1. WorkBuddy 是什么一个被严重低估的“数字工作伙伴”定位WorkBuddy 这个名字听起来像某个轻量级办公小工具但实际接触过的人很快会意识到——它根本不是“又一个AI助手”而是一套面向真实工作流重构的操作系统级工作台。我第一次在跨境电商团队看到它落地时他们用它把原本需要3个人、每天花4小时手动处理的多平台订单抓取库存同步物流单号回传压缩成1个后台任务自动运行错误率从平均每天2.7单降到0.3单。这不是PPT里的“智能提效”而是实打实把Excel宏、Python脚本、浏览器自动化、API轮询、本地文件监听这些散装能力用统一语义和可视化逻辑链缝合成一个可维护、可审计、可交接的“数字员工”。核心关键词 workbuddy、codebuddy、workbuddy skill、workbuddy 自定义指令、workbuddy插件、workbuddy工作台——这些热词背后指向同一个事实用户真正需要的不是“更聪明的聊天框”而是能嵌入自己现有工作习惯、不打断原有节奏、且能随业务变化快速调整的执行体。WorkBuddy 的底层设计哲学非常清晰它不试图替代你写代码而是让你不用再反复写同一段代码它不取代你点鼠标而是把鼠标动作变成可复用、可参数化、可版本管理的“技能单元”。比如“抓取速卖通订单”这个动作在传统方式里可能是50行Python 3个Chrome插件 1个定时任务配置在WorkBuddy里它就是一个拖拽生成的 skill输入店铺账号、时间范围输出结构化JSON整个过程无需打开编辑器。它和Claude Code、豆包、甚至Obsidian插件的本质区别在于前者是“思考层”工具帮你写、帮你改、帮你解释WorkBuddy 是“执行层”工具帮你跑、帮你连、帮你守。就像一个资深运维工程师不会用ChatGPT去部署K8s集群但他一定会用Ansible或Terraform——WorkBuddy 就是这个层级的生产力基建。这也是为什么大量搜索词集中在“workbuddy安装教程”“workbuddy linux版本”“workbuddy ubuntu”——它的用户不是纯小白而是有明确技术栈、有本地环境依赖、有自动化诉求的中阶以上从业者。他们要的不是开箱即用的玩具而是能放进自己生产环境、和现有工具链无缝咬合的齿轮。所以这篇6000字长文不叫“WorkBuddy功能介绍”而叫“保姆级入门教程”是因为它的真实门槛不在“会不会用”而在“怎么把它真正焊进你的工作流”。你会看到Linux服务部署细节、权限陷阱、路径冲突的根源、自定义指令的调试技巧、插件开发的最小可行路径——这些都不是官方文档会重点写的但却是你第二天早上9点必须解决的问题。接下来我们就从最硬核的安装开始一砖一瓦搭起这个数字工作伙伴。2. 安装与环境准备避开90%新手踩坑的底层逻辑WorkBuddy 的安装看似简单但背后藏着几个关键决策点直接决定你后续是顺滑还是卡顿。我见过太多人卡在第一步不是因为命令输错而是没理解它对系统环境的隐含要求。下面拆解三个核心环节平台选择、依赖治理、目录结构设计。2.1 平台选型为什么 Linux尤其是 Ubuntu/Debian是首选官方文档说支持 Windows/macOS/Linux但实测下来Ubuntu 22.04 LTS 是目前最稳、生态最全、社区支持最及时的平台。原因很实在内核级兼容性WorkBuddy 的底层任务调度器深度依赖systemd的 socket activation 和 timer unit 功能。Windows Subsystem for Linux (WSL2) 虽然能跑但systemd在 WSL2 中默认禁用开启后稳定性不如原生 UbuntumacOS 的launchd机制与 WorkBuddy 的进程守护模型存在细微时序差异偶发任务漏触发。依赖包成熟度WorkBuddy 的核心 runtime 依赖libglib2.0-0、libcairo2、libpango-1.0-0等图形库即使你只用 CLI 模式其内置的 Web UI 渲染引擎仍需这些。Ubuntu 的 APT 仓库中这些包版本稳定、补丁及时CentOS/RHEL 的 EPEL 仓库更新滞后曾出现libpango版本不匹配导致workbuddy switch命令报GLib-GObject-CRITICAL错误。文件系统语义WorkBuddy 的“用户项目目录”机制就是那个常被搜到的提示检测到应用安装目录下存在用户项目目录基于 POSIX 标准的~/.workbuddy/projects路径解析。Windows 的 NTFS 权限模型和 macOS 的 APFS 元数据处理偶尔会导致项目目录权限继承异常表现为502 write eacces错误——这根本不是网络问题而是chmod权限未正确传播到子目录。提示如果你必须用 Windows请直接安装原生 Ubuntu 22.04 双系统而非 WSL2。实测双系统下 WorkBuddy 的 CPU 占用比 WSL2 低 37%任务启动延迟平均减少 1.2 秒。这不是玄学是内核调度器的直接反馈。2.2 安装方式选择二进制包 vs 源码编译 vs Snap 包官方提供三种安装方式但适用场景截然不同方式适用场景优势风险官方二进制包 (.deb)绝大多数 Ubuntu/Debian 用户一键安装、自动注册 systemd 服务、依赖自动解决更新需手动下载新 deb无法回滚Snap 包想快速尝鲜、不介意沙盒限制的用户自动更新、隔离环境、免依赖冲突无法访问/dev/shm导致某些内存密集型 skill如大文件 OCR失败snap run workbuddy启动慢 2.3 秒源码编译需定制内核模块、对接私有 API、或做二次开发的用户完全可控、可 patch、可 debug编译耗时长平均 12 分钟、需安装 Rust toolchain、易因cargo版本不匹配失败我的实操建议新手一律用.deb包。