核心能力全景解读：本站八项矩阵 × 官方六大能力
2026-09-30· 官方核心能力是六项（自然语言交互、自主规划与执行、多模态任务处理、本地文件操作、多任务并行、结果交付与验收），来自官方《简介》。
· 本站梳理的八项能力矩阵（文件操作 / 代码执行 / 联网搜索 / 多媒体生成 / 数据可视化 / 连接器 / 自动化 / 记忆）是工具视角的拆解——它更贴近「具体能调哪些工具」，但不是官方口径。
两者不是对错关系，是粒度不同。早期版本的页面把「八项」当作官方能力讲，容易让人误以为官方就是这么分的，本页已明确区分。
WorkBuddy 之所以被称为「全能数字员工」，在于它的能力覆盖了从文件操作到自动化执行的完整办公链路。下面先给出官方六大能力（权威口径），再展开本站的八项能力矩阵（实操粒度），最后给出能力雷达图与场景组合推荐。
官方六大核心能力（权威口径）
| # | 能力 | 官方说明 |
|---|---|---|
| 1 | 自然语言交互 | 使用自然语言描述需求，无需预先拆分复杂操作步骤 |
| 2 | 自主规划与执行 | 根据任务目标自动拆解步骤、规划执行流程并完成任务 |
| 3 | 多模态任务处理 | 支持文档、表格、PPT、数据分析等多种任务类型 |
| 4 | 本地文件操作 | 在获得授权后读取和处理本地文件，支持批量整理、修改等操作 |
| 5 | 多任务并行 | 支持同时创建和处理多个任务，适合并行完成不同工作 |
| 6 | 结果交付与验收 | 任务完成后可查看和使用生成的文档、表格、PPT 等结果 |
官方的六项讲的是「它作为一个工作台能干什么」；而下面这八项讲的是「落到具体操作时，你会用到哪些工具类别」。前者回答「要不要用」，后者回答「怎么用」。
本站八项能力矩阵
1. 文件读/写/编辑
工具：Read / Write / Edit
读取、创建、修改任意本地文件，支持 50+ 格式。是所有操作的基础——先读后改，改完即存。
2. 代码执行沙箱
工具：Bash / PowerShell / Python / Node
在受限沙箱中运行代码，高危操作需授权。运维脚本、数据处理、自动化任务的核心引擎。
3. 联网搜索与抓取
工具：WebSearch / WebFetch
实时搜索互联网信息、抓取网页内容。突破模型知识截止日期限制，获取最新资讯。
4. 多媒体生成
技能：ImageGen / VideoGen / 3DGen
基于文本描述生成图片、海报、视频、3D 模型。内容创作者的得力助手。
5. 数据可视化
输出：SVG 图表 / HTML 交互组件
将数据转化为可视化图表、流程图、架构图。让数据会说话。
6. MCP 连接器
协议：Model Context Protocol
对接钉钉、飞书、GitHub、腾讯文档等 50+ 外部服务，打通信息孤岛。
7. 自动化任务
机制：定时触发 / 事件触发
设定规则后自动执行：日报生成、监控巡检、数据备份、批量操作。
8. 持久记忆
层级：云端 / 用户级 / 项目级
三层记忆系统，跨会话保持上下文，记住你的偏好、项目结构和历史操作。
能力雷达图
下图从通用性、执行深度、学习成本、生态广度、安全等级五个维度评估这八项能力。雷达图面积越大，综合能力越强：
能力一：文件读/写/编辑
文件操作是 WorkBuddy 的基础能力，所有涉及"动手"的任务都从读取文件开始。三大工具分工明确：
- Read：读取文件内容，支持指定行范围、编码自动检测、50+ 格式（代码、Markdown、JSON、YAML、CSV、二进制图片等）
- Write：创建新文件或完整覆写文件，自动创建不存在的目录路径
- Edit：精确替换文件中的指定内容，支持单次替换和批量替换，不会误改无关内容
典型用法：Read 先看文件内容 → Edit 精确修改某行 → Write 创建新文件。详见 B2 文件读写操作。
能力二：代码执行沙箱
WorkBuddy 内置四种语言运行时，在受限沙箱中执行代码：
Bash
Linux/macOS 默认 Shell，适合系统运维、文件管理、进程操作。
PowerShell
Windows 默认 Shell，适合 Windows 环境运维、.NET 操作、注册表管理。
Python
数据分析、爬虫、自动化脚本的首选，预装常用库。
Node.js
前端构建、API 调用、JSON 处理，适合 JS/TS 生态任务。
