我
提问
案例
讨论
workBuddy 实践者的交流阵地。提问、分享案例、讨论经验,与同行和认证专家直接互动。
公司内部有 PDF、Word、飞书文档、Confluence 和 Notion 多种数据源,格式和结构差异很大。目前直接接入后检索效果很不稳定,有些文档完全检索不到。想请教大家有没有做过统一的数据清洗和标准化方案?特别是表格类内容的处理。
系统上线 3 个月了,做个复盘分享。核心经验:1) 初期不要追求一步到位,先跑通最小闭环再迭代;2) 风控规则引擎和 Agent 判断要做双保险,不能完全信任模型;3) 数据质量比模型选择重要 10 倍。附完整的调优日志和踩坑记录…
目前我们团队提示词散落在各种文档和聊天记录里,版本管理完全靠人工。每次改提示词都要手动同步给所有人,非常痛苦。想了解大家有没有用提示词管理平台或者自动化的方案?Git 管理 prompt 有什么最佳实践?
公司内网 API 需要 VPN + Token 双重鉴权,而且有严格的网络隔离策略。想通过 MCP 把内部 API 暴露给 workBuddy 使用,但安全团队有顾虑。有没有人在类似环境下做过 MCP 网关或者代理层方案?
刚帮一个美妆品牌上线了客服 Agent 系统,客服效率提升 40%,退货率降低 15%。分享完整的搭建过程:从需求分析、知识库构建、对话流程设计到上线效果监控。重点讲讲怎么处理"用户说一半改主意"和"跨意图切换"这两个头疼的问题…
用了半年 workBuddy 和另外 3 款 AI 编程工具,从代码生成质量、上下文理解、项目适配度和企业安全四个维度做了对比。结论可能和你想的不一样——没有"最好的",只有"最合适的"。不同团队规模和项目类型该怎么选,我整理了一张决策表…