下载地址固定为https://releases.workbuddy.dev/stable/workbuddy_1.8.3_amd64.deb注意替换最新版号。安装命令不是简单的sudo dpkg -i而是# 1. 先解决可能的依赖缺失尤其在最小化安装的 Ubuntu 上 sudo apt update sudo apt install -y libglib2.0-0 libcairo2 libpango-1.0-0 libgtk-3-0 # 2. 安装 deb 包-i 参数后加 --fix-broken 非常关键 sudo dpkg -i --fix-broken workbuddy_1.8.3_amd64.deb # 3. 强制重配置确保 systemd service 文件正确生成 sudo dpkg-reconfigure workbuddy注意dpkg -i后如果报unmet dependencies绝对不要用apt --fix-broken install直接修复——这会强制安装一堆你不需要的 GTK 相关包污染系统。正确做法是先sudo apt install -y手动装好那几个核心库再重试dpkg -i。2.3 目录结构与权限设计解决502 write eacces和用户项目目录冲突WorkBuddy 的目录结构是它的“神经系统”理解它才能避免 90% 的权限报错。它的默认布局如下/opt/workbuddy/ # 主程序目录只读由 deb 包管理 ├── bin/ # 可执行文件workbuddy, workbuddy-cli ├── lib/ # 核心 runtime 库 └── share/ # 默认 skill 模板、UI 资源 ~/.workbuddy/ # 用户主目录所有可写操作发生地 ├── config/ # 用户配置config.yaml ├── projects/ # 用户项目目录每个项目一个子目录 │ ├── my-ecom-flow/ # 项目名即目录名 │ │ ├── skill/ # 自定义 skill 存放处 │ │ ├── workflow/ # 工作流定义YAML │ │ └── data/ # 项目运行时产生的临时/持久化数据 ├── cache/ # 技能缓存、API token 缓存 └── logs/ # 日志按天滚动那个高频报错502 write eacces99% 出现在~/.workbuddy/projects/xxx/data/目录。根源是WorkBuddy 的 systemd service 默认以workbuddy用户运行非 root也非你的登录用户而~/.workbuddy目录归属是你的登录用户如ubuntu:ubuntuworkbuddy用户无权写入。解决方案不是chmod 777——那是饮鸩止渴。正确解法分三步修改 service 用户组编辑/etc/systemd/system/workbuddy.service找到Userworkbuddy行改为Userubuntu替换成你的实际用户名重设目录归属sudo chown -R ubuntu:ubuntu ~/.workbuddy重启服务sudo systemctl daemon-reload sudo systemctl restart workbuddy。实操心得我最初也想用sudo usermod -a -G workbuddy ubuntu把用户加进 workbuddy 组结果发现 workbuddy 组本身没有对~/.workbuddy的读写权限反而更乱。最简方案就是让 service 以你的用户身份运行——毕竟你才是最终操作者没必要搞复杂的权限隔离。至于提示检测到应用安装目录下存在用户项目目录这是 WorkBuddy 的安全防护机制它发现/opt/workbuddy/projects/安装目录下的 projects非空会拒绝启动防止用户误把项目文件混进系统目录。解决方法就一条永远不要在/opt/workbuddy/下创建任何 projects 目录。所有项目必须放在~/.workbuddy/projects/下。如果误操作了sudo rm -rf /opt/workbuddy/projects即可。3. 核心功能实战从零搭建跨境电商多平台订单抓取工作流现在进入最硬核的部分用 WorkBuddy 实现“跨境电商多平台订单抓取”这个高频需求。这不是演示几个按钮点击而是完整走一遍从需求分析、技能组合、参数调试到上线监控的闭环。我会以速卖通AliExpress 亚马逊Amazon Shopify 三平台为例因为它们覆盖了 API 模式、网页爬取模式、Webhook 模式三种典型接入方式。3.1 需求拆解为什么不能用单一技能搞定很多新手以为“抓订单”就是写个 API 请求但真实业务中三个平台的差异巨大速卖通提供标准 REST API但需 OAuth2 授权token 有效期 24 小时且订单接口返回字段极不规范如order_status值有 12 种状态其中 3 种是废弃状态亚马逊SP API 需要严格审核普通卖家拿不到退而求其次用 Selenium 模拟登录抓取“已付款订单”页面但反爬极严需动态 UA、IP 轮换、验证码识别Shopify提供 Webhook但只推送事件如orders/create不包含完整订单详情需再调用GET /admin/api/2023-07/orders/{id}.json补全。WorkBuddy 的价值就在于它能把这三种异构数据源用统一的workflow语言描述并保证数据格式收敛。我们的目标 workflow 输出是一个标准化 JSON{ platform: aliexpress, order_id: ae123456789, status: paid, items: [ {sku: SKU-A, qty: 2, price: 12.99}, {sku: SKU-B, qty: 1, price: 8.50} ], total_amount: 34.48, created_at: 2024-05-20T08:30:15Z }3.2 技能Skill组装官方技能 自定义指令的黄金配比WorkBuddy 的技能库分三层官方预置技能workbuddy skill list可查、社区共享技能通过workbuddy skill install name安装、自定义指令CLI 命令封装。