7.6
深览指数
产品人人都是产品经理·叶小钗··AI 生成
WorkBuddy VS 钉钉悟空 VS 字节 Aily：桌面 Agent 的工程设计
本文是腾讯技术博主对自家产品 WorkBuddy 的系统提示词进行逆向工程式解读，逐层拆解了其从记忆系统（三级作用域）、Agent Loop、Skills 自我进化机制、工作模式到会话压缩策略的完整工程化设计。作者的核心发现是 WorkBuddy 并非全新原创，而是在 OpenClaw（上下文管理）、Hermes Agent（技能自迭代）等对手机制上做了系统集成与落地，尤其通过系统提示词而非单纯 runtime 来驱动 Agent 行为，其设计细节（如 10% 的触发式压缩 + 70% 的深度压缩双机制）对产品经理与 AI 应用开发者具有直接参考价值。本文适合正在设计复杂 Agent 产品、关注「工程细节大于模型能力」的技术读者阅读。原文 ↗
核心观点
- ▍WorkBuddy 的价值不在于模型能力，而在于其工程化设计：通过系统提示词中明确定义的记忆体系、工作模式、Agent Loop、Skills 自进化机制与压缩策略，实现了远超普通聊天机器人的复杂任务处理能力。
- ▍WorkBuddy 并非完全创新，而是吸收了 OpenClaw（上下文管理）、Hermes Agent（Skills 自迭代）等竞品的核心设计，其优势在于系统集成与工程实现的完整性。
- 01作者逆向获取的系统提示词长度极长，包含能力定义、记忆系统、用户画像、内容安全策略、个人文件安全规则、工作模式、Agent Loop、Skills 机制等十余个模块，完全在提示词层定义了 Agent 行为。
- 02记忆系统分为三层：云端记忆（用户画像只读 + 历史会话检索）、用户级本地记忆（跨项目偏好，文件 ~/.workbuddy/MEMORY.md）、工作区记忆（项目级，分每日日志 append-only 与长期记忆沉淀）。
- 03Skills 机制明确规定：若完成任务发现可复用流程，必须主动沉淀为 Skill；若发现 Skill 有错误，需立即修改且无需询问用户，实现了 Hermes Agent 式「自我进化」。
- 04会话压缩采用双阈值：CODEBUDDY_PRE_MESSAGE_COMPACT_PCT 默认 10%（每次发送前检查，超过则轻度压缩重述），CODEBUDDY_AUTOCOMPACT_PCT_OVERRIDE 默认 70%-92%（超过则深度压缩为结构化摘要）。
- 05个人文件安全规则严格：禁止递归删除高风险目录、删除前必须警告并进回收站、每批最多处理 10 个文件。
- 06三种工作模式（Craft/Plan/Ask）通过标签 <working_modes> 在系统提示词中明确定义，用以控制 Agent 的主动程度。
- 07作者指出 Tools 和 Skills 的工作量是构建 Agent 的主要负担（模型只负责推理，外部能力通过 MCP/Skills 接入）。
反方 / 局限
- — 作者承认 WorkBuddy 的核心机制（记忆分层、Skills 自进化）已有 OpenClaw 与 Hermes Agent 等竞品先例，其集成整合本质上仍是「吸收他人优点」而非完全原创。
- — 作者未讨论 WorkBuddy 在大型企业落地时的安全性、合规性成本（如文件系统直接访问带来的数据泄露风险），也未涉及多用户协作场景下的记忆冲突问题。
- — 文章依赖于逆向工程式系统提示词分析，未提供任何官方性能基准或用户满意度数据以验证其设计有效性，结论基于定性推测而非定量证据。
18 分钟 · 3 卡片 · 3 资料
读原文 →