WorkBuddy 使用回顾：AI 助手帮我完成了哪些工作

本文整理了我自使用 WorkBuddy 以来完成的主要工作，涵盖博客发布、全栈开发、数据分析、自动化任务等多个领域。通过 AI 助手，我将重复性工作自动化，专注于创造性思考。

一、EmDash CMS 推广与内容创作

1.1 博客文章发布（20+ 篇）

使用 WorkBuddy 的 publish-blog-emdash Skill，我实现了博客文章的一键发布，从传统的 30 分钟缩短到 30 秒。

EmDash 周报系列（9 期）：

• emdash-weekly-01 ~ emdash-weekly-09
• 覆盖 EmDash v0.5.0 ~ v0.16.1 的版本更新
• 每期包含：新功能、Bug 修复、PR 分析、技术细节

技术深度解析系列（6 篇）：

• wordpress-vs-emdash（WordPress vs EmDash 思考）
• emdash-deploy-guide（首次部署踩坑）
• emdash-reinstall-guide（重装实录）
• emdash-cloudflare-deploy-guide（Cloudflare Workers 部署全攻略）
• emdash-source-code-analysis（源码解析）
• emdash-plugin-system-deep-dive（插件系统深度解析）

其他文章（5 篇）：

• shadcn-monthly-1（shadcn 月报第 1 期）
• wordpress-7-0-historic-release（WordPress 7.0 解析）
• emdash-portable-text-format-guide（PT 格式规范）

1.2 EmDash 插件开发

emdash-plugin-auto-cover：

• 功能：文章发布后自动生成封面图
• 技术：腾讯混元生图 3.0 API
• 状态：已推送到 GitHub 仓库 tableau-China/astro-blog-starter-xilejun

1.3 EmDash 部署与运维

• 部署到 Cloudflare Workers（https://learnemdash.wiki/）
• 升级 EmDash 版本（0.14.0 → 0.16.1）
• 配置 D1 数据库、R2 存储桶、KV Session
• 编写了详细的部署文档和故障排查指南

二、全栈项目开发

2.1 pg-explorer（Tableau 嵌入式分析平台）

项目背景：

• 目标：构建一个 Tableau 嵌入式分析平台
• 技术栈：PostgreSQL + Express + React + Node.js

完成的工作：

• 实现 Departments 功能模块
• 修复可视化渲染问题
• 优化前端组件性能
• 编写 API 文档

AI 辅助开发流程：

graph LR
    A[需求描述] --> B[AI 生成代码]
    B --> C[代码审查]
    C --> D[测试与调试]
    D --> E[部署上线]
    E --> F[反馈与迭代]
    F --> B

graph LR
    A[需求描述] --> B[AI 生成代码]
    B --> C[代码审查]
    C --> D[测试与调试]
    D --> E[部署上线]
    E --> F[反馈与迭代]
    F --> B

2.2 RuoYi Vue3 开发

Pax Editor 可编辑表格页面：

• 后端：PaxEditorController.java（list/columns/update API）
• 前端：editor.vue（动态列生成，内联编辑）
• 路由：旅客管理 > 旅客信息编辑器

三、macOS 应用开发

3.1 TimeMirror / iScreenMonitor

项目演变：

• 原名：iMonitor → iScreenMonitor → TimeMirror
• 功能：时间追踪、屏幕监控、PDF 报告导出

完成的工作：

• 修复 PDF 导出透明背景问题
• 修复 sleep/wake 状态机 Bug
• 优化菜单栏图标显示
• 实现自动化任务调度

为什么从 WorkBuddy 到 CodeBuddy？

• WorkBuddy：全栈助手，适合自动化任务、博客发布、数据分析
• CodeBuddy：代码编辑器集成，适合深度开发、调试、重构
• 两者互补，根据任务类型选择工具

四、数据库与数据分析

4.1 Doris 数据库查询

创建的 Skill：doris-query

• 功能：查询 Apache Doris 数据库
• 技术：使用 pymysql 处理中文编码问题
• 特性：自动记录 SQL 到日志文件

Tableau Server 数据提取故障排查（2026-06-04）：

• 问题：Tableau Server Backgrounder 刷新数据提取失败
• 根因：Doris BE 节点注册了 IPv6 localhost 地址，Tableau JDBC 客户端无法直连
• 解决方案：联系 DBA 配置 priority_networks 并重启 BE

五、云服务部署

5.1 EmDash 部署到 Cloudflare Workers

创建的 Skill：emdash-cloudflare-deploy

• 功能：部署或升级 EmDash CMS 到 Cloudflare Workers
• 流程：Wrangler 登录 → 构建 → 部署 → 验证
• 效率提升：首次 2 小时 → 20 分钟，后续 30 分钟 → 5 分钟

5.2 腾讯云 COS 文件管理

• 上传航旅画像标签 HTML 文件到 COS
• 更新文件路径规范（新路径：hnair/pages/）

六、自动化任务

6.1 EmDash 周报自动化

定时任务：每周三早上 9:00 自动运行

• 抓取 emdash-cms/emdash 仓库的 commits/PR/issues/releases
• 生成混合型中文博客（技术细节 + 功能介绍）
• 自动发布到 learnemdash.wiki

6.2 shadcn 月报自动化

定时任务：每月 10 号运行

• 跟踪 shadcn-ui/ui 仓库
• 生成月报并通过 gh CLI 创建 PR

七、Skills 创建（6 个）

八、安装的社区 Skills（10+ 个）

• stagehand-browser-cli - 浏览器自动化
• wecom-unified - 企业微信集成
• cloudbase - 腾讯云开发
• github - GitHub CLI 集成
• tencentcloud-cos - 腾讯云对象存储
• edgeone-pages-deploy - EdgeOne Pages 部署
• obsidian - Obsidian 笔记管理
• apple-notes - Apple 备忘录管理
• wechatpay-basic-payment - 微信支付基础解决方案
• wx-miniprogram-dev - 微信小程序开发框架

