workbuddy 的核心价值在于安全可控的本地自动化：显式绑定项目目录后，通过 plan 模式预览变更、多模型分工协作、插件依赖环境校验，实现真实可运行的代码修改与执行，而非仅输出建议。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
开发者用 WorkBuddy，不是因为它“更智能”，而是它把「能写代码」和「能干实事」真正串起来了——不光给建议，还能在你本地环境里直接改文件、跑脚本、调接口、生成文档，而且所有操作都落在你指定的文件夹里，不越界。
WorkBuddy 能直接读写项目文件，不用复制粘贴
传统 AI 助手输出代码后，你得手动复制进编辑器；WorkBuddy 关联项目文件夹后，.workbuddy/memory/ 会记住结构，你一句“把 service/user.go 的 GetUserByID 方法加上缓存逻辑”，它就能定位文件、插入代码、保存——不是伪代码，是真实可运行的变更。
- 必须显式关联工作目录，否则它默认只在对话中“说”，不会“做”
- 修改前会进入
Plan模式，列出拟改动的文件和行号，确认后才执行 - 不支持跨磁盘路径（比如从
C:\直接操作D:\project），绑定时得选对根目录
多模型角色分工，解决长上下文断裂问题
单靠一个模型写 2000 行服务层逻辑，很容易前后矛盾或漏掉边界条件。WorkBuddy 允许你为不同环节指定模型：DeepSeek 写初始实现，GLM 做结构评审，Kimi 润色注释——每个模型只专注一件事，上下文压力小，输出更稳。
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- 模型切换在设置页完成，不是每条指令都要指定
-
GLM对中文技术术语一致性判断强，适合检查“是否所有 error 都用了errors.Wrap”这类细节 - 若某步失败（如
Kimi返回格式错乱），流程会中断，不会强行续写
插件执行依赖本地环境，不是所有技能开箱即用
看到 Browser 插件能自动填表，就以为点安装就能用？错。它底层调的是本地 chromedriver 和 Playwright，如果没装对应浏览器或驱动版本不匹配，执行时会报 browserType.launch: Executable doesn't exist 这类错误。
- 常见缺失：Python 3.9+、
ffmpeg（视频处理插件）、yt-dlp（下载插件）需单独安装 - 插件市场里标“Windows only”的技能，在 Mac 上安装后会灰显不可用
- 执行日志在
~/.workbuddy/logs/下，比微信端提示更准，出错优先查这里
真正卡住开发者的，往往不是模型能力，而是「确认边界在哪」——WorkBuddy 的 Plan 模式、限定工作目录、插件环境校验，都是在帮你划清“它能动什么”和“它绝不能碰什么”。这点在处理客户数据或线上配置时，比省几分钟更重要。
