 | 症状、日志、指标、部署和最近变更 | 排查树、验证命令和回滚建议 | 生产命令需人工批准 |
| 运维知识库 | SOP、故障单、架构和厂商手册 | 带出处的处理步骤和相似案例 | 版本和环境必须匹配 |
| 工单分类与处置 | 工单、资产、用户和SLA | 分类、优先级、建议和责任组 | 权限、重置和变更动作走审批 |
| 脚本生成 | 任务、环境、限制和回滚要求 | 脚本草案、检查项和试运行方案 | 先在隔离环境测试，禁止未审查生产执行 |
| 系统接口与集成 | 系统、字段、认证、频率和流程 | 接口映射、数据流和异常处理 | 接口幂等、权限、重试和审计必须设计 |
| 部署与巡检 | 环境、版本、配置和检查表 | 部署计划、巡检报告和差异 | 生产发布可回滚，密钥不进入提示词 |
| 资产与权限治理 | 资产、账号、角色和使用日志 | 资产台账、僵尸账号和权限异常 | 权限回收由授权管理员执行 |
三、三个优先场景
告警汇总与降噪
这一场景的目标是把监控告警、拓扑、历史事件和阈值整理成聚合事件、影响面和优先级。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
日志分析
这一场景的目标是把日志、时间、版本、变更和症状整理成异常模式、根因假设和查询语句。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
故障排查
这一场景的目标是把症状、日志、指标、部署和最近变更整理成排查树、验证命令和回滚建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 脚本生成、部署与巡检、资产与权限治理 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 运维知识库 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 告警汇总与降噪、日志分析、工单分类与处置、系统接口与集成 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 故障排查 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“运维知识库”。它所需输入是SOP、故障单、架构和厂商手册，目标交付是带出处的处理步骤和相似案例。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：工单处置时长、知识命中率、生产变更回退次数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 系统接口与集成：接口幂等、权限、重试和审计必须设计。
- 部署与巡检：生产发布可回滚，密钥不进入提示词。
- 资产与权限治理：权限回收由授权管理员执行。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI运维智能体：不换设备，不加人，一步落地AI运维
- AIOps场景下，WorkBuddy和Dify该怎么选
- AI + 运维 - 智能运维实践指南
- workbuddy+ima知识库应用：弱电人的高阶实战技巧 （3）
- IT运维服务报告
网络安全运营
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
网络安全运营每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 安全日志研判 | 安全日志、资产、基线和威胁规则 | 异常会话、证据和调查优先级 | 不能让模型自动清除告警或证据 |
| 事件响应 | 告警、时间线、资产和预案 | 事件摘要、处置步骤、沟通和复盘 | 隔离、封禁和取证动作由授权人员执行 |
| 漏洞分析 | 扫描、版本、代码和资产暴露 | 可利用性、影响和修复排序 | 不得在未授权目标上执行攻击 |
| 威胁情报 | IOC、报告、日志和业务资产 | 去重情报、关联和影响判断 | 情报来源可信度和时效需标注 |
| 权限审计 | 账号、角色、策略、调用日志 | 越权、闲置权限和整改建议 | 权限变更走审批并留痕 |
| 数据泄露响应 | 数据流、日志、外发和事件 | 疑似泄露、范围和处置清单 | 法律通知和证据保全由专业团队处理 |
| 提示注入测试 | 知识库、工具输出和测试样本 | 注入结果、污染字段和修复建议 | 外部文本一律视为不可信数据 |
| 红队与安全评测 | 模型、工具、权限和攻击面 | 测试用例、结果和残余风险 | 限定范围、时间和数据，防止真实破坏 |
| 审计报告 | 事件、证据、处置和控制 | 报告、控制缺口和行动项 | 事实与推测分开，证据链可复核 |
三、三个优先场景
安全日志研判
这一场景的目标是把安全日志、资产、基线和威胁规则整理成异常会话、证据和调查优先级。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
事件响应
这一场景的目标是把告警、时间线、资产和预案整理成事件摘要、处置步骤、沟通和复盘。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
漏洞分析
这一场景的目标是把扫描、版本、代码和资产暴露整理成可利用性、影响和修复排序。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 事件响应、漏洞分析、威胁情报、提示注入测试 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 事件响应 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 安全日志研判、数据泄露响应 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 权限审计 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“威胁情报”。它所需输入是IOC、报告、日志和业务资产，目标交付是去重情报、关联和影响判断。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：研判时间、误报率、证据链完整率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 提示注入测试：外部文本一律视为不可信数据。
- 红队与安全评测：限定范围、时间和数据，防止真实破坏。
- 审计报告：事实与推测分开，证据链可复核。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI运维实战10：安全运维中的AI应用
- AI安全事件应急响应--护网实战版
- 近一周 AI 安全事件剖析报告-- 聚焦因 AI 漏洞导致的安全事件（2026年7月20日-7月27日）
- 26全球AI安全企业Top30
- 《实施意见》来了，你的AI Agent权限管理做对了吗？
研发工程与工艺
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
研发工程与工艺每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 文献与专利检索 | 技术主题、分类、时间和法域 | 文献/专利表、技术路线和空白 | 回查原文、法律状态和权利要求 |
| 需求与规格整理 | 客户需求、标准、约束和历史版本 | 规格表、冲突、待确认项 | 规格冻结由研发与业务共同批准 |
| BOM检查 | BOM、替代料、版本和规则 | 缺件、重复、版本冲突和风险 | 实际可用性来自PLM/ERP和工程确认 |
| 工艺知识库 | SOP、参数、缺陷、设备和经验 | 带出处的工艺问答和处理步骤 | 关键参数和变更需工艺负责人确认 |
| 设计评审 | 图纸说明、规格、检查表和历史问题 | 评审问题、风险和验证项 | AI不能替代签审和安全责任 |
| 仿真与参数准备 | 模型、边界条件、材料和工况 | 参数表、方案和敏感性分析 | 仿真结果需专业软件和工程师验证 |
| 实验数据分析 | 实验记录、变量、样本和结果 | 统计、异常和下一轮实验建议 | 区分探索性发现和已验证结论 |
| 工程变更影响 | 变更、BOM、工艺、库存和客户 | 受影响对象、风险和验证清单 | 正式变更走ECR/ECO流程 |
| 经验沉淀 | 评审、故障、工艺和决策记录 | 知识条目、Skill草案和适用边界 | 隐性经验需专家验证，不能机械固化 |
