你已經會用 WorkBuddy 跑普通對話任務了——讀檔案、寫文件、做表格，樣樣能幹。但你可能會發現一個問題：遇到一些專業性較強的活兒，AI 給出的結果雖然能用，卻總覺得"差點意思"，比如財務分析不夠嚴謹、文案不夠有網感、法律條款審得不夠細。
問題不在 AI 笨，而在於它沒有"換上專業的腦子"。專家中心，就是解決這個問題的。
一、專家是什麼#
專家（Expert）是給 WorkBuddy 配置的專業角色。召喚一個專家後，WorkBuddy 會以該領域專業人士的身份、方法和視角來完成任務。
一句話定義：專家 = 人設 + 方法論 + 工具鏈。
- 人設：讓 AI 知道"我是誰"——是資深財務分析師、是十年經驗的品牌策劃、還是嚴謹的法律顧問
- 方法論：讓 AI 知道"怎麼做"——用投行級別的分析框架、用爆款文案的寫作邏輯、用專業的合同審查清單
- 工具鏈：讓 AI 知道"用什麼"——搭配哪些技能和聯結器來落地執行
官方提供了 100+ 個覆蓋各行業的領域專家，你也可以建立自己的專家（第 09 章會講）。
二、為什麼需要專家#
來看一個對比。同樣是"幫我分析這份銷售資料"：
| 模式 | 輸出特點 |
|---|---|
| 普通對話 | 能算出合計、畫個圖，結論偏通用 |
| 召喚"資料分析師"專家 | 會先講分析方法、拆維度、找異常點、給行動建議 |
差別在於：普通對話只是"做了這件事"，而專家是"用專業的姿勢把這件事做好"。同一份活兒，召喚對應專家後，結果的專業度會有質的提升。
三、專家 vs 普通對話的區別#
| 維度 | 普通對話 | 召喚專家 |
|---|---|---|
| 視角 | 通用助手 | 特定領域專業人士 |
| 方法 | 通用邏輯 | 專業方法論和框架 |
| 輸出 | 可用但偏通泛 | 貼近專業水準 |
| 適用場景 | 日常雜活、臨時任務 | 有專業要求的工作 |
簡單記：普通對話是"全能但平庸的實習生"，專家是"對口的資深同事"。
四、專家的價值#
專家的核心價值，是把 WorkBuddy 從"通用助手"變成"專業執行者"：
- 結果更專業：用對口的視角和方法，輸出質量更貼近行家水準
- 省去反覆調教：不用每次在提示詞裡寫一堆"你是 XX 專家、請按 XX 方法"——專家已經內建好
- 可複用：一個專家可以反覆召喚，團隊的多人都能用同一套專業標準
五、專家的許可權邊界#
需要說明的是，專家本身不會主動獲取系統許可權。它只處理你主動提供的對話和上傳的檔案。只有當你給專家配備了技能或聯結器時，它才會在你的授權下間接訪問檔案或外部服務。
換句話說：專家負責"想得專業"，能不能動手幹活、能碰到什麼資料，取決於你給它配了什麼工具。
小結#
- 專家 = 人設 + 方法論 + 工具鏈，讓 AI 用專業身份幹活
- 召喚專家後，結果的專業度會顯著提升
- 專家本身不主動要許可權，工具能力由技能/聯結器提供
下一節，我們來釐清三個最容易混淆的概念：專家、專家團、技能到底有什麼區別。