RPA学习天地第一期Workbuddy 智能助手应用与部署培训顺利结束啦！第一期主题聚焦一个非常落地的场景：Workbuddy 在单据识别与数据清洗中的应用。

一、为什么需要Workbuddy？

传统单据处理有几个典型痛点：录入效率低；单据格式不统一；人工整理耗时；数据字段经常缺失；后续台账生成靠手工。Workbuddy 的定位，是一个通过自然语言交互完成数据处理的智能助手。用户不需要写代码，只需要用自然语言下指令，就能完成单据识别、清洗、补齐和台账生成。更重要的是，它不是来“替代 RPA”的，而是和 RPA 分工协作,Workbuddy 负责非结构化数据处理与理解，RPA 负责规则明确的系统录入与流程自动化。两者结合，才能实现效率最大化。

二、单据处理标准四步法

本次培训重点讲了Workbuddy 处理单据的标准作业流程：

01 单据识别

通过自然语言指令，识别发票、报销单等各类业务单据。

02 数据清洗

统一格式，处理异常数据，让数据变得规整可用。

03 数据补齐

自动补齐缺失的关键字段，例如税号、规格等。这里可以结合SKU 表、供应商映射表等主数据，实现数据透视与完善。

04 生成台账

输出规范化的数据台账，方便后续核对、分析和系统对接。

一句话总结：单据识别→ 数据清洗 → 数据补齐 → 生成台账。这套四步法，适用于发票、报销单等多种业务场景，是Workbuddy 落地单据处理的核心打法。

三、本地模型vs 云端模型，怎么选？

培训中详细对比了本地模型和云端模型的部署方案。

本地模型部署要点

推荐通过Ollama 等部署通义千问、DeepSeek 等模型；显存不足16GB，或使用 CPU 运行，速度会非常慢，不推荐；在Workbuddy 中选择“自定义”模型；填写本地API 地址，例如127.0.0.1:端口；务必勾选“工具”选项；上下文长度调高到128k 或 256k，保证运行流畅。

云端模型成本提醒

云端模型按积分计费，速度快，但要关注积分余额；新手可通过邀请注册获取初始积分，约2000 分；免费额度有时间限制，例如每3-4 小时一个免费块，超出后需等待或消耗积分。

四、实战技巧：少走弯路的4 个建议

01指令里写清绝对路径

为了避免AI 误读、误操作相似文件夹，指令中必须明确指定文件的绝对路径。

02长任务拆步骤执行

面对长上下文任务，建议分步骤执行：先识别，再清洗，最后汇总。不要一次性把所有任务塞进去，避免上下文限制导致中断或出错。

03把处理逻辑沉淀为“技能”

单次任务验证效果后，可以要求Workbuddy 把整个处理逻辑总结为“技能”。后续调用该技能，就能批量处理同类任务，无需重复调试。

04与RPA 对接，优先输出 Excel 或 JSON

AI 擅长 Markdown，但 RPA 不一定能直接解析。如果下游是RPA，建议输出：Excel；JSON；字典/列表结构。这样RPA 可以直接读取，或通过字符串转换处理。另外，网页自动化要谨慎使用。虽然Workbuddy 支持浏览器自动化，但由于 AI 操作界面存在不确定性，不建议用于核心业务系统的网页操作。这类场景更适合交给 RPA。

五、安全合规：涉密数据优先本地模型

数据安全是这次培训反复强调的重点。使用本地模型或公司内网部署的模型，数据不出本地，可有效规避泄露风险；虽然Workbuddy 本身不收集数据，但调用公网模型时，数据需要传输至第三方服务器，存在潜在隐私泄露风险；因此，涉密数据建议使用本地模型。一句话：能本地，就本地；要上云，先评估。

六、答疑精选

Q：本地模型具体指什么？A：指在自己电脑上部署的大模型，比如通过 Ollama 部署通义千问或 DeepSeek 等模型，需要注意显存要求。Q：部署好的本地模型如何接入 Workbuddy？A：在模型配置中选择“自定义”，填写本地 API 地址，例如 127.0.0.1:端口，并务必勾选“工具”选项，同时将上下文长度调高。Q：使用 Workbuddy 处理数据会泄露到公网吗？A：使用本地模型或公司内网模型不会泄露；使用公网模型存在风险。虽然协议说不收集，但中间过程无法完全保证，建议涉密数据用本地模型。Q：AI 输出的 Markdown 格式，RPA 能直接读取吗？A：Markdown 适合 AI 读取，但不适合 RPA 直接解析。建议输出 Excel 或 JSON 格式，RPA 可直接读取或通过字符串转换。