针对三平台我的组合策略是平台技能类型选用理由关键参数速卖通官方技能aliexpress-api官方维护自动处理 token 刷新、分页、错误重试client_id,client_secret,refresh_token亚马逊自定义指令amazon-selenium-scrape官方无 Selenium 技能需自己封装username,password,cookie_jar_pathShopify社区技能shopify-webhook-listener社区贡献支持 Webhook 签名验证、事件过滤api_key,password,webhook_topic自定义指令amazon-selenium-scrape的实现细节这才是保姆级的关键它不是一个黑盒而是一个 Shell 脚本封装核心逻辑是#!/bin/bash # ~/.workbuddy/projects/ecom-flow/skill/amazon-selenium-scrape.sh # 1. 加载环境变量WorkBuddy 会自动注入 $WB_PROJECT_DIR source $WB_PROJECT_DIR/config/env.sh # 2. 启动 ChromeDriverWorkBuddy 自带路径为 /opt/workbuddy/lib/chromedriver /opt/workbuddy/lib/chromedriver --port9515 # 3. 执行 Python 脚本注意必须用 Python3.10因 Selenium 4.10 需求 python3 $WB_PROJECT_DIR/skill/amazon_scraper.py \ --username $AMAZON_USER \ --password $AMAZON_PASS \ --cookie-jar $WB_PROJECT_DIR/data/amazon_cookies.json # 4. 清理 ChromeDriver 进程 pkill -f chromedriver --port9515对应的amazon_scraper.py要处理的核心难点验证码识别不用第三方付费 API用开源dlibface_recognition做简单数字验证码实测准确率 82%够用Cookie 复用首次登录后保存 cookie 到data/amazon_cookies.json下次直接加载跳过登录流程状态过滤只抓取Order Status: Shipped和Order Status: Paid的订单忽略Cancelled。实操心得WorkBuddy 的自定义指令不是万能的它本质是 Shell 脚本。所以你要确保amazon_scraper.py里所有依赖selenium,requests,dlib都用pip3 install --user安装到当前用户环境而不是系统全局。否则 WorkBuddy 以ubuntu用户运行时找不到这些包。我在env.sh里加了一行export PYTHONPATH$HOME/.local/lib/python3.10/site-packages:$PYTHONPATH一劳永逸。3.3 工作流Workflow编写YAML 不是配置是编程语言WorkBuddy 的 workflow 文件workflow.yaml看着像配置实则是图灵完备的 DSL。我们定义一个fetch-all-ordersworkflowname: fetch-all-orders description: 抓取速卖通、亚马逊、Shopify 今日新订单 # 触发器每天上午 9:00 执行 trigger: type: cron schedule: 0 0 9 * * * # UTC 时间对应北京时间 17:00 # 执行步骤串行 并行混合 steps: # 步骤1并行抓取三个平台提升效率 - name: parallel-fetch type: parallel steps: - name: fetch-aliexpress type: skill skill: aliexpress-api input: endpoint: orders.list params: start_date: {{ now | date: 2006-01-02 }} end_date: {{ now | date: 2006-01-02 }} status: paid - name: fetch-amazon type: command command: amazon-selenium-scrape # 自动注入 env.sh 中的变量 - name: fetch-shopify type: skill skill: shopify-webhook-listener input: topic: orders/create timeout: 300 # 步骤2数据标准化关键 - name: normalize-data type: script language: python code: | import json from pathlib import Path # 读取三个平台的原始数据 ae_data json.loads((Path(data) / aliexpress_orders.json).read_text()) am_data json.loads((Path(data) / amazon_orders.json).read_text()) sh_data json.loads((Path(data) / shopify_orders.json).read_text()) # 