夜雨聆风引言
我一开始只是想偷个懒。
公众号文章写完以后，对于没有编辑经验的我来说，排版是一件挺消耗的事情：分段、加小标题、划重点、区分引用、把控不同层级信息的颜色、预览效果，最后还要看看手机的真实阅读体验——样式对不对，格式有没有丢。
这些事情虽然也不算难，但每次做就会觉得琐碎和重复。最近我开始想这种重复的流程有没有比较高效的解决方案？能不能通过 AI 替我做文章排版？
最近正好开始用WorkBuddy，看到上面有很多不同工作领域的专家，尝试了下发现并不能很好地解决我的需求。我需要的 AI 专家，它能基于我写的文章内容，按照个人风格偏好帮我完成排版的工作。于是我决定在 WorkBuddy 创建一个自己专属的公众号排版专家。
结果，过程比我想象中更有意思。
初版专家仅需5分钟就创建出来了，也能直接使用。但第一次真实测试时，问题马上冒出来：粘贴到公众号后台后，有些样式没了；文章里的颜色像调色盘；有些正文重点比标题还显眼；同一个段落里堆了好几种样式，读者反而不知道该看哪里。
这时我才意识到：好用的AI 专家不是一句人设，而是需要通过一套被真实任务训练和沉淀出来的工作规则。
这篇文章，就复盘我如何跑通这件事：
如何通过 WorkBuddy 生成初版专家，再用真实结果反复测试，把每一次不满意沉淀成规则、Skill 和模板。
整个过程不需要会写代码，也不需要理解复杂的技术。却能帮你看懂：一个 AI 专家到底是怎么从"能用"，一步步变成"好用"的。
一、在 WorkBuddy 里创建专家
很多人听到"创建 AI 专家"，第一反应是：是不是要写配置文件？是不是要懂代码？
在 WorkBuddy 里，第一步没有那么复杂。
操作路径是这样的：进入 WorkBuddy 的"专家"页面，找到"我的专家"和"创建专家"入口。也可以在任务对话框里，通过 expert-manager 这类能力直接发起创建。
我当时给出的需求是这样的：
帮我创建一个公众号文章排版专家，擅长公众号文章排版。我的经验是：自媒体创作者、资深产品经理，关注 AI 资讯解读、AI 工具分享、AI 学习笔记、AI 漫剧制作和 AI 应用落地思考。
这句话里，其实已经包含了创建专家最重要的三个信息：
第一，它要做什么：公众号文章排版。
第二，它服务谁：一个 AI 内容领域的自媒体创作者。
第三，它面向什么内容：AI 资讯、工具、学习笔记、漫剧和应用落地。
随后，WorkBuddy 会生成一个创建方案预览，包括专家类型、行业分类、花名、能力介绍、推荐提示词和首次问候等内容。
我又补充了两个个性化信息：这个专家先叫"悦目buddy"，简称"悦目"；它可以称呼我为 Mr.IV。
然后，专家创建完成。
这里有一个对小白很友好的点：创建完成后，这个专家就可以直接使用。你可以在专家 Profile 里看到它的能力介绍、擅长领域和快捷提示语，也可以在任务中直接召唤它。
到这一步，很多人可能会觉得任务已经完成了。
但其实还差得远：专家创建完成，只是从 0 到 1；真正让它变好用，是后面的真实测试。
二、专家创建后的第一次任务
我拿一篇真实公众号文章让这个专家排版。
第一次生成结果，不能说差。它对内容层级的理解基本正确，主色调和整体风格也大致符合我的预期。
但仔细看，很快就发现问题：
不是排得难看，恰恰相反，是它「太努力」了：标题一个颜色、重点一个颜色、引用块又换一个颜色、连分隔线都自成一派。整篇文章用了十几种不同的色相，花得像打翻了调色盘。单看每个组件都挺精致，可拼在一起，读者根本不知道该看哪儿。
我在创建它的时候，只给了「擅长排版」这种笼统的描述。在这种模糊指令下，AI 会怎么做？它会为每一个元素，都尽职尽责地挑一个「看起来不错」的颜色。单独看都说得过去，放在一篇文章里就乱了。
AI 很少是故意做错，它更多是在模糊要求里过度发挥。AI也很强大，能很快理解分析问题并给出解决方案。
所以，需要通过真实的各种测试，持续把"不满意的地方"帮助AI翻译成更明确的规则。
三、让专家稳定工作的量化约束
发现颜色问题后，我做的第一件事，不是抱怨 AI 笨，而是反省自己的指令。
我同时描述感受和一条我能想到的量化规则：
不超过3种颜色，同一颜色的深浅算一种。
如果我只跟它说「颜色不要太多」，你猜会怎样？大概率还是花的。因为「太多」是一个人类才懂的模糊感受——你的「太多」和它的「太多」不是一个东西。
AI 立刻就收到了，而且理解总结得非常好：
让AI能力稳定的最重要原则之一：量化约束，永远大于模糊描述。
你越是把要求翻译成可量化、可判断的标准，AI 的产出就越稳定。这个不只对排版有效——你让 AI 写文案、做总结、改代码，全都成立。模糊的期待，换不来精确的结果。
四、让专家变好：分清「它是谁」和「它怎么做」
