WorkBuddy 是运行在组织内网或私有云中的轻量级调度中枢，实时桥接人、任务与数据；需显式声明 data_sources schema 以避免字段解析失败，assign_to 需通过 identity_providers 配置 Slack ID 而非邮箱，task_timeout 应依执行耗时 P95 上浮 20% 设定并配重试策略。
☞☞☞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 不是通用 AI 助手，也不是单纯的任务看板——它本质是一个**运行在组织内网或私有云中的轻量级调度中枢**，核心能力在于实时桥接三类实体：人（身份与权限）、任务（状态与依赖）、数据（API/数据库/文件路径）。如果你正卡在“系统太多、信息孤岛、每次同步都要手动点五次”的阶段，WorkBuddy 的价值才真正浮现。
为什么 workbuddy.yaml 里 data_sources 必须显式声明 schema？
不声明 schema 会导致任务执行时字段解析失败，错误信息通常是 KeyError: 'user_id' 或 TypeError: expected str, got NoneType。这是因为 WorkBuddy 默认不做运行时字段探测，所有数据源接入都走静态契约校验。
实操建议：
-
schema必须包含required字段列表，即使后端 API 返回更多字段，未列明的不会进入任务上下文 - 对数据库表，用
sqlalchemy的inspect生成初始 schema 比手写更可靠：from sqlalchemy import create_engine, inspect<br>insp = inspect(create_engine("sqlite:///tasks.db"))<br>print(insp.get_columns("task")) - 如果数据源字段动态变化（如用户自定义表单），需配合
dynamic_schema: true并在任务脚本中用context.get("raw_payload")手动处理
如何让 assign_to 正确识别 Slack 用户而非邮箱？
默认行为是按字符串匹配 email 字段，但 Slack 集成需转为 slack_id。若直接填 @alice，会触发 UserNotFoundError。
workbuddy-pet
下载
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
实操建议：
- 在
identity_providers配置块中启用slack类型，并指定user_mapping路径：user_mapping: "https://api.slack.com/scim/v1/Users" - 任务 YAML 中改用
assign_to: { provider: "slack", id: "U012AB3CD" }，不要用昵称或邮箱 - 调试时可临时加
debug: true，查看WorkBuddy日志里实际调用的 SCIM 查询 URL 和响应体
task_timeout 设太短会导致重试风暴，设太长又拖垮 SLA
常见现象是任务状态卡在 running 超过 10 分钟，后续同类型任务被阻塞排队，日志出现大量 TimeoutError: task exceeded 300s。
实操建议：
- 先用
workbuddy run --dry-run测单次执行耗时，取 P95 值再上浮 20% 作为基准 - 对含外部 HTTP 调用的任务，必须拆出
retry_policy：max_attempts: 3, backoff: "exponential"，避免超时即失败 - 关键路径任务（如审批流）建议设
timeout: 60，后台归档类任务可放宽到1800，但必须配notify_on_timeout: ["ops@company.com"]
WorkBuddy 的枢纽性恰恰体现在它**不隐藏复杂度，只收敛入口**——每个 data_source 的 schema、每个 assign_to 的 provider 类型、每个 task_timeout 的上下文依据，都得由你明确定义。漏掉任意一个，它就真会安静地停在那里，既不报错也不推进。 