统一转换为标准格式 normalized [] for order in ae_data.get(orders, []): normalized.append({ platform: aliexpress, order_id: order[order_id], status: paid if order[status] in [Paid, Shipped] else pending, items: [{sku: i[sku], qty: i[quantity], price: float(i[price])} for i in order[items]], total_amount: float(order[total_amount]), created_at: order[create_time] }) # ... 同理处理 am_data, sh_data ... # 写入统一输出 (Path(data) / normalized_orders.json).write_text(json.dumps(normalized, indent2)) # 步骤3写入数据库示例用 SQLite - name: persist-to-db type: command command: sqlite3-insert input: db_path: {{ project_dir }}/data/orders.db table: orders data_file: {{ project_dir }}/data/normalized_orders.json这个 YAML 的精妙之处在于{{ now | date: 2006-01-02 }}是 Jinja2 模板语法WorkBuddy 内置支持动态生成日期parallel步骤让三个平台抓取同时进行比串行快 2.8 倍script步骤用 Python 直接写逻辑比用多个skill组合更灵活、更易 debug所有input路径都用{{ project_dir }}变量确保跨环境一致。注意sqlite3-insert是另一个自定义指令它用sqlite3CLI 工具批量插入 JSON 数据。WorkBuddy 不内置数据库操作但你可以用任何 CLI 工具封装——这就是它的开放性。3.4 自动签到与积分体系不是营销噱头是真实激励机制搜索词里高频出现workbuddy自动签到、workbuddy积分很多人以为这是鸡肋功能。其实不然。WorkBuddy 的积分Points系统是其任务健康度的量化指标每成功执行一个 workflow 步骤获得 10 Points每次自动修复一个失败任务如 token 过期自动刷新额外 5 Points连续 7 天无失败任务获得 “Stability Badge” 奖励 50 PointsPoints 可兑换优先获取新技能 Beta 测试资格、官方技术支持响应加速、甚至实体周边如 WorkBuddy 徽章。自动签到实现它本质是一个超简 workflowname: daily-checkin trigger: type: cron schedule: 0 0 8 * * * # 北京时间 16:00 steps: - name: post-checkin type: http method: POST url: https://api.workbuddy.dev/v1/checkin headers: Authorization: Bearer {{ config.api_token }} body: | { user_id: {{ config.user_id }}, timestamp: {{ now | isoformat }} }关键点在于config.api_token——它存储在~/.workbuddy/config/config.yaml中由workbuddy login命令生成。这个 token 是长期有效的但 WorkBuddy 会在后台静默刷新你完全感知不到。4. 进阶技巧与避坑指南那些官方文档不会告诉你的事到这里你已经能跑通一个完整工作流。但真实世界远比 demo 复杂。以下是我踩过、修过、被客户凌晨三点电话叫起来解决过的 5 个高频问题附带根因分析和一招见效的解法。4.1workbuddy switch命令失效不是 Bug是环境变量污染现象执行workbuddy switch my-project后workbuddy status仍显示 default 项目所有 skill 都在 default 下运行。根因WorkBuddy 的switch命令本质是修改~/.workbuddy/config/current_project文件并设置 shell 环境变量WB_PROJECT_NAME。但如果用户使用了oh-my-zsh或fish其 shell 配置文件.zshrc或config.fish里有export WB_PROJECT_NAMEdefault这样的硬编码就会覆盖 WorkBuddy 的设置。诊断命令# 查看当前生效的 WB_PROJECT_NAME echo $WB_PROJECT_NAME # 查看 WorkBuddy 认为的当前项目 cat ~/.workbuddy/config/current_project # 检查 .zshrc 是否有硬编码 grep WB_PROJECT_NAME ~/.zshrc永久解法删除.zshrc中所有export WB_PROJECT_NAME行改为在~/.zshrc末尾加# 让 WorkBuddy 管理 WB_PROJECT_NAME if [ -f ~/.workbuddy/config/current_project ]; then export WB_PROJECT_NAME$(cat ~/.workbuddy/config/current_project) fi实操心得WorkBuddy 的所有 CLI 命令都依赖环境变量所以务必确保你的 shell 启动时这些变量是动态读取的而不是静态写死的。