4.6 实操演练：4 小时跑通一个完整闭环

这一节是本章的作业。不做这个演练，前面五节都会忘掉。 建议以真实工作里的一件小事为题，别用假想场景。

演练步骤：从零到可交付

第 1 小时：选场景 + 做数据体检 挑一件你每周都要重复做的事。按 L0 标准写一句话：谁、在哪一步、卡在什么上、省下什么。然后把真实数据丢给 WorkBuddy 做体检——先摸清有多脏，别急着出活。 出口标准：一句话说清场景 + 一份数据问题清单。

第 2 小时：搭出能跑的原型 用预置专家 + 本地文件跑一轮，拿到第一版结果。这一版一定不完美——目的是让它能被挑错，不是让它完美。 出口标准：一个能重复执行、产出具体文件的任务。

第 3 小时：把重复交代的规则固化成技能 回看前两小时——哪些要求你反复讲了三遍以上？把它们写进 SKILL.md：适用场景、核心约束、工作流、验证清单。别忘 agent_created: true。 出口标准：一个能被自动匹配触发的自建技能。

第 4 小时：封装成专家 + 挂上自动化 把「人设 + 技能 + 输出规范（含溯源要求）」打包成专家，注册后验证可调用。再挂一个定时任务，让它每周自动跑一次。 出口标准：一个可分享的专家包 + 一条在跑的自动化任务。

交付物自检表

**💡 提示：**它刻意压缩了一遍完整的 FDE 链路—— 识别场景（第 6 章）→ 做原型拿反馈（第 7 章）→ 沉淀成资产（第 8 章） 。规模很小，但结构完整。后面三章的方法论，你会在自己这个小项目上反复对照着理解。

4.7 本章小结

• WorkBuddy 是桌面客户端 ，能操作本地文件、交付结果文件——第一句话就该是完整任务，别当聊天机器人用

• 技能两条路线 ：SkillHub 装现成的（注意客户内网可能屏蔽公网拉取），或用 skill-creator 本地自建； agent_created: true 和 description 两个字段别写错

• 专家 = 人设 + 技能 + 展示信息 ；创建和修改免费，对话才消耗积分——大胆打磨定义；企业侧走管理后台上传，注意 专家标识发布后不可改 、 黑名单优先于白名单

• MCP 是 AI 的「USB 接口」 ，配置分用户级与项目级； 连接器打通得越早，项目风险暴露得越早

• 三种部署形态 （旗舰版 / 专享版 / 私有化企业版）要在进场时就问清，选错后期要重做

• 4 小时演练必须做 ：场景 → 原型 → 技能 → 专家 + 自动化，小规模跑通完整链路