三、三个优先场景
文献与专利检索
这一场景的目标是把技术主题、分类、时间和法域整理成文献/专利表、技术路线和空白。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
需求与规格整理
这一场景的目标是把客户需求、标准、约束和历史版本整理成规格表、冲突、待确认项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
BOM检查
这一场景的目标是把BOM、替代料、版本和规则整理成缺件、重复、版本冲突和风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | BOM检查、设计评审、仿真与参数准备、工程变更影响 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 文献与专利检索、工艺知识库 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 实验数据分析 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 需求与规格整理 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“文献与专利检索”。它所需输入是技术主题、分类、时间和法域，目标交付是文献/专利表、技术路线和空白。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：检索时间、BOM冲突发现率、工程变更遗漏数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 实验数据分析：区分探索性发现和已验证结论。
- 工程变更影响：正式变更走ECR/ECO流程。
- 经验沉淀：隐性经验需专家验证，不能机械固化。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 你们知道吗？高校开始采购AI专利工具了
- 用WorkBuddy 构建“自己”的IMA知识库
- WorkBuddy 1.2.0：手机端随时发起桌面任务，远程干活
- WorkBuddy走进制造企业：五大智能体场景与案例
- “AI 提效陷阱”：对快手万人组织 AI 研发范式的反思与组织提效路径
生产计划PMC
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
生产计划与PMC每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 需求转生产计划 | 订单、预测、库存、产能和交期 | 生产需求、缺口和优先级 | 订单承诺和预测口径需确认 |
| 智能排产 | 需求、产线、换线、班次、库存和约束 | 排程草案、冲突和影响 | 排产应由约束求解器处理，非大模型直接生成 |
| 插单与重排 | 新订单、锁定计划、产能和物料 | what-if方案、受影响订单和成本 | 计划员保留锁单和最终下发权 |
| 产能负荷 | 设备、班组、工时、维护和需求 | 负荷、瓶颈和调配建议 | 设备能力和人员约束现场确认 |
| BOM齐套 | BOM、库存、在途、替代料和损耗 | 齐套率、缺料和替代方案 | 替代料需工程和质量批准 |
| 缺料预警 | 计划、采购、库存、在途和交期 | 缺料时间、影响工单和催办 | 数据需来自ERP/MES/WMS |
| 工单下发 | 批准计划、工艺、人员和设备 | 工单草稿和下发检查 | 写入MES前审批、校验和回滚 |
| 生产日报 | 产量、良率、停机、工时和异常 | 日报、偏差和问题清单 | 现场数据和异常原因需班组确认 |
| 计划偏差复盘 | 计划、实际、插单、停机和缺料 | 偏差分类、影响和改进项 | 不把模型建议当作责任认定 |
三、三个优先场景
需求转生产计划
这一场景的目标是把订单、预测、库存、产能和交期整理成生产需求、缺口和优先级。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
智能排产
这一场景的目标是把需求、产线、换线、班次、库存和约束整理成排程草案、冲突和影响。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
插单与重排
这一场景的目标是把新订单、锁定计划、产能和物料整理成what-if方案、受影响订单和成本。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 需求转生产计划、插单与重排、产能负荷、缺料预警 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 智能排产 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 智能排产、工单下发 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | BOM齐套 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“生产日报”。它所需输入是产量、良率、停机、工时和异常，目标交付是日报、偏差和问题清单。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：计划编制时间、缺料命中率、人工重排次数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 工单下发：写入MES前审批、校验和回滚。
- 生产日报：现场数据和异常原因需班组确认。
- 计划偏差复盘：不把模型建议当作责任认定。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI应用案例 ｜ 制造业生产优化：General Electric
- 销量预测 + AI 智能排产 & 供应链（产销协同）-FDE参考项目案例
- AI中台-DevMate.AI
- 为什么大部分PMC AI项目都失败了？
- WorkBuddy 1.2.0：手机端随时发起桌面任务，远程干活
质量管理
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
质量管理每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 视觉质检 | 合格/缺陷样本、相机、工位和标准 | 缺陷检测、位置、置信度和复核队列 | 模型只能辅助，低置信度转人工 |
| 缺陷分类 | 缺陷图片/文本、分类标准和历史案例 | 缺陷类型、严重度和相似案例 | 新缺陷和边界样本需质量人员确认 |
| 检验报告 | 检验记录、标准、批次和结果 | 报告草稿、缺项和不一致 | 检验签字和放行不能自动完成 |
| 客诉分析 | 客诉、批次、生产、物流和售后资料 | 问题主题、影响范围和调查清单 | 客户责任与产品责任不能凭文本判定 |
| 根因分析 | 缺陷、过程参数、5Why/鱼骨和证据 | 根因假设、验证实验和优先级 | 根因必须用实验和现场证据验证 |
| CAPA整改 | 问题、原因、责任、措施和期限 | CAPA草案、跟踪和有效性检查 | 关闭前验证措施有效 |
| 质量知识库 | 标准、SOP、缺陷库和8D报告 | 带出处问答和相似问题 | 标准版本和适用产品必须明确 |
| 过程质量预警 | SPC、设备、物料、环境和质量数据 | 趋势、异常和检查建议 | 预警阈值由质量/工艺共同定义 |
| 供应商质量 | 来料、退货、审核和整改记录 | 供应商质量评分、风险和审核重点 | 停供、降级和索赔由组织审批 |
三、三个优先场景
视觉质检
这一场景的目标是把合格/缺陷样本、相机、工位和标准整理成缺陷检测、位置、置信度和复核队列。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
缺陷分类
这一场景的目标是把缺陷图片/文本、分类标准和历史案例整理成缺陷类型、严重度和相似案例。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
检验报告