九、效率提升数据

平均效率提升：90%

十、关键经验总结

10.1 成功经验

• 自动化优先：重复性工作全部自动化（周报、部署、发布）
• Skill 复用：将常用工作流保存为 Skill，越用越快
• 记忆系统：通过 MEMORY.md 记住配置、API Token、数据库信息
• 社区共享：安装社区 Skills 快速扩展能力
• 经验 skill 化：将成功经验转化为可复用的 Skill

10.2 教训

• 远程部署前先侦察：2026-04-07 部署 auto-cover 插件时未经环境检查，导致 EmDash 服务崩溃（502）
• API Token 管理：定期更新 Token，避免使用过期 Token
• 版本号不要写死：Skill 中应动态获取最新版本，而非硬编码
• 测试环境验证：生产环境部署前，先在测试环境验证

十一、AI 的三个洞察

11.1 AI 是进入数据世界的桥梁

AI 降低了数据分析的门槛，让非专业人员也能通过自然语言查询数据库、生成报表、可视化数据。

11.2 AI 会扩大"智商分化"

聪明的更聪明，懒惰的更懒惰。

• 善用 AI 的人：将重复性工作交给 AI，专注于创造性思考
• 不善用 AI 的人：继续手动完成重复性工作，效率低下

11.3 AI 会重塑企业服务

未来会有很多 AI 原生企业，本质依然是数据驱动，但 AI 让数据的生成、采集、决策更快，非结构化数据更有意义。

Excel 时代 vs AI 原生企业：

十二、未来计划

12.1 用 AI 放大自己

从"BI 之巅"迈向"数据之巅"：

• BI 之巅：Tableau Visionary、著作《业务可视化分析》
• 数据之巅：pg-explorer、AI 四阶段、全链路数据分析

12.2 AI 四阶段

graph TD
    A[阶段1: 辅助] --> B[阶段2: 协作]
    B --> C[阶段3: 自主]
    C --> D[阶段4: 原生]

graph TD
    A[阶段1: 辅助] --> B[阶段2: 协作]
    B --> C[阶段3: 自主]
    C --> D[阶段4: 原生]

• 阶段 1：辅助 - AI 作为工具，辅助完成重复性工作
• 阶段 2：协作 - AI 作为伙伴，协作完成复杂任务
• 阶段 3：自主 - AI 作为代理，自主完成端到端任务
• 阶段 4：原生 - AI 作为核心，重构业务流程

十三、总结

通过使用 WorkBuddy，我实现了：

• 节省时间：将重复性工作自动化，平均每天节省 2 小时
• 降低门槛：通过自然语言与 AI 交互，无需记忆复杂命令
• 持续学习：通过 Skill 系统，不断积累和复用经验
• 开放扩展：通过社区 Skills，快速扩展能力边界

AI 不是替代品，而是放大器。它放大了我的能力，让我能够专注于创造性思考，而不是被重复性工作淹没。

作者：xilejun 版本：v1.0 日期：2026-06-06

附录：WorkBuddy 使用场景流程图

graph TB
    Start[开始使用 WorkBuddy] --> Scene1[场景一: 博客发布]
    Start --> Scene2[场景二: 全栈开发]
    Start --> Scene3[场景三: 数据分析]
    Start --> Scene4[场景四: 自动化任务]
    
    Scene1 --> Skill1[创建 publish-blog-emdash Skill]
    Skill1 --> Auto1[一键发布]
    Auto1 --> Save1[节省 99% 时间]
    
    Scene2 --> Skill2[使用 CodeBuddy]
    Skill2 --> Auto2[代码生成与调试]
    Auto2 --> Save2[节省 75% 时间]
    
    Scene3 --> Skill3[创建 doris-query Skill]
    Skill3 --> Auto3[自然语言查询]
    Auto3 --> Save3[节省 90% 时间]
    
    Scene4 --> Skill4[配置自动化任务]
    Skill4 --> Auto4[定时运行]
    Auto4 --> Save4[无需人工干预]
    
    Save1 --> Summary[总结: 平均效率提升 90%]
    Save2 --> Summary
    Save3 --> Summary
    Save4 --> Summary

graph TB
    Start[开始使用 WorkBuddy] --> Scene1[场景一: 博客发布]
    Start --> Scene2[场景二: 全栈开发]
    Start --> Scene3[场景三: 数据分析]
    Start --> Scene4[场景四: 自动化任务]
    
    Scene1 --> Skill1[创建 publish-blog-emdash Skill]
    Skill1 --> Auto1[一键发布]
    Auto1 --> Save1[节省 99% 时间]
    
    Scene2 --> Skill2[使用 CodeBuddy]
    Skill2 --> Auto2[代码生成与调试]
    Auto2 --> Save2[节省 75% 时间]
    
    Scene3 --> Skill3[创建 doris-query Skill]
    Skill3 --> Auto3[自然语言查询]
    Auto3 --> Save3[节省 90% 时间]
    
    Scene4 --> Skill4[配置自动化任务]
    Skill4 --> Auto4[定时运行]
    Auto4 --> Save4[无需人工干预]
    
    Save1 --> Summary[总结: 平均效率提升 90%]
    Save2 --> Summary
    Save3 --> Summary
    Save4 --> Summary

作者：xilejun · v1.0 · 2026-06-06