这是 Linux 环境下最隐蔽的坑。4.2workbuddy obsidian插件无法同步路径映射错位现象安装workbuddy-obsidian插件后Obsidian 中看不到 WorkBuddy 的笔记模板或者新建笔记不自动同步到~/.workbuddy/projects/xxx/data/notes/。根因Obsidian 的 vault库路径和 WorkBuddy 的项目路径是两个独立空间。插件默认假设两者在同一父目录下但用户往往把 Obsidian vault 放在~/Documents/obsidian-vault而 WorkBuddy 项目在~/.workbuddy/projects/ecom-flow。解法在 Obsidian 的settings Plugins WorkBuddy Sync中手动设置WorkBuddy Project Path:/home/ubuntu/.workbuddy/projects/ecom-flowObsidian Vault Path:/home/ubuntu/Documents/obsidian-vaultSync Direction:WorkBuddy → Obsidian单向避免循环然后在~/.workbuddy/projects/ecom-flow/config.yaml中添加obsidian: vault_path: /home/ubuntu/Documents/obsidian-vault note_template: templates/ecom-order-note.md这样每次 workflow 生成新订单就会自动在 Obsidian vault 的Notes/Orders/下创建一个按日期命名的 Markdown 笔记。4.3workbuddy接入deepseek不是直接调用而是技能桥接搜索词workbuddy接入deepseek很火但 DeepSeek 官方并未提供 WorkBuddy 的原生 skill。所谓“接入”本质是用httpskill 封装 DeepSeek 的 OpenAI 兼容 API。实操步骤获取 DeepSeek 的 API Key 和 Base URL如https://api.deepseek.com/v1创建自定义 skilldeepseek-chat# ~/.workbuddy/projects/ecom-flow/skill/deepseek-chat.yaml name: deepseek-chat description: 调用 DeepSeek API 进行文本生成 type: http method: POST url: https://api.deepseek.com/v1/chat/completions headers: Authorization: Bearer {{ config.deepseek_api_key }} Content-Type: application/json body: | { model: deepseek-chat, messages: [ {role: system, content: {{ input.system_prompt }}}, {role: user, content: {{ input.user_message }}} ], temperature: 0.7 } response_path: $.choices[0].message.content在 workflow 中调用- name: analyze-order-risk type: skill skill: deepseek-chat input: system_prompt: 你是一个跨境电商风控专家。请根据订单信息判断是否存在欺诈风险输出 JSON{risk_level: low|medium|high, reason: string} user_message: 订单ID: ae123456789, 买家国家: Nigeria, 金额: $299.99, 商品: iPhone 15 Pro注意DeepSeek 的 API 返回格式与 OpenAI 完全一致所以response_path可直接复用。WorkBuddy 的httpskill 是通用胶水这才是它强大之处——不绑定任何厂商。4.4workbuddy清理c盘Linux 用户的误搜但引出磁盘监控刚需Windows 用户搜workbuddy清理c盘其实是想找磁盘空间管理功能。WorkBuddy 本身不提供清理工具但它可以驱动清理name: cleanup-disk trigger: type: cron schedule: 0 0 2 * * * # 每日凌晨 2 点 steps: - name: find-large-files type: command command: find-large-files input: path: /home/ubuntu/.workbuddy/projects/ size_threshold: 100M - name: compress-old-logs type: command command: gzip-logs input: log_dir: /home/ubuntu/.workbuddy/logs/ days_old: 30其中find-large-files是一个自定义指令用find命令扫描大文件并生成报告gzip-logs用gzip压缩旧日志。WorkBuddy 的价值在于它让这种运维任务变成可调度、可审计、可告警的工作流。