这一场景的目标是把检验记录、标准、批次和结果整理成报告草稿、缺项和不一致。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 视觉质检、缺陷分类、检验报告、客诉分析 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 质量知识库 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 检验报告 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 供应商质量 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“检验报告”。它所需输入是检验记录、标准、批次和结果，目标交付是报告草稿、缺项和不一致。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：报告耗时、缺陷分类一致率、CAPA逾期率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 质量知识库：标准版本和适用产品必须明确。
- 过程质量预警：预警阈值由质量/工艺共同定义。
- 供应商质量：停供、降级和索赔由组织审批。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 72% 大企业 AI 试点全失败:联合利华砍 420 个项目才摸到真玩法
- AI行业应用案例82-83～医疗与制造行业的AI应用案例
- AI也有「来料检验」？训练数据的质量黑洞
- 工业大模型的数据“饥荒”：主数据质量决定AI上限
- JIT：六种AI能力重塑企业可持续性
供应链计划
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
供应链计划每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 需求预测 | 销量、促销、天气、节假日和渠道 | 预测、区间、偏差和风险 | 展示误差区间，突发事件由计划员调整 |
| 库存与补货 | 库存、在途、销量、交期和服务水平 | 补货建议、缺货和超储风险 | 写入计划前人工审批 |
| 采购计划 | 需求、BOM、库存、提前期和MOQ | 采购需求、到货计划和缺口 | 供应商承诺需采购确认 |
| 供应风险监控 | 供应商、运输、天气、新闻和库存 | 风险事件、影响和预案 | 外部信息分可信度，重大风险升级 |
| 备选供应方案 | 规格、认证、产能、价格和交期 | 备选供应商和验证清单 | 替代需要工程、质量和采购批准 |
| 产销协同 | 销售预测、产能、库存和活动 | 供需差异、方案和会议材料 | AI不替代S&OP决策会议 |
| 多仓库存平衡 | 多仓库存、需求、调拨成本和时效 | 调拨建议和缺货影响 | 调拨写库前核验真实库存 |
| 情景分析 | 需求变化、供应中断、成本和约束 | 多方案成本、服务和风险对比 | 假设必须可见且可修改 |
| 计划偏差复盘 | 预测、计划、实际和例外 | 偏差来源、采纳率和改进项 | 区分模型误差、数据问题和人为覆盖 |
三、三个优先场景
需求预测
这一场景的目标是把销量、促销、天气、节假日和渠道整理成预测、区间、偏差和风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
库存与补货
这一场景的目标是把库存、在途、销量、交期和服务水平整理成补货建议、缺货和超储风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
采购计划
这一场景的目标是把需求、BOM、库存、提前期和MOQ整理成采购需求、到货计划和缺口。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 采购计划、产销协同、情景分析、计划偏差复盘 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 库存与补货 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 库存与补货、多仓库存平衡 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 需求预测、供应风险监控、备选供应方案 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“计划偏差复盘”。它所需输入是预测、计划、实际和例外，目标交付是偏差来源、采纳率和改进项。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：预测偏差、缺货率、人工覆盖原因记录率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 多仓库存平衡：调拨写库前核验真实库存。
- 情景分析：假设必须可见且可修改。
- 计划偏差复盘：区分模型误差、数据问题和人为覆盖。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 4flow供应链会客厅｜当AI开始预测需求，供应链会发生什么？
- 【企业AI案例】星巴克叫停 AI库存盘点：企业 AI 最大的坎，不是模型，而是供应链闭环
- AI采购培训｜采购与供应链AI实践应用课程推荐
- 人工智能AI在物流供应链领域的应用案例 --供应链风险管理平台 Everstream Analytics
- AI+供应商管理：老采购用AI做供应商画像
零售门店
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
零售门店每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 门店需求与补货 | 销量、库存、天气、活动和交期 | 补货建议、缺货和滞销风险 | 店长可调整并记录原因 |
| 选品与陈列 | 商圈、客群、销量、空间和商品 | 选品、陈列和验证建议 | 实际动线和品牌策略需现场确认 |
| 动态定价与出清 | 库存、保质期、需求、毛利和规则 | 折扣/出清建议和影响 | 价格政策和消费者公平性需审批 |
| 排班 | 客流、技能、工时、法规和偏好 | 班表、缺口和备选方案 | 遵守劳动规则并允许员工反馈 |
| 导购知识与话术 | 商品、促销、客户需求和禁用表述 | 推荐理由、对比和话术草稿 | 不能虚假宣传或诱导消费 |
| 巡店与问题闭环 | 检查表、照片说明、整改和标准 | 问题清单、责任人和复查计划 | 高风险问题由现场人员确认 |
| 会员运营 | 会员、购买、权益和互动 | 分层、活动和服务建议 | 个人信息最小化并允许退出 |
| 损耗与防损 | 盘点、报损、退货和异常交易 | 损耗趋势、异常和核查清单 | 不得仅凭模型怀疑员工或顾客 |
| 门店经营日报 | 销售、毛利、客流、库存和人员 | 一页日报、异常和行动项 | 口径统一，不能用单日波动定责 |
三、三个优先场景
门店需求与补货
这一场景的目标是把销量、库存、天气、活动和交期整理成补货建议、缺货和滞销风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
选品与陈列
这一场景的目标是把商圈、客群、销量、空间和商品整理成选品、陈列和验证建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
动态定价与出清
这一场景的目标是把库存、保质期、需求、毛利和规则整理成折扣/出清建议和影响。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 门店需求与补货、排班、巡店与问题闭环、会员运营 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 导购知识与话术 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 动态定价与出清 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 选品与陈列、动态定价与出清 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“门店经营日报”。它所需输入是销售、毛利、客流、库存和人员，目标交付是一页日报、异常和行动项。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：日报耗时、缺货与滞销预警命中率、店长采纳率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 会员运营：个人信息最小化并允许退出。
- 损耗与防损：不得仅凭模型怀疑员工或顾客。