颜色规则越定越细，新问题来了：这些密密麻麻的规矩，到底该放在哪儿？
我一开始想全塞进那段「角色介绍」里。但很快意识到不对——这就像你招了个员工，结果把「公司价值观」和「报销流程的第 37 条细则」混写在同一张纸上，越长越乱，谁也记不住。
于是我做了一次产品经理本能的「分层」：
角色定义，回答「它是谁」：名字、人设、擅长领域、工作风格。这是它的「人事档案」。
技能规则（也就是工具里的 Skill），回答「它具体怎么做」：配色用哪几个色值、每个组件长什么样、有哪些绝对不能踩的红线。这是它的「操作手册」。
为什么这么分这么重要？ 因为人设是稳定的，规则是要反复迭代的。把两者拆开，我每次想调整一条排版规则，只动「操作手册」，完全不碰它的「人设」。维护起来清清爽爽，规则再多也不打架。
这一步，本质上是在给 AI 做「职责分离」。一个角色，一套清晰的规则文档——这套结构，你将来想造第二个、第三个专属 AI，都能照搬。
五、让专家审美符合你的预期，靠测试一点点校准
你可能以为，把上面都定好，就该完美了吧？
并没有。我又测了几轮。比如有一版，它把重点内容做成了「灰底黑字」——规则上完全合法，但实际看上去又闷又不突出，像没做完的草稿。这种问题，是我坐在桌前想不出来的，只有真把它生成、真放到眼前，才看得见。
于是我又把它改成「蓝色左边线 + 不加底色」，立刻清爽醒目。
整个过程，我前后迭代了五轮：颜色 → 分层 → 粘贴兼容 → 结构 → 审美细节，一轮解决一类问题。
AI 的「好看」和你心里的「好看」，天生有偏差。你得靠「生成 → 看真实效果 → 给具体反馈」的循环，把它一点点校准到你的品味上。
别指望一句话就调教出一个完美助手。真正好用的 AI，都是靠一步步反馈喂出来的。 而每一轮反馈，本质上都是你在帮它把「你的审美」翻译成「它的规则」。
产品思维的巧合我忽然意识到：做的这件事，跟写产品需求文档一模一样。一个差劲的需求是「这个页面做得好看点」；一个好需求是「主按钮用品牌色、间距 16px、加载超过 2 秒要有提示」。AI 就是你带的那个「执行力极强、但绝不自动脑补」的新人——你说得有多清楚，它就做得有多到位；你说得有多模糊，它就给你发挥得有多离谱。
六、小白可以参考的 WorkBuddy 专家创建流程
最后分享一条最轻量的上手路径。你不需要懂技术，只要会聊天、会截图、会复制粘贴：
第一步：用一句话「招」一个专家。打开 WorkBuddy 的「专家 → 创建专家」，像介绍工作给新人一样，把「你要它干什么、你是谁、你的偏好」一次说清。比如：「帮我创建一个小红书文案专家，我是做家居好物分享的，风格偏温暖治愈。」
第二步：先让它实践一次，看看有什么问题。拿一份真实素材让它产出，然后对照结果找问题。将问题的感受归纳成定性或定量标准反馈。 把「太啰嗦」换成「每段不超过 3 行」，把「不够吸引人」换成「开头第一句必须是一个问题」。
第三步：把每一条满意的反馈，沉淀成它的固定规则。这一步最关键。今天你纠正它一次，就把这条要求记进它的「操作手册」，明天它就不会再犯。攒上几轮，你就拥有了一个越用越懂你的专属助手。
如果想直接用我这套排版专家的完整规则模板（含配色、各组件写法、粘贴自检清单），可以关注并留言，我会把整理好的文件发你，你只需把里头的品牌色和称呼改成自己的，就能复刻一个属于你的版本。
结语
这次用 WorkBuddy 创建公众号排版专家，给我最大的启发是：
使用 AI 的下一步，不只是会不会提问，而且需要能把自己的经验、审美、流程，沉淀成一套可复用的专家和skill。
过去我们和 AI 对话，经常是临时提问、临时补充背景、临时纠正结果。每次像重新培训一次新人。
而创建专家，是把这些反复说的话固定下来。
你反复强调的审美，变成组件规范。
你反复踩过的坑，变成禁用项。
你反复修改的流程，变成 Skill。
当这些东西被沉淀下来，AI 就不再只是一个"这次帮我一下"的聊天对象，而更像一个可以长期协作的数字同事。
当然，它不是一次创建就完美。一个好专家，仍然需要你持续测试、校正和更新。
你不一定要会写代码，但你要学会说清楚任务。
你不一定要懂复杂技术，但你要能判断结果哪里不符合你的标准。
你不一定要一次写出完美提示词，但你要有意识和能力把每次不满意变成下一条规则。
这可能才是未来真正重要的 AI 使用能力。
后记
写这篇文章时，我一直在想一个产品经理很熟悉的问题：到底什么叫"好用"？
好用不是功能多，也不是界面漂亮，而是它能在真实场景里稳定解决问题。
AI 专家也是一样。起一个名字、写一段人设，只是开始。真正让它变得好用的，是你愿意拿真实任务去测试它，再把每一次不满意转化成定性或定量规则。
这件事有点慢，但很值得。
