WorkBuddy进阶手册-犀流沙

5分钟找到你想要的内容你想做什么去哪里找理解大模型为什么这样回答→ 底层原理/大模型原理与认知理解Agent为什么有时会犯错→ 底层原理/Agent原理与架构了解WorkBuddy能做什么、不能做什么→ 底层原理/WorkBuddy产品架构理解MCP协议是什么、怎么用→ 底层原理/MCP协议与标准化写出更好的指令→ 方法教程/提示词工程开发自定义技能→ 方法教程/技能系统开发设计自动化工作流→ 方法教程/自动化工作流设计优化知识库检索效果→ 方法教程/知识库与RAG优化省Token、省积分→ 方法教程/性能优化与成本控制会议纪要、周报自动化→ 实战应用/日常办公应用金融、外贸、自媒体等行业方案→ 实战应用/行业场景实战按岗位找学习路径→ 实战应用/岗位路线图API接入、多Agent系统→ 实战应用/进阶开发实践找指令模板直接用→ 资源生态/指令模板与工具箱找优质技能和插件→ 资源生态/优质技能与插件导航排查错误、避开坑→ 资源生态/疑难排解与避坑指南找学习路径和社区→ 资源生态/学习路径与社区生态场景导航场景1：我是新手，从哪开始？推荐阅读路径：1. 底层原理/WorkBuddy产品架构 — 了解 WorkBuddy 的四层架构和能力边界2. 方法教程/提示词工程 — 掌握指令五要素，写出高质量指令3WorkBuddy进阶手册犀流沙3. 实战应用/日常办公应用 — 从会议纪要、周报等高频场景上手4. 资源生态/指令模板与工具箱 — 直接复制模板，快速见效场景2：我想解决"指令输出效果差"的问题底层原理/大模型原理与认知 — 理解Token机制和推理机制，知道为什么模型会"跑偏"方法教程/提示词工程 — 学习五要素法、迭代优化方法资源生态/疑难排解与避坑指南 — 查看输出质量调优的系统性方法场景3：我想系统学习技能开发底层原理/Agent原理与架构 — 理解Agent的运行机制，才能设计出好的技能方法教程/技能系统开发 — 从零到一掌握SKILL.md开发、技能蒸馏资源生态/优质技能与插件导航 — 研究高星技能的设计思路实战应用/进阶开发实践 — 多Agent系统、工作流引擎等高级实践场景4：我想搭建自动化工作流方法教程/自动化工作流设计 — 学习定时任务、工作流编排、降级交付底层原理/MCP协议与标准化 — 理解MCP连接器，扩展能力边界实战应用/日常办公应用 — 参考会议纪要、周报等完整SOP资源生态/疑难排解与避坑指南 — 工作流可靠性保障场景5：我想省钱/省Token方法教程/性能优化与成本控制 — Token优化、模型选择、积分预算底层原理/大模型原理与认知 — 理解Token消耗机制资源生态/指令模板与工具箱 — 积分节省技巧1. 2. 3. 1. 2. 3. 4. 1. 2. 3. 4. 1. 2. 3. 4WorkBuddy进阶手册犀流沙目录速查表一级二级一句话说明底层原理大模型原理与认知Transformer、Token、推理机制、模型对比底层原理Agent原理与架构ReAct/Plan-Execute、工具调用、记忆系统、多Agent底层原理WorkBuddy产品架构四层架构、三大模式、六大能力、六大边界底层原理MCP协议与标准化MCP原理、与Function Calling对比、内置连接器方法教程提示词工程指令五要素、CoT、Few-shot、迭代优化方法教程技能系统开发SKILL.md开发、技能蒸馏、高星技能拆解方法教程自动化工作流设计定时任务、工作流编排、降级交付方法教程知识库与RAG优化RAG原理、Chunking策略、检索优化方法教程性能优化与成本控制Token优化、模型选择、并行管理实战应用日常办公应用会议纪要、周报、文件整理、邮件日程实战应用行业场景实战金融投研、外贸、自媒体、软件开发实战应用岗位路线图管理者/财务/运营/技术专属路径实战应用进阶开发实践API接入、多Agent、工作流引擎资源生态指令模板与工具箱125+指令模板、检查清单、配置模板资源生态优质技能与插件导航高星技能评测、MCP服务器推荐资源生态疑难排解与避坑指南常见错误、限流重试、安全合规资源生态学习路径与社区生态30天学习计划、社区入口、版本追踪使用建议配合AI小助理使用：在知识库中搜索关键词，AI小助理会基于知识库内容给出精准回答做笔记和复盘：每学完一个章节，用自己的话写一条笔记，加深理解实践优先：每个章节都有实操模板，建议边学边用，不要只看不练从痛点出发：不要从头到尾读，先找到当前最痛的问题，从对应章节开始· · · · 5WorkBuddy进阶手册犀流沙第 一 篇底 层 原 理理解大模型、Agent 与 WorkBuddy 的运行本质，是进阶的第一步。7WorkBuddy进阶手册犀流沙大模型原理与认知面向WorkBuddy高阶用户——深入理解大语言模型的底层原理，从而更好地使用WorkBuddy。本文信息来源包括：腾讯云开发者社区《Transformer架构：大模型时代的基石》、火山引擎开发者社区《大模型核心概念科普：Token、上下文长度、最大输出》、ThousandMiles.ai《HowLLMs Actually Generate Text》、太平洋科技《2026主流AI模型实测横评》、PromptQuorum《LLM工作原理解析》、极客老墨《大模型是怎么炼成的》等公开资料。文中具体数据均标注来源，部分无法确认的数据明确标注"截至2026年7月未能确认具体数据"。为什么这一块很重要从WorkBuddy用户的真实痛点说起你一定遇到过这些场景：明明写了很详细的指令，模型却"理解"错了方向，输出南辕北辙，反复修改指令还是得不到想要的结果。不知道该选哪个模型，GPT、Claude、DeepSeek、混元……每个模型都说自己最强，但实际使用时感觉差异巨大，却说不清差异到底在哪。Token消耗惊人，一个月的API费用远超预期，却不知道怎么优化。长对话中模型突然"失忆"，忘了前面的重要约定，甚至前后矛盾。调了温度参数，输出质量却更差了，不知道到底该调高还是调低。模型"一本正经地胡说八道"，生成的内容看起来很专业，仔细一查全是编造的。这些痛点的根源，都在于对大模型底层原理的误解。你把大模型当作一个"能理解你意思的智能助手"，而实际上它是一个基于概率的下一个Token预测器。你把不同模型当作"同一种东西的不同品牌"，而实际上它们在架构、训练数据、对齐策略上存在根本差异。懂原理才能写出更好的指令理解大模型原理，对你的指令设计有直接且可量化的影响：理解Token机制，你才能知道为什么同样的内容，中文比英文多消耗30%-50%的Token（来源：PromptQuorum《LLM工作原理解析》），从而有意识地压缩指令长度、降低成本。理解注意力机制，你才能知道为什么"Lost in the Middle"效应（斯坦福大学Liu等人2023年研究）会让模型忽视长指令中间的信息，从而把关键约束放在开头和结尾。· · · · · · 1. 2. 8WorkBuddy进阶手册犀流沙理解自回归生成，你才能知道为什么模型写长文时后半段容易跑偏——因为它没有全局规划，每一步只预测下一个Token，从而在指令中提