- 门店经营日报：口径统一，不能用单日波动定责。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 1Panel企业版：企业全员落地WorkBuddy的好帮手
- AI+零售：你的下一个导购是AI
- 餐饮老板，建议你养一只 WorkBuddy
- AI+电商零售，看这6个具体案例场景
- 零售AI案例：多点「AI动态出清与选品」重构零售新范式
客户成功实施交付
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
客户成功、实施与交付每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 需求澄清与蓝图 | 合同、需求、现状、流程和系统 | 蓝图、边界、差异和风险 | 口头期待不能替代签字确认 |
| 上线配置与检查 | 环境、配置、账号、接口和计划 | 上线清单、差异和回滚 | 生产上线由客户和交付共同批准 |
| 数据迁移 | 源数据、映射、质量和目标系统 | 映射、清洗、校验和未迁移项 | 保留备份、对账和回滚 |
| 培训与操作材料 | 产品、角色、场景和常见问题 | 分角色课程、手册和练习 | 以真实任务验收，不只看听课完成 |
| 验收测试 | 合同、需求、场景、基线和数据 | 测试用例、结果、缺陷和证据 | 演示、准确率和业务结果分层验收 |
| 问题工单 | 工单、日志、版本、SLA和客户背景 | 分类、根因假设、回复和升级 | 复杂事故交工程师，不自动关闭 |
| 使用与采用分析 | 活跃、任务、失败、反馈和培训 | 采用漏斗、阻力和改进建议 | 不以登录次数代替业务价值 |
| 续约与流失风险 | 价值、使用、问题、合同和关系 | 风险信号、行动和沟通材料 | 续约判断结合客户真实反馈 |
| 项目复盘与资产化 | 目标、配置、问题、结果和经验 | 复盘、模板、Skill和可复制边界 | 客户专有数据与通用资产隔离 |
三、三个优先场景
需求澄清与蓝图
这一场景的目标是把合同、需求、现状、流程和系统整理成蓝图、边界、差异和风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
上线配置与检查
这一场景的目标是把环境、配置、账号、接口和计划整理成上线清单、差异和回滚。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
数据迁移
这一场景的目标是把源数据、映射、质量和目标系统整理成映射、清洗、校验和未迁移项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 需求澄清与蓝图、培训与操作材料、验收测试、使用与采用分析 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 上线配置与检查 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 数据迁移、问题工单 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 上线配置与检查、续约与流失风险 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“培训与操作材料”。它所需输入是产品、角色、场景和常见问题，目标交付是分角色课程、手册和练习。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：上线问题数、验收缺陷关闭率、真实任务采用率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 使用与采用分析：不以登录次数代替业务价值。
- 续约与流失风险：续约判断结合客户真实反馈。
- 项目复盘与资产化：客户专有数据与通用资产隔离。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 政务 AI 项目实施：需求、数据、验收全流程要点
- AI项目上线前，老板先写这张验收表
- 用起来！｜ WorkBuddy 企业AI助手实战培训
- 软件没做验收就交付，后患无穷
- 从毛坯验收毛坯交付、毛坯验收精装交付、精装验收精装交付三种情况解读精装修部分保修责任
咨询与专业服务
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
咨询与专业服务每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 行业与客户研究 | 行业、客户、竞争、政策和时间范围 | 证据表、趋势、关键问题和未知项 | 公开资料需标来源，结论回查一手材料 |
| 客户访谈准备 | 项目目标、角色、现状和假设 | 访谈提纲、追问和证据需求 | 问题要中立，不诱导客户迎合假设 |
| 访谈纪要与编码 | 录音转写、角色、议题和授权范围 | 纪要、主题编码、原话和矛盾点 | 录音使用须获授权，关键原话人工核对 |
| 企业诊断 | 流程、岗位、数据、系统、问题和目标 | 问题树、成熟度、优先级和证据缺口 | 不能用通用模板替代现场事实 |
| 方案与路线图 | 诊断、资源、约束、风险和目标 | 分阶段方案、责任、验收和退出条件 | 价值与周期不得无依据承诺 |
| 数据分析与模型 | 客户数据、口径、假设和业务背景 | 分析、敏感性、图表和限制 | 口径、异常值和因果判断由顾问复核 |
| 报告与PPT | 证据、结论、受众和品牌模板 | 报告草稿、页面结构和执行摘要 | 不得把推测包装成客户事实 |
| 建议书与报价 | 范围、交付、团队、周期和成本 | 建议书、工作计划、报价和假设 | 范围、价格和法律条款审批后生效 |
| 知识资产与复盘 | 项目产出、反馈、方法和保密边界 | 复盘、模板、案例索引和可复用方法 | 客户专有数据与通用方法严格隔离 |
三、三个优先场景
行业与客户研究
这一场景的目标是把行业、客户、竞争、政策和时间范围整理成证据表、趋势、关键问题和未知项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
客户访谈准备
这一场景的目标是把项目目标、角色、现状和假设整理成访谈提纲、追问和证据需求。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
访谈纪要与编码
这一场景的目标是把录音转写、角色、议题和授权范围整理成纪要、主题编码、原话和矛盾点。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 行业与客户研究、客户访谈准备、访谈纪要与编码、报告与PPT | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 知识资产与复盘 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 数据分析与模型 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 企业诊断、方案与路线图、建议书与报价 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“行业与客户研究”。它所需输入是行业、客户、竞争、政策和时间范围，目标交付是证据表、趋势、关键问题和未知项。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：研究耗时、证据完整率、客户修改轮次。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 报告与PPT：不得把推测包装成客户事实。
- 建议书与报价：范围、价格和法律条款审批后生效。
- 知识资产与复盘：客户专有数据与通用方法严格隔离。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 咨询｜AI 咨询顾问，到底在做什么？
- WorkBuddy 应用⑤：让 AI 替你「录音转写总结」
- AI咨询顾问能为企业解决哪些管理难题？
- AI这么火，你的企业用上了吗 ？｜ 免费领企业AI诊断报告
- WorkBuddy+Excel数据分析自动化全流程分享
科研学术
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
科研与学术每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 文献检索 | 研究问题、数据库、时间和学科 | 检索式、文献表、证据和缺口 | 逐篇核对题名、DOI、作者和原文 |
