WorkBuddy支持三种自定义Skill创建方式：图形化新建（零代码，5分钟上手，适用于固定流程如“整理下载”）、YAML模板导入（支持条件分支逻辑，如含“误差”触发专项分析）、本地技能包部署（调用Python脚本，需符合命名与格式规范）。
☞☞☞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☜☜☜
你想让WorkBuddy自动整理下载文件夹、按类型归类并重命名，而不是每次手动拖拽改名；想让它用你实验室的术语批注论文，而不是套用通用模板；甚至想让它把会议录音转写稿直接变成带责任人和截止日的纪要——这些都不是多说几句话能解决的事，必须创建自定义Skill来固化规则、复用逻辑、稳定输出。
图形化新建（零代码，5分钟上手）
适合第一次建技能、任务流程固定、不需要判断分支的场景，比如“整理下载”“生成周报”“提取PDF参考文献”。
第一步：打开WorkBuddy客户端，微信登录后点击右上角头像→「Claw设置」→「Skills管理」。
第二步：点击「+ 新建技能」，填写技能名称（如“下载整理助手”）、触发关键词（如“整理下载”），注意【触发词必须是中文短语，不能含空格或标点，且避免与内置技能重名】。
第三步：选择执行动作类型为「本地文件操作」→勾选「扫描指定路径」→输入路径：~/Downloads→点击「添加规则」→设置匹配模式为“包含“.jpg”或“.pdf”或“.zip””，重命名格式填“{original}_【{date:YYYYMMDD}】”。
这一步操作起来很简单，直接把文件拖进去就行。但如果你漏掉日期格式里的冒号和大写YYYY，系统会默认用1970年填充，所有文件都变成同一天命名。
第四步：点击「保存并启用」，立刻生效。下次对话中只要说“整理下载”，WorkBuddy就会自动执行整套流程。
YAML模板导入（适配条件判断）
当你需要“如果用户输入含‘误差’二字，就启动误差分析；否则走常规摘要”，就必须用YAML定义分支逻辑。
方法一：用记事本新建文件，命名为lab_review.yaml，粘贴以下内容：
启用该技能，可以在WorkBuddy对话页的右边栏添加一个日历，提供月历视图、日程增删改查、分类标签（开庭/会议/截止日期/个人/研究/其他），支持从对话中提取事件并自动同步到日历。当用户提到"日历""日程""打开日历""添加日程""我的日程""calendar""安排"或询问已记录的日程信息时使用。
name: 实验室论文批注<br>triggers:<br> - “批注论文”<br> - “帮我审这篇”<br>then:<br> run_step: error_analysis<br>else:<br> run_step: standard_summary<br>steps:<br> - id: error_analysis<br> prompt: “请按《误差分析三原则》逐条检查：①是否说明系统误差来源；②是否给出重复测量次数；③是否标注置信区间……”<br> - id: standard_summary<br> prompt: “请用三句话概括创新点、方法局限、可复现性风险”
方法二：回到「Skills管理」页，点击「导入YAML」→选择该文件→系统自动校验语法。【若字段名拼错（如写成triger而非triggers），将直接拦截上传】。
导入成功后，技能立即出现在列表里，无需重启客户端。
本地技能包部署（调用Python脚本）
适合已有分析脚本、需连接内部数据库、或必须调用私有API的硬核需求，例如运行本地LSTM模型预测实验趋势。
1. 在WorkBuddy技能目录下新建文件夹：exp_forecast_skill，确保名称只含小写字母和中划线，不能有空格或中文。
2. 在该文件夹内新建SKILL.md，写明角色与执行入口：
name: 实验趋势预测<br>description: 调用本地lstm_predict.py对CSV数据做时序预测<br>action: script<br>script_file: lstm_predict.py
3. 把你的Python脚本lstm_predict.py放入同一目录，脚本开头必须包含#!/usr/bin/env python3，且第一行不能是注释或空行。
4. 返回WorkBuddy主界面，随便发一条消息触发刷新，技能自动加载。下次说“预测实验趋势”，AI就会调用该脚本并返回结果。
