WorkBuddy 是封装 LangChain+LLM 的 CLI 工具链，依赖预置 12 个 workflow 模板实现自然语言驱动的端到端自动化；“Loading context…”卡顿源于 .wbconfig.yaml 配置错误或 API 权限不足；summarize-emails 默认仅处理 5 封邮件且参数不可 CLI 调整；自定义 workflow 时 input_schema 格式错误会导致静默失败。
☞☞☞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☜☜☜
WorkBuddy 不是另一个低代码平台，它本质是一个封装了 LangChain + LLM 调用逻辑的 CLI 工具链，核心价值在于跳过 prompt 工程和 chain 编排，直接用自然语言描述任务就能跑通端到端自动化——但前提是你的任务落在它预置的 12 个 workflow 模板里。
为什么 workbuddy run 总卡在 “Loading context…”
这是最常见的阻塞点，不是网络问题，而是默认尝试加载当前目录下的 .wbconfig.yaml 并读取其中定义的 sources（比如 notion_db_id 或 gmail_label）。如果文件缺失、字段拼写错误（如写成 notion_db_ID），或对应 API token 权限不足，就会无限等待。
- 先运行
workbuddy init生成标准配置模板，别手动创建.wbconfig.yaml - 检查
sources下每个服务是否已按文档完成 OAuth 授权（gmail和notion必须走 Web 流程，slack可用 bot token） - 临时排除干扰：加
--no-context参数测试基础 LLM 响应是否正常
workbuddy run summarize-emails 为什么只处理最近 5 封？
所有内置 workflow 都带硬编码的默认参数，summarize-emails 的 max_emails 默认值就是 5，且不通过 CLI 暴露为可调选项。这不是 bug，是设计取舍：防止首次用户误触发全量同步导致 rate limit。
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
- 想改数量？必须编辑
~/.workbuddy/workflows/summarize-emails.yaml，找到params.max_emails字段并修改 - 注意该文件每次
workbuddy update可能被覆盖，建议用workbuddy workflow clone summarize-emails my-summarizer先复制一份再改 - 真实生产场景中，更推荐用
workbuddy run custom --workflow ./my-summarizer.yaml显式调用自定义版本
自定义 workflow 时，input_schema 字段写错会静默失败
WorkBuddy 在加载 workflow YAML 时对 input_schema 的 JSON Schema 格式极其敏感。哪怕只是多了一个逗号、少了一个引号，或把 "type": "string" 写成 "type": "str"，它都不会报错，而是直接跳过整个 input 解析，后续步骤拿到空值。
- 验证方式：用在线工具（如
jsonschemalint.com）粘贴你的input_schema片段 - 最简可用结构必须包含
$schema、type、properties三层，缺一不可 - 调试技巧：在 workflow 步骤里插入一个
logaction，输出{{ inputs }}，确认变量是否如期注入
真正难的从来不是“怎么让 AI 动起来”，而是当它动得不对时，你能否快速判断问题出在配置层、上下文加载层，还是 LLM 的语义理解层——WorkBuddy 把前两层封装得足够薄，但没藏掉它们的存在。