| 综述与证据矩阵 | 入选论文、研究问题和筛选标准 | 主题、方法、结论、冲突和证据表 | 不得根据摘要虚构论文结论 |
| 研究问题与设计 | 现有证据、对象、变量、资源和伦理要求 | 假设、研究设计、样本和风险 | 研究者与伦理审查承担最终责任 |
| 实验方案与记录 | 协议、材料、设备、变量和历史记录 | 步骤、检查表、记录模板和偏差项 | 危险实验、关键参数和操作由专业人员确认 |
| 科研数据处理 | 原始数据、字典、统计计划和代码 | 清洗日志、分析代码、结果和限制 | 保留原始数据，防止选择性报告 |
| 代码与复现实验 | 论文、代码、环境、数据和随机种子 | 环境说明、运行结果、差异和复现报告 | 不要把运行成功等同于科学结论成立 |
| 论文写作 | 真实研究结果、图表、结构和期刊规范 | 章节草稿、图注、摘要和修改清单 | 禁止代造数据、引用和作者贡献 |
| 引用与事实核验 | 稿件、参考文献和原文 | 引文对应、缺失引用和错误清单 | AI生成引用一律回查数据库与原文 |
| 基金与项目申报 | 指南、基础、团队、预算和计划 | 申请书框架、材料表和一致性检查 | 不得虚构成果、团队经历和预算依据 |
三、三个优先场景
文献检索
这一场景的目标是把研究问题、数据库、时间和学科整理成检索式、文献表、证据和缺口。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
综述与证据矩阵
这一场景的目标是把入选论文、研究问题和筛选标准整理成主题、方法、结论、冲突和证据表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
研究问题与设计
这一场景的目标是把现有证据、对象、变量、资源和伦理要求整理成假设、研究设计、样本和风险。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 综述与证据矩阵、研究问题与设计、代码与复现实验、论文写作 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 文献检索 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 科研数据处理 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 实验方案与记录 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“文献检索”。它所需输入是研究问题、数据库、时间和学科，目标交付是检索式、文献表、证据和缺口。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：检索时间、引用错误率、复现实验成功率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 论文写作：禁止代造数据、引用和作者贡献。
- 引用与事实核验：AI生成引用一律回查数据库与原文。
- 基金与项目申报：不得虚构成果、团队经历和预算依据。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 麦伴聊斋 ｜ 为什么现在的AI科研工具不好用？
- Codex辅助经管科研：选题、文献、数据、写作，一步到位
- 在AI时代，如何重构你的论文写作工作流？
- WorkBuddy和Codex，新手怎么选
- 从“AI写作”到“AI研究系统”：2026年科研工作流正在发生什么变化？
医疗医药
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
医疗与医药每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 病历与资料整理 | 授权病历、检查、用药和时间线 | 结构化摘要、缺项和待核对信息 | 不得擅自改写病历事实，医生签署 |
| 医学文献检索 | 临床问题、PICO、指南和数据库 | 证据表、指南差异和原文链接 | 医学建议基于最新权威指南并由医生判断 |
| 辅助诊断与鉴别 | 症状、体征、检查和病史 | 鉴别诊断、缺失检查和风险提示 | AI不能独立诊断，急危重症优先人工处置 |
| 临床决策支持 | 诊断、指南、患者特征和禁忌 | 治疗选项、证据、禁忌和监测点 | 处方与治疗必须由有资质医生决定 |
| 患者咨询与随访 | 授权患者信息、方案、随访表和升级规则 | 健康教育、提醒、问卷和转人工建议 | 不做虚假承诺，异常症状立即升级 |
| 护理记录与交接 | 护理记录、医嘱、生命体征和风险 | 交班摘要、待办和风险清单 | 护士逐项核对，不能遗漏关键生命体征 |
| 医院运营与质控 | 病案、流程、指标和规则 | 质控缺项、异常和整改建议 | 质控标记不等于医疗责任认定 |
| 药物研发与临床试验 | 靶点、文献、试验、法规和数据 | 候选方向、方案草稿和风险 | 遵守伦理、GCP与监管，结果需实验验证 |
| 隐私与合规 | 数据流、授权、模型、日志和场景 | 脱敏、权限、审计和风险清单 | 医疗数据最小化使用，禁止未授权外发 |
三、三个优先场景
病历与资料整理
这一场景的目标是把授权病历、检查、用药和时间线整理成结构化摘要、缺项和待核对信息。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
医学文献检索
这一场景的目标是把临床问题、PICO、指南和数据库整理成证据表、指南差异和原文链接。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
辅助诊断与鉴别
这一场景的目标是把症状、体征、检查和病史整理成鉴别诊断、缺失检查和风险提示。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 病历与资料整理、临床决策支持、患者咨询与随访、护理记录与交接 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 医学文献检索 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 辅助诊断与鉴别 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 辅助诊断与鉴别 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“病历与资料整理”。它所需输入是授权病历、检查、用药和时间线，目标交付是结构化摘要、缺项和待核对信息。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：病历整理时间、关键信息漏项率、医生修改量。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 医院运营与质控：质控标记不等于医疗责任认定。
- 药物研发与临床试验：遵守伦理、GCP与监管，结果需实验验证。
- 隐私与合规：医疗数据最小化使用，禁止未授权外发。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 2020 AI医疗行业案例研究报告 ｜【医疗专题报告】
- 4000位医生的AI需求调研分析：医生的'真痛点'和'假需求
- AI医疗企业盘点：谁在领跑AI辅助诊断赛道？
- AI进入临床试验，ROI最高达82倍！
- AI应用案例：AI驱动的智能医疗咨询助手
金融银行与投研
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
金融、银行与投研每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 客户尽调与反洗钱 | 授权客户资料、名单、交易和规则 | 尽调摘要、异常、证据和升级建议 | 客户风险定级与报告由合规人员批准 |
| 财报与公告分析 | 财报、公告、行业数据和口径 | 指标、变化、风险和原文定位 | 核对原表和会计口径，不凭摘要下结论 |
| 投研检索与纪要 | 公司、行业、事件、研报和会议记录 | 证据表、观点差异、纪要和问题清单 | 未公开重大信息和版权资料受控使用 |
| 估值与情景分析 | 财务数据、假设、模型和可比公司 | 估值区间、敏感性和假设表 | AI不提供无条件投资结论，假设必须可见 |