安全机制：所有代码在沙箱中执行，高危操作（如 rm -rf、DROP TABLE）需要用户手动授权确认。详见 B3 代码执行沙箱。
能力三：联网搜索与抓取
大语言模型的知识有截止日期，而工作中经常需要最新信息。WorkBuddy 提供两个联网工具：
- WebSearch：搜索引擎式查询，返回多条结果及摘要，适合快速了解某个话题的最新动态
- WebFetch：抓取指定 URL 的完整网页内容，转为 Markdown 格式，适合深度阅读特定页面
常见场景：查最新 API 文档、搜索技术方案、抓取竞品页面、获取新闻资讯。详见 B4 联网搜索与网页抓取。
能力四：多媒体生成
WorkBuddy 内置 ImageGen、VideoGen、3DGen 三大生成技能，让内容创作不再需要切换工具：
- ImageGen：文生图，支持风格控制（写实、扁平、3D 渲染等），输出 PNG/JPG，适合海报、插图、UI 原型
- VideoGen：文生视频，生成 3-10 秒短视频，适合产品演示、社交媒体素材
- 3DGen：文生 3D 模型，输出 glTF/OBJ 格式，适合产品展示、游戏素材
详见 B5 多媒体生成。
能力五：数据可视化
WorkBuddy 可以直接生成可视化图表，无需借助外部工具：
- SVG 图表：柱状图、折线图、饼图、散点图等，直接嵌入 Markdown 或 HTML
- HTML 交互组件：带筛选、排序、钻取功能的交互式数据面板
- 流程图 / 架构图：系统架构、业务流程、数据流图
详见 B6 数据可视化。
能力六：MCP 连接器
Model Context Protocol（MCP）是 WorkBuddy 对接外部服务的标准协议。通过 MCP 连接器，WorkBuddy 可以：
- 读取钉钉/飞书的消息和文档
- 操作 GitHub 仓库（创建 PR、合并代码、查看 Issue）
- 访问腾讯文档、企业微信
- 连接数据库（MySQL、PostgreSQL、Redis）
- 调用内部 API 和微服务
目前已有 50+ 官方和社区连接器，覆盖主流办公和开发工具。详见 D1 MCP 连接器总览。
能力七：自动化任务
自动化让 WorkBuddy 从"随叫随到"升级为"不叫也到"：
- 定时触发：Cron 表达式设定执行周期（每天 9 点生成日报、每小时巡检一次）
- 事件触发：监听特定事件（Git Push 时自动部署、收到邮件时自动摘要）
- 条件分支：根据执行结果决定下一步（巡检异常则告警，正常则静默）
详见 C4 自动化工作流。
能力八：持久记忆
记忆系统让 WorkBuddy 跨会话保持上下文，不用每次都从头说：
- 云端记忆：全局知识（产品文档、技术规范），所有用户共享
- 用户级记忆：个人偏好（编码风格、常用命令、工作习惯），跨项目生效
- 项目级记忆：项目上下文（目录结构、技术栈、配置文件），同项目内自动加载
详见 D5 三层记忆系统。
能力组合推荐
这八项能力真正的威力在于组合使用。以下是高频场景的最佳能力组合：
🔧 运维排障
组合：文件操作 + 代码执行 + 联网搜索 + 记忆
读日志 → 执行诊断命令 → 搜索解决方案 → 记住处理经验
📊 数据分析
组合：文件操作 + 代码执行 + 数据可视化 + MCP
读数据文件 → Python 分析 → 生成图表 → 写入文档/飞书
📝 内容创作
组合：联网搜索 + 多媒体生成 + 文件操作 + 自动化
搜索素材 → 生成图文 → 写入文件 → 定时发布
🚀 项目开发
组合：文件操作 + 代码执行 + MCP + 记忆
读写代码 → 运行测试 → 提交 PR → 记住项目结构
📋 日报周报
组合：MCP + 代码执行 + 数据可视化 + 自动化
拉取 Git/钉钉数据 → 汇总分析 → 生成图表 → 定时发送
🔍 信息调研
组合：联网搜索 + 文件操作 + 数据可视化 + 记忆
搜索多源信息 → 整理写入文档 → 可视化对比 → 记住调研结论
能力对比速查
高执行深度能力
- 文件操作：直接修改磁盘文件，影响立竿见影
- 代码执行：运行进程、操作系统资源
- 自动化：持续执行，影响范围最广
→ 适合 Craft 模式，注意安全边界
高信息获取能力
- 联网搜索：获取外部最新信息
- MCP 连接：获取内部服务数据
- 持久记忆：获取历史上下文
→ 三种模式都适用，Ask 模式下也可使用