🎬 本节视频教程
你已经会用 WorkBuddy 跑普通对话任务了——读文件、写文档、做表格，样样能干。但你可能会发现一个问题：遇到一些专业性较强的活儿，AI 给出的结果虽然能用，却总觉得"差点意思"，比如财务分析不够严谨、文案不够有网感、法律条款审得不够细。
问题不在 AI 笨，而在于它没有"换上专业的脑子"。专家中心，就是解决这个问题的。
一、专家是什么#
专家（Expert）是给 WorkBuddy 配置的专业角色。召唤一个专家后，WorkBuddy 会以该领域专业人士的身份、方法和视角来完成任务。
一句话定义：专家 = 人设 + 方法论 + 工具链。
- 人设：让 AI 知道"我是谁"——是资深财务分析师、是十年经验的品牌策划、还是严谨的法律顾问
- 方法论：让 AI 知道"怎么做"——用投行级别的分析框架、用爆款文案的写作逻辑、用专业的合同审查清单
- 工具链：让 AI 知道"用什么"——搭配哪些技能和连接器来落地执行
官方提供了 100+ 个覆盖各行业的领域专家，你也可以创建自己的专家（第 09 章会讲）。
二、为什么需要专家#
来看一个对比。同样是"帮我分析这份销售数据"：
| 模式 | 输出特点 |
|---|---|
| 普通对话 | 能算出合计、画个图，结论偏通用 |
| 召唤"数据分析师"专家 | 会先讲分析方法、拆维度、找异常点、给行动建议 |
差别在于：普通对话只是"做了这件事"，而专家是"用专业的姿势把这件事做好"。同一份活儿，召唤对应专家后，结果的专业度会有质的提升。
三、专家 vs 普通对话的区别#
| 维度 | 普通对话 | 召唤专家 |
|---|---|---|
| 视角 | 通用助手 | 特定领域专业人士 |
| 方法 | 通用逻辑 | 专业方法论和框架 |
| 输出 | 可用但偏通泛 | 贴近专业水准 |
| 适用场景 | 日常杂活、临时任务 | 有专业要求的工作 |
简单记：普通对话是"全能但平庸的实习生"，专家是"对口的资深同事"。
四、专家的价值#
专家的核心价值，是把 WorkBuddy 从"通用助手"变成"专业执行者"：
- 结果更专业：用对口的视角和方法，输出质量更贴近行家水准
- 省去反复调教：不用每次在提示词里写一堆"你是 XX 专家、请按 XX 方法"——专家已经内置好
- 可复用：一个专家可以反复召唤，团队的多人都能用同一套专业标准
五、专家的权限边界#
需要说明的是，专家本身不会主动获取系统权限。它只处理你主动提供的对话和上传的文件。只有当你给专家配备了技能或连接器时，它才会在你的授权下间接访问文件或外部服务。
换句话说：专家负责"想得专业"，能不能动手干活、能碰到什么数据，取决于你给它配了什么工具。
小结#
- 专家 = 人设 + 方法论 + 工具链，让 AI 用专业身份干活
- 召唤专家后，结果的专业度会显著提升
- 专家本身不主动要权限，工具能力由技能/连接器提供
下一节，我们来厘清三个最容易混淆的概念：专家、专家团、技能到底有什么区别。