| 信贷材料与风险 | 申请、流水、征信、经营和担保信息 | 材料核对、风险信号和调查清单 | 不得仅靠模型自动拒贷，遵守公平与解释要求 |
| 市场与组合监控 | 持仓、行情、风险限额和新闻 | 风险敞口、异常、事件和预案 | 交易与调仓需授权，外部新闻核验来源 |
| 合规审查 | 产品、营销、沟通、规则和留痕 | 风险表述、缺失披露和待审项 | 正式合规意见由专业人员出具 |
| 客户服务与财富沟通 | 产品资料、客户问题、风险等级和禁语 | 答复草稿、产品对比和转人工 | 不得保证收益或绕过适当性管理 |
| 经营分析与报告 | 客户、渠道、产品、收入、成本和风险 | 经营看板、变化和行动项 | 统一财务、业务和监管口径 |
三、三个优先场景
客户尽调与反洗钱
这一场景的目标是把授权客户资料、名单、交易和规则整理成尽调摘要、异常、证据和升级建议。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
财报与公告分析
这一场景的目标是把财报、公告、行业数据和口径整理成指标、变化、风险和原文定位。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
投研检索与纪要
这一场景的目标是把公司、行业、事件、研报和会议记录整理成证据表、观点差异、纪要和问题清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 财报与公告分析、投研检索与纪要、估值与情景分析、市场与组合监控 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 财报与公告分析 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 投研检索与纪要 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 客户尽调与反洗钱、信贷材料与风险 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“财报与公告分析”。它所需输入是财报、公告、行业数据和口径，目标交付是指标、变化、风险和原文定位。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：分析耗时、原文定位完整率、合规复核退回率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 合规审查：正式合规意见由专业人员出具。
- 客户服务与财富沟通：不得保证收益或绕过适当性管理。
- 经营分析与报告：统一财务、业务和监管口径。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 让AI五分钟完成反洗钱客户尽职调查：企查查MCP + 客户尽调实测
- AI金融/财税/法律/投资行业抓客案例
- AI 投研工作流
- AI风控智能体应用开启零售金融咨询新模式
- AI+金融场景应用案例9：做保险IP，要会用 AI 拆解账号
设计创意
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
设计与创意每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 需求与品牌拆解 | Brief、品牌、受众、媒介和约束 | 需求表、关键问题、禁用项和验收标准 | 设计师与客户确认方向，避免误解Brief |
| 灵感与趋势研究 | 主题、行业、受众、时间和参考边界 | 情绪板、方向、来源和差异化机会 | 灵感不等于可复制，记录来源与版权 |
| 概念与草图 | 创意策略、元素、文案和版式 | 多方向概念、草图和选择理由 | 创意判断与品牌一致性由设计师负责 |
| 海报与营销视觉 | 活动、文案、品牌规范、尺寸和素材 | 海报初稿、版式和多尺寸适配 | 产品、人像和效果不得误导 |
| UI原型与交互 | 需求、用户任务、组件和平台规范 | 信息架构、线框图、界面和交互说明 | 需可用性测试与工程可行性评审 |
| 多版本与本地化 | 母版、语言、尺寸、地区和渠道规则 | 多语言、多尺寸和差异清单 | 文化语境和译文由当地人员复核 |
| 文案与视觉协同 | 卖点、品牌语气、画面和渠道 | 标题、画面文案和视觉结构 | 避免文案与画面承诺不一致 |
| 版权与素材治理 | 模型、素材、授权、生成记录和用途 | 来源台账、许可、风险和替换方案 | 商业发布前做版权、肖像和商标审查 |
| 交付与资产管理 | 源文件、字体、图片、版本和尺寸 | 交付包、命名、清单和可编辑源稿 | 检查字体许可、链接文件和版本完整性 |
三、三个优先场景
需求与品牌拆解
这一场景的目标是把Brief、品牌、受众、媒介和约束整理成需求表、关键问题、禁用项和验收标准。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
灵感与趋势研究
这一场景的目标是把主题、行业、受众、时间和参考边界整理成情绪板、方向、来源和差异化机会。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
概念与草图
这一场景的目标是把创意策略、元素、文案和版式整理成多方向概念、草图和选择理由。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 需求与品牌拆解、灵感与趋势研究、概念与草图、海报与营销视觉 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 灵感与趋势研究 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 概念与草图 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 海报与营销视觉 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“需求与品牌拆解”。它所需输入是Brief、品牌、受众、媒介和约束，目标交付是需求表、关键问题、禁用项和验收标准。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：方案产出时间、品牌规范命中率、版权问题数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 文案与视觉协同：避免文案与画面承诺不一致。
- 版权与素材治理：商业发布前做版权、肖像和商标审查。
- 交付与资产管理：检查字体许可、链接文件和版本完整性。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 零售 AI 场景设计：需求驱动，用 AI 重构零售效率
- AI设计有版权风险吗？
- 用 WorkBuddy 做企业名片
- 电商设计，我用 AI 就行
- WorkBuddy（Claw）原型设计之Axhub实战篇
建筑工程与物业
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
建筑工程与物业每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 规范与图文资料检索 | 专业、地区、项目阶段和规范版本 | 条文、适用范围、冲突和原文位置 | 确认现行版本，正式解释由专业人员负责 |
| 方案与设计审查 | 任务书、图纸说明、规范和检查表 | 问题、冲突、待核验项和评审清单 | AI不能替代注册人员签审 |
| 工程量与造价 | 清单、图纸、定额、合同和价格 | 工程量核对、询价表和造价草案 | 原始工程量、定额和价格需造价人员复核 |
| 施工计划与进度 | WBS、资源、合同、现场和依赖 | 排期、关键路径、偏差和赶工方案 | 现场约束与承诺由项目团队确认 |
| 安全与质量巡检 | 检查表、巡检记录、照片说明和规范 | 隐患、质量问题、责任和复查计划 | 危急隐患立即人工处置，不等AI判断 |
| 签证变更与索赔 | 合同、通知、图纸、记录和费用 | 时间线、证据清单、影响和文书草稿 | 合同权利与金额由商务法务审核 |
| 会议纪要与资料归档 | 会议、日志、函件、图纸和版本 | 纪要、待办、文件索引和版本差异 | 关键决策会后签认 |
| 物业工单与设备运维 | 报修、资产、巡检、SLA和历史故障 | 分类、派单建议、SOP和升级 | 停机、断电和安全操作由授权人员执行 |
| 能耗与经营分析 | 能耗、面积、设备、天气和费用 | 异常、基准、节能机会和报告 | 节能控制策略先仿真和人工审批 |
