把 AI 论文工具当模型使的人，还没摸到 WorkBuddy 的门

刷到那篇《深夜赶稿不再怕：2026年AI论文写作工具横向测评》，测评做得挺认真，但全文透着一股「选一个最聪明的模型」的思路。模型当然重要，可对于我这种研三写综述写到第三章的人来说，最痛的根本不是大纲生成得漂不漂亮，是文献摘了三十篇，散五个文件夹，导师批注七零八落，摘要格式每个期刊还不一样。这些破事，AI模型再聪明也救不了。

我两周前开始正经用 WorkBuddy，现在觉得这类工具的胜负手根本不在模型，在文件组织方式和权限规则。论文写作是异步工程，一次性跑到 ACM 目录下的 SVG 页面里，能看到每个字有没有逼你收徒花那一刻。我的环境是：Windows 笔记本，文献 PDF 放一个文件夹，导出的笔记放另一个，导师批注单独存，WorkBuddy 按规则扫这几个目录。

先说我的落地配置，照着设置就行。打开 WorkBuddy，左侧导航栏有个「任务流」，点进去选「文件夹监控」，把文献目录挂上去，然后在「指令模板」里写清楚：只提取标题、作者、年份、核心方法、局限，每篇输出两百字以内的结构化摘要，不要总结评价。注意，一次只让它干这一件事。我刚开始图省钱，让它同时提取摘要再标出可复用的句子，再对比三篇的异同，结果输出了一个四不像，段落之间还有逻辑断裂。后来学乖了，一次一个指令，两步到位，反而快。

配图的场景我拍过一张，书和笔摊在桌上，旁边屏幕里就是 WorkBuddy 的界面，那时候我刚悟到这个道理。

具体步骤：先新建文件夹，命名规范是 文献_Huberman_2021 这种「主题_作者_年份」格式，WorkBuddy 的文件解析对规范命名特别友好。然后在指令模板里写，关键词不用设太多，「方法」「局限」「研究空白」就够了。

权限策略也值得说一说。我之前犯过傻，把导师的批注文档和工作草稿放在同一目录，结果 WorkBuddy 把她的质问「第三段的逻辑链呢」当成待办事项处理了。后来我把目录拆成 input_processing（AI 只读区）、output_work（AI 可写区）、human_private（权限分离区），然后在 WorkBuddy 里设置：只允许访问前两个目录，human_private 后端管理里直接排除掉。它有一个「权限集」配置，「参见设置→任务流→权限」，可以针对不同标签，批量开权限。不回改写、不碰原始文章，只做摘要和结构化整理。我自己用下来，十篇文献大概 15 分钟跑完一遍，全格式对。

日常运维有一件事要养成习惯：每周一把「指令模板」里的版本说明看一遍。WorkBuddy 会记录每次任务执行的历史，如果某一轮的摘要开始格式漂移（比如突然多出一句主观评论），就是模板关键词有冲突。这时候我直接把那条指令删掉重写，别在原指令上打补丁，越打越乱。另外，跑任务之前检查文件名，凡是带「最终版」「改改」这种字的文件，AI 会按原样捞出来。一开始我这里的文件名是「综述_最终_最终2」，WorkBuddy 把两个版本都识别成正文，摘要重复了。

避坑经验还有一条：不要让它同时操作文档和表格。有一次我想让它把摘要汇总到 Excel，还顺带生成 PPT 提纲，结果输出表格格式错了，PPT 内容也有串行。后来我在 WorkBuddy 里把「文档处理」「表格处理」拆成两个独立任务流，各用一个文件夹，输出各分区生成。

之前我以为 AI 学术工作主要是模型够不够聪明，现在想法变了。模型是标配，把异步素材整理成可执行结构，才是真正拉开效率差距的地方。工具不是拿来崇拜的，是拿来用的。