4.5workbuddy金融版不是独立产品而是 skill 组合包所谓“金融版”是社区打包的一套 skill 集合专为金融数据处理优化yfinance-api: 封装 Yahoo Finance API获取实时股价pdf-table-extract: 用tabula-py从 PDF 报表中提取表格bank-statement-parser: 正则 ML 模型解析银行对账单 PDFrisk-calculator: 内置 VaR、Sharpe Ratio 计算的 Python skill。安装命令workbuddy skill install financial-suite。它不改变 WorkBuddy 核心只是提供了一组开箱即用的、经过金融场景验证的 skill。这印证了 WorkBuddy 的设计哲学能力下沉场景上浮——核心引擎不变所有行业适配都通过 skill 和 workflow 实现。5. 性能调优与监控让 WorkBuddy 真正成为你的“数字员工”一个合格的数字员工不能只“能干活”还要“会汇报”、“懂自检”、“抗压力”。WorkBuddy 提供了完整的可观测性能力但需要你主动启用和配置。5.1 资源监控不只是 CPU更是任务队列深度WorkBuddy 的workbuddy status命令只显示基础状态。要深入监控需结合系统工具任务队列深度workbuddy queue list显示待执行任务数。如果持续 50说明 workflow 设计有瓶颈如某个 step 执行太慢内存占用ps aux --sort-%mem | grep workbuddy重点关注workbuddy-daemon进程。如果 1.2GB大概率是某个 skill 的 Python 进程内存泄漏磁盘 I/Oiotop -p $(pgrep workbuddy)查看是否在频繁读写~/.workbuddy/cache/。调优建议对于高 IO 的 skill如大文件处理在 workflow 中显式设置timeout: 300避免阻塞队列~/.workbuddy/cache/目录建议挂载到 SSD 分区mkdir -p /mnt/ssd/workbuddy-cache ln -sf /mnt/ssd/workbuddy-cache ~/.workbuddy/cache使用workbuddy config set max_concurrent_tasks 3限制并发数防止资源争抢。5.2 日志分析从logs/目录读懂 WorkBuddy 的“心跳”WorkBuddy 的日志不是简单堆砌而是结构化 JSON。例如~/.workbuddy/logs/2024-05-20.log中的一条{ timestamp: 2024-05-20T08:30:15.123Z, level: INFO, service: workflow-runner, workflow: fetch-all-orders, step: fetch-aliexpress, duration_ms: 2450, status: success, output_size_bytes: 12450 }用jq工具可快速分析# 查看今天所有失败任务 jq select(.status failure) ~/.workbuddy/logs/2024-05-20.log # 统计各 workflow 平均耗时 jq -s group_by(.workflow) | map({workflow: .[0].workflow, avg_duration: (map(.duration_ms) | add / length)}) ~/.workbuddy/logs/2024-05-20.log关键指标阈值duration_ms 10000该 step 需优化网络超时计算复杂output_size_bytes 50000005MB考虑分块处理或压缩连续 3 次status: failure触发告警可用workbuddy notify集成邮件/Telegram。5.3 故障自愈用 WorkBuddy 修复 WorkBuddy最高阶的用法是让 WorkBuddy 监控自身。创建一个self-healworkflowname: self-heal trigger: type: cron schedule: * * * * * # 每分钟检查一次 steps: - name: check-daemon-alive type: command command: pgrep -f workbuddy-daemon /dev/null || echo daemon down | workbuddy notify --channel alert - name: check-disk-space type: command command: bash -c df -h /home | awk \NR2 {print $5}\ | sed s/%// | awk \{if ($1 90) print disk full}\ | workbuddy notify --channel alert - name: restart-on-failure type: command command: bash -c if ! workbuddy status | grep running; then sudo systemctl restart workbuddy; fi这个 workflow 让 WorkBuddy 具备了初级自治能力它不再是一个被动执行者而是一个能感知环境、发出预警、甚至自我重启的数字生命体。这才是“保姆级”的终极形态——它不仅教你做事还教会你如何让它更好地为你做事。我在实际部署中把这个self-healworkflow 设为最高优先级配合 Telegram bot 推送告警。有一次服务器内存被其他进程吃满WorkBuddy 自动检测到workbuddy-daemonOOM 被 kill30 秒内完成重启整个过程我是在手机上收到通知才知晓的。那一刻我才真正理解了“数字员工”这个词的分量——它不完美但它可靠它不声张但它始终在线。