三、三个优先场景
规范与图文资料检索
这一场景的目标是把专业、地区、项目阶段和规范版本整理成条文、适用范围、冲突和原文位置。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
方案与设计审查
这一场景的目标是把任务书、图纸说明、规范和检查表整理成问题、冲突、待核验项和评审清单。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
工程量与造价
这一场景的目标是把清单、图纸、定额、合同和价格整理成工程量核对、询价表和造价草案。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 规范与图文资料检索、工程量与造价、施工计划与进度、安全与质量巡检 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 方案与设计审查 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 物业工单与设备运维 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 方案与设计审查、能耗与经营分析 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“会议纪要与资料归档”。它所需输入是会议、日志、函件、图纸和版本，目标交付是纪要、待办、文件索引和版本差异。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：资料整理时间、问题提前发现率、现场复核通过率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 会议纪要与资料归档：关键决策会后签认。
- 物业工单与设备运维：停机、断电和安全操作由授权人员执行。
- 能耗与经营分析：节能控制策略先仿真和人工审批。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI在建筑勘察施工中的应用
- 腾讯的claw--workbuddy在土木工程施工技术方案设计中的应用
- AI重构工程岗位，造价监理巡检大变局，未来哪些人才更吃香？
- AI在建筑施工领域的应用
- ‘’AI+工程档案”一人公司实施方案
政务与公文
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
政务、公文与公共服务每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 政策与法规检索 | 事项、地区、层级、时间和关键词 | 现行文件、条款、沿革和原文链接 | 核对发布机关、效力、适用地域和时点 |
| 公文起草 | 事项、依据、受众、格式和已有材料 | 通知、请示、报告等草稿与缺件 | 主旨、事实、密级和正式发文人工审核 |
| 材料汇编与信息报送 | 多部门材料、模板、口径和期限 | 汇总稿、矛盾、缺报项和来源表 | 不得为凑齐材料补造事实和数字 |
| 会议纪要与督办 | 授权转写、议题、参会人和任务 | 决策、任务、责任、期限和督办表 | 会后确认，敏感会议按保密要求处理 |
| 政策解读与问答 | 正式文件、办事指南、案例和人群 | 通俗解读、问答、适用条件和来源 | 不扩大政策承诺，复杂事项转人工 |
| 热线与工单 | 来电转写、事项库、区域和流程 | 分类、摘要、派单建议和回复草稿 | 紧急事件和敏感诉求立即升级 |
| 事项受理与材料预审 | 办事指南、申请材料和规则 | 缺件、格式、冲突和补正提示 | 预审不等于行政许可或正式决定 |
| 档案编目与目录审核 | 档案目录、元数据、分类和保管规则 | 分类、缺项、重复和一致性问题 | 销毁、开放和密级调整需法定审批 |
| 保密与安全 | 数据分类、模型、权限、日志和场景 | 可用边界、风险、审计和培训材料 | 涉密信息不得进入未批准模型或系统 |
三、三个优先场景
政策与法规检索
这一场景的目标是把事项、地区、层级、时间和关键词整理成现行文件、条款、沿革和原文链接。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
公文起草
这一场景的目标是把事项、依据、受众、格式和已有材料整理成通知、请示、报告等草稿与缺件。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
材料汇编与信息报送
这一场景的目标是把多部门材料、模板、口径和期限整理成汇总稿、矛盾、缺报项和来源表。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 公文起草、材料汇编与信息报送、会议纪要与督办、事项受理与材料预审 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 政策与法规检索、政策解读与问答 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 热线与工单 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 档案编目与目录审核、保密与安全 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“公文起草”。它所需输入是事项、依据、受众、格式和已有材料，目标交付是通知、请示、报告等草稿与缺件。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：材料编制时间、依据引用正确率、退回补正率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 事项受理与材料预审：预审不等于行政许可或正式决定。
- 档案编目与目录审核：销毁、开放和密级调整需法定审批。
- 保密与安全：涉密信息不得进入未批准模型或系统。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 【AI政务】AI政务智能体平台建设方案
- 行政人别再被通知、纪要、台账淹没了！5个WorkBuddy工作流，把公文写作、会议整理、政策解读全
- 自动化
- “AI+政务”全国创新实践案例
- 告别繁琐人工审核！档案目录内容 AI 审核系统全新上线，智能校验一步到位
- 【AI政务】AI政务大模型平台建设方案
外贸跨境
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
外贸与跨境业务每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 市场与客户开发 | 国家、行业、产品、渠道和公开数据 | 目标客户、证据、联系人线索和计划 | 遵守当地隐私与反垃圾营销规则 |
| 客户与渠道背调 | 公司、域名、注册、新闻和交易资料 | 主体、风险、关联和待核验项 | 回查官方登记和制裁名单，不凭同名下结论 |
| 多语邮件与跟进 | 客户背景、产品、阶段、语气和承诺边界 | 开发信、回复、跟进和版本 | 价格、交期、认证和赔偿承诺需审核 |
| 询盘分析与需求澄清 | 询盘、附件、产品参数和历史沟通 | 需求表、关键问题、风险和下一步 | 模糊参数先问清，不能自动承诺可供货 |
| 报价与谈判准备 | 成本、币种、贸易术语、税费、物流和政策 | 报价草案、利润、敏感性和谈判方案 | 最终报价、付款与贸易条款审批生效 |
| 产品本地化与内容 | 产品、市场、语言、文化和平台规则 | 页面、广告、FAQ和禁用表述 | 当地人员复核文化、法规与翻译 |
| 单证与订单核对 | 合同、发票、装箱单、提单和信用证 | 字段差异、缺件、风险和单证草稿 | 信用证条款、报关和银行文件逐项复核 |
| 物流与异常沟通 | 订单、节点、承运商、海关和客户沟通 | 异常摘要、预案和多语通知 | 真实状态来自系统，重大改线人工决定 |
| 售后与合规 | 投诉、退货、质保、制裁、出口管制和产品法规 | 处理建议、证据和升级路径 | 法律、制裁和赔付由专业人员批准 |
三、三个优先场景
市场与客户开发
这一场景的目标是把国家、行业、产品、渠道和公开数据整理成目标客户、证据、联系人线索和计划。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
客户与渠道背调
