夜雨聆风你用 WorkBuddy 多久了？
WorkBuddy 在过去几个版本里，悄悄上线了一批新能力，最值得期待的是专家团 ——「多 Agent 协作」
一、多 Agent 协作：你的 AI 会「组团」了
以前的用法是线性的：你问一个，AI 回答；再问一个，再回答。复杂任务就得等。
多 Agent 协作的逻辑是：你把任务说清楚，它自动拆成多个角色，同时跑。
以比亚迪今日股票分析为例，WorkBuddy 做了这件事：
启动了一个team-lead（总指挥）
team-lead 拆出5个 Agent 并行干活：技术分析师、基本面分析师、情绪分析师、新闻分析师、风险评估 10分钟左右，team-lead 把结果汇总成一份完整报告。
关键是——这5个 Agent 是真正并行的。我在界面上看着它们同时开工，各自输出，最后由 team-lead 总结。
适合什么场景？
股票/投资分析 代码 Review：让3个 Agent 分别从安全、性能、可维护性角度审代码 需求拆解：一个拆功能点，一个评估工时，一个找技术风险
一句话就可以让你的 AI 「带团队」了。
二、连接器：AI 不再是孤岛
AI 再强，如果碰不到你的数据，那它就是一个「很会聊天的孤岛」。
连接器就是干这个的：把 WorkBuddy 和你的工具生态打通。
连接器 | 用来干什么 |
GitHub | AI 直接读代码、提PR、审代码 |
腾讯文档 | AI 直接写分析报告到在线文档 |
Notion | AI 整理我的笔记和知识库 |
具体场景：完成股票分析后，我说：「把报告存到腾讯文档。」它直接调用了腾讯文档的连接器，把报告写进去了。我没导出、没复制粘贴、没切窗口。
一句话总结：连接器的价值不在于「能连什么」，而在于——连完之后，AI 真正融入了你的工作流。
三、探索：AI 会自己「找场景」
这是我觉得被低估的一个功能。
有时候你不知道 AI 能干什么，那不妨去看看别人在干什么
在这里它会按场景将各种实践案例分类：
写作场景：公众号文章、报告、PPT、邮件 数据分析场景：股票分析、财务报表、数据可视化 开发场景：代码审查、Bug 修复、架构设计 日常办公场景：日程管理、邮件处理、文档整理
更有精品场景案例推荐，都是一键拿来就可用
四、自动化任务：AI 会「值班」了
我每天早上到公司，想知道「昨天 AI 圈发生了什么」。以前是我自己去看，或者让 AI 现在去搜。
现在我是这么设的：
每天早上 9 点，自动跑一次：搜 AI Engineering 最新动态 → 筛选出3-5条高价值信息 → 写一句理由 → 发到我的 Note。
设完之后，就不用管了。每天早上 9 点，它自己跑，自己写，自己存。
能做到什么程度？
自动化任务 | 具体做什么 |
晨报 | 每天定时搜索指定关键词，汇总成简报 |
监控 | 监控某个股票价格，触发条件后自动分析 |
备份 | 定时把重要文件同步到云端 |
一句话总结：自动化任务让 AI 从「你叫它才动」变成「它在值班」。
五、这4个功能，单独用很强，组合起来更猛
当你把它们串起来用的时候，才真正感觉到「AI 工作流」是什么意思。
举一个完整的使用场景：
你丢给它一个任务（比如「分析比亚迪今天股价」） 多 Agent 协作 自动拆任务、并行分析 分析过程中，某个 Agent 发现需要某个能力，自动通过探索找到合适的技能 分析完后，通过连接器直接写到你的腾讯文档 你设了一个自动化任务：每天早上自动跑类似的分析
最后
很多人用 WorkBuddy 的方式，还停留在「聊天」阶段，但它其实已经能做的比「聊天」多得多。
如果你也在用 WorkBuddy，这几个功能还没打开过——不妨去点一下。