这一场景的目标是把公司、域名、注册、新闻和交易资料整理成主体、风险、关联和待核验项。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
多语邮件与跟进
这一场景的目标是把客户背景、产品、阶段、语气和承诺边界整理成开发信、回复、跟进和版本。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 市场与客户开发、客户与渠道背调、多语邮件与跟进、询盘分析与需求澄清 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 客户与渠道背调 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 单证与订单核对 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 报价与谈判准备、售后与合规 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“多语邮件与跟进”。它所需输入是客户背景、产品、阶段、语气和承诺边界，目标交付是开发信、回复、跟进和版本。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：邮件处理时间、单证差异发现率、承诺错误数。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 单证与订单核对：信用证条款、报关和银行文件逐项复核。
- 物流与异常沟通：真实状态来自系统，重大改线人工决定。
- 售后与合规：法律、制裁和赔付由专业人员批准。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- AI外贸销售助手：客户开发、询盘回复、谈判跟进
- AI+跨境电商的新机遇
- 哥伦布AI跨境电商全程免费培训大中专学生跨境电商实战
- ai+跨境电商
- 把重复邮件交给 AI:外贸自动化跟进流程搭建
保险理赔
WorkBuddy 应用场景
一、岗位为什么值得优先梳理
保险、核保与理赔每天处理大量资料、规则、协作信息和例外情况。AI智能体的价值来自稳定处理其中可描述、可检查、可回退的任务。本章把应用拆成场景、输入、交付结果和人工边界，方便企业直接选择试点。岗位应用不能只看生成速度。企业还要检查数据从哪里来、结果交给谁、哪些动作需要系统权限、出错后怎样回滚。涉及高影响决定时，WorkBuddy负责准备材料、解释信息和编排流程，有权限的人员负责批准。
二、应用场景全景表
| 场景 | 需要输入 | WorkBuddy可辅助交付 | 人工或系统边界 |
|---|---|---|---|
| 客户需求与保障分析 | 家庭、风险、已有保障、预算和授权信息 | 风险缺口、问题清单和产品比较框架 | 不得替客户决定或利用敏感信息歧视 |
| 保单与条款解读 | 保单、条款、批单、问答和适用时点 | 责任、免责、等待期、材料和原文定位 | 最终解释以合同与保险公司正式意见为准 |
| 核保资料预审 | 投保资料、健康告知、财务和核保规则 | 缺件、矛盾、风险点和补充问题 | 核保结论由授权核保人员作出 |
| 理赔材料整理 | 报案、保单、医疗/事故、票据和影像索引 | 时间线、材料清单、缺件和疑点 | 不得修改原始证据或替代查勘 |
| 理赔审核辅助 | 条款、材料、规则、历史案件和调查结果 | 责任匹配、疑点、计算草案和复核队列 | 赔付、拒赔和金额必须人工审批并可申诉 |
| 反欺诈线索 | 案件、关系、历史理赔、设备和行为数据 | 异常关联、证据和调查优先级 | 模型信号不是欺诈认定，防止偏见与误伤 |
| 客户服务与销售支持 | 产品、客户问题、沟通记录和合规规则 | 答复、建议书草稿、跟进和转人工 | 禁止保证收益、隐瞒免责或误导销售 |
| 合规质检 | 录音转写、话术、宣传和监管规则 | 风险片段、原文定位和整改建议 | 处罚与责任判断由合规人员完成 |
| 经营与风险分析 | 保费、赔付、渠道、客户、费用和风险 | 经营看板、异常、组合和行动项 | 统一精算、财务和业务口径 |
三、三个优先场景
客户需求与保障分析
这一场景的目标是把家庭、风险、已有保障、预算和授权信息整理成风险缺口、问题清单和产品比较框架。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
保单与条款解读
这一场景的目标是把保单、条款、批单、问答和适用时点整理成责任、免责、等待期、材料和原文定位。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
核保资料预审
这一场景的目标是把投保资料、健康告知、财务和核保规则整理成缺件、矛盾、风险点和补充问题。建议把任务拆成五步：明确任务口径；收集并检查输入；让WorkBuddy执行整理、检索或生成；输出可编辑结果；由岗位负责人复核后进入下一流程。
四、四层能力与实施条件
| 层级 | 本岗位可优先放入的场景 | 实施条件 |
|---|---|---|
| 文件层 | 客户需求与保障分析、反欺诈线索、客户服务与销售支持、合规质检 | 使用本地文档、表格和模板，结果可人工检查 |
| 知识层 | 保单与条款解读 | 建立有版本、有出处、有权限的知识资料 |
| 系统层 | 核保资料预审 | 通过受控的Connector、MCP或API读写业务系统 |
| 决策层 | 核保资料预审、理赔材料整理、理赔审核辅助、经营与风险分析 | 展示依据、假设和影响，高风险决定由人批准 |
五、建议从这个试点开始
推荐先做“保单与条款解读”。它所需输入是保单、条款、批单、问答和适用时点，目标交付是责任、免责、等待期、材料和原文定位。试点可按四个动作推进：第一，抽取一批真实历史任务作为基线；第二，用同一批输入让人工流程和WorkBuddy流程并行；第三，记录失败、遗漏和人工修改原因；第四，只在结果稳定、权限清楚、可以回滚时扩大范围。建议验收指标包括：材料整理时间、条款定位准确率、人工复核撤销率。如果结果需要大量重做、来源无法追溯、系统写入不可回滚，试点应暂停并先修复数据或流程。
六、实施边界
- 客户服务与销售支持：禁止保证收益、隐瞒免责或误导销售。
- 合规质检：处罚与责任判断由合规人员完成。
- 经营与风险分析：统一精算、财务和业务口径。
- 第三方案例中的效率数字和产品能力先作为线索，正式采购或发布前回查官方资料与实际测试。
七、主要资料来源
- 100个保险行业WorkBuddy应用案例
- 保险AI落地案例对比表（2026年8月版·24家）
- 世界一流险企 AI 落地案例梳理
- AI时代保险公司组织变革（上）：未来公司组织形态的思考与推演
- 香港保险顾问的AI实战手册
企业实施路线：诊断、试点、验证、推广
第一步：选真实任务
优先选择高频、边界清楚、数据可得、可以回滚的任务。不要先做全公司通用聊天入口。
第二步：建立人工基线
记录原流程耗时、错误、返工、交接和业务结果。没有基线，试点只能证明系统能运行。
第三步：并行试运行
用同一批真实样本对比人工流程和AI智能体流程，记录每一次失败和人工修改。
第四步：决定继续、调整或停止
达到验收条件后扩大场景；数据、权限或流程不成熟时先修基础条件；高风险不可控时停止自动化。
治理、安全与责任边界
企业需要同时管理数据、知识、模型、工具和人员。建议建立场景清单、数据分级、权限矩阵、模型与工
具清单、调用日志、审批规则、异常升级和退出机制。
外部网页、邮件、知识库文本和工具返回值都可能包含错误或提示注入。系统应把外部内容视为不可信数
据，限制工具权限，并在关键动作前要求人工确认。
责任设计要回答：谁能发起任务、谁能查看数据、谁能批准写入、谁处理异常、谁承担最终业务责任。技
术上线不能替代责任分配。
试点验收清单
- 是否选择了真实、高频、可回滚的任务？
- 是否记录原人工流程的时间、错误和返工？
- 输入数据是否完整、合法、口径一致？
- 输出是否能定位到来源和处理过程？
- 是否记录失败、人工修改和拒绝采用的原因？
- 写入系统前是否有权限、确认、日志和回滚？
- 高影响决定是否保留人工审批？
- 业务人员是否愿意在真实任务中持续使用？
- 结果是否改善业务指标，而不只提升生成速度？
- 是否设定继续、调整和停止的条件？
附录：岗位索引与资料说明
本白皮书包含39个岗位章节。正文“主要资料来源”保留公开文章标题与链接，内部研究证据包不随对外版
本发布。
本研究适合用于企业场景盘点、内部培训、试点设计和供应商沟通。涉及WorkBuddy当前版本能力、企业
版配置、价格、连接器、部署及案例成效时，应在采购或发布前核对官方最新资料。
开始行动时，只需要选一个岗位、一个真实任务和一组历史样本。先跑通，再谈规模。