本文完整记录 MaxKB 官方博客（maxkb.cn/blog/maxkb-workbuddy-ai-agent-operations，2026-08-25 发布）的学习笔记《WorkBuddy+MaxKB：共同构建AI智能体运营闭环》，并在文末附上实践建议。原文内容如下。

学习笔记｜WorkBuddy+MaxKB：共同构建AI智能体运营闭环

解决 AI 办公类智能体缺乏知识沉淀和版本化管理的问题。

近期，越来越多的企业开始采用 WorkBuddy 这类 AI 办公工作台来开展日常的 AI 相关业务，比如编写脚本、调用工具、编排多步任务等。然而，从系统架构的角度看，WorkBuddy 本质上是一个面向单次执行的"编排与执行层"：其知识零散沉淀在对话历史中，缺乏持久化的知识库；同时，智能体缺少集中管理与版本化能力。在实际落地层面，WorkBuddy 难以独立支撑企业级、可治理的 AI 应用场景。

MaxKB 是飞致云开源的企业级智能体平台，提供知识库管理（文档入库、智能分段、向量化）、智能体搭建（SIMPLE 与 WORK_FLOW 双类型）、对话引擎及使用统计等核心能力。将 MaxKB 作为"大脑与 SOP 承载层"与 WorkBuddy 的"编排与执行层"对接，二者能够形成很好的互补，即 WorkBuddy 负责本地执行与多系统编排，MaxKB 负责知识沉淀与智能体治理，共同构建完整的 AI 智能体运营闭环。

一、联合方案架构概览

"WorkBuddy+MaxKB"AI 智能体联合运营方案的系统架构分为三层：

  • WorkBuddy 能力层（上层）：包含文档同步、智能体创建、智能问答以及报表生成四大自动化能力模块，负责接收用户的自然语言指令，将意图转化为对下层 API 的有序调用序列，并且在必要时协调外部系统。
  • MaxKB v2 服务层（中间层）：作为整个方案的核心引擎，提供知识库 CRUD、智能体管理（SIMPLE 与 WORK_FLOW 双类型）、流式对话、使用统计以及会话日志等全套能力。所有上层的自动化动作最终都收敛于这一层的 RESTful 接口调用，确保了能力的一致性与可审计性。
  • 外部系统层（底层）：可以根据具体业务场景按需集成钉钉审批系统（用于共享知识库的合规闸控）、HTML/Chart.js 可视化渲染引擎（用于智能问数的交互式图表呈现）等外部系统。

（原图 1：联合运营方案架构，三层：WorkBuddy 能力层 / MaxKB v2 服务层 / 外部系统层）

WorkBuddy 与 MaxKB 按照联合架构设计深度对接，可以将 AI 智能体使用从"手动操作的后台系统"升级为"自然语言驱动的自动化工作台"。

表 1 MaxKB 原生模式与 WorkBuddy 自动化模式能力对比

能力MaxKB 原生后台手动运维WorkBuddy 方式
文档入库登录后台→手动上传→等待处理自动同步文件到知识库
创建智能体逐个配置提示词/模型/知识库自然语言实现智能体一键创建
智能问答多个智能体入口不统一统一 WorkBuddy 入口+交互式图表渲染
使用报表手动或者使用 BI 软件统计查看一句指令输出 HTML 可交互看板

二、联合方案系统能力

"WorkBuddy+MaxKB"的组合可以构建自动化的 AI 智能体运营闭环，实现自动同步文档至知识库、自动创建智能体、智能查询与问答、智能输出报表等任务。

1. 自动同步文档至知识库

WorkBuddy 可直接将本地 Markdown、DOCX、PDF、TXT 等格式一键同步到 MaxKB 知识库，彻底省去手动登录后台、逐一上传、等待处理的繁琐流程。针对不同性质的内容可以走两条差异化的同步链路。

表 2 知识库同步场景说明

场景目标库同步方式是否需要审批
个人笔记/项目文档个人知识库Split 接口智能分段+自动提取图片免审批
团队共享资料共享知识库Submit→钉钉审批（企微/飞书）→Poll 写库需审批

（原图 2：知识库同步流程架构图）

根据文档性质和审批要求，知识库同步流程分为以下两种典型场景：

  • 个人知识库直写：该流程面向个人工作场景，用户通过 WorkBuddy 控制台上传文档，系统直接调用 MaxKB 的文档上传与智能分段接口，完成向量化入库。
  • 共享知识库审批链路：该流程面向团队协作场景，当用户向共享知识库提交文档时，WorkBuddy 首先调用 MaxKB 的提交接口生成待审批条目，随后自动触发钉钉（企微/飞书）审批流，审批单包含文档摘要、提交人等关键信息。审批通过后，钉钉回调通知 WorkBuddy，再由其调用 MaxKB 的写入接口完成最终入库。

2. 自动创建智能体

基于对 MaxKB 智能体创建 API 的深度封装，WorkBuddy 支持通过命令行一键创建 SIMPLE（普通型）和 WORK_FLOW（工作流型）两种类型的智能体。

表 3 SIMPLE 智能体和 WORK_FLOW 智能体的能力对比

能力SIMPLE 智能体WORK_FLOW 智能体
适用场景知识问答、客服助手多步骤业务流
提示词配置自定义 Prompt+无引用提示词完整 DAG 工作流定义
知识库绑定支持多知识库支持多知识库
模型选择指定模型 ID指定模型 ID
历史轮数可配置可配置
创建方式命令行参数JSON 工作流文件

除了基础能力外，"WorkBuddy+MaxKB"联合实现的智能体自动创建过程还支持以下配置：

  • 模型绑定：从 MaxKB 模型列表中选择最优模型或指定模型（通过 GET /admin/api/workspace/{ws}/model 获取）。
  • 知识库关联：支持绑定已有知识库。
  • 目录归类：将智能体放入指定目录节点。
  • 清理能力：支持删除指定智能体。

用户发布创建任务，指定名称、类型（SIMPLE/WORK_FLOW）、模型、知识库等信息。创建成功后，智能体自动显示在 MaxKB 的目录管理界面中，用户可进入配置页面，自由查看、调试 AI 生成的工作流。

（原图 3：WORK_FLOW 工作流智能体创建结果；原图 4：通过 WorkBuddy 驱动 AI 在 MaxKB 中生成的工作流界面）

3. 智能查询与问答

以往 MaxKB 的每个智能体各占一个 URL，用户得逐一记忆、来回切换，体验相对割裂。借助 WorkBuddy，可以将它们收敛为单一的对话入口，实现一句自然语言即可自动选型应答，彻底告别"记网址、找智能体"的繁琐流程。智能路由负责自动匹配最合适的智能体，常规对话满足纯文本问答场景，文件上传对话则支持带文档附件的深度解析需求。

  • 智能路由：系统首先列出所有已发布的智能体及其描述，结合用户提问的语义特征，自动匹配最相关的智能体并发起对话。
  • 常规对话：用户指定智能体进行回答。
  • 文件上传对话：用户指定智能体并上传文件，MaxKB 通过 OSS 接口完成存储，智能体自动解析后回复。

表 4 文件上传接口说明

属性描述
支持格式DOCX/PDF/TXT/图片等
上传通道用户渠道 OSS（POST /chat/api/oss/file）
消息体document_list 附带文件 ID，智能体自动解析内容
典型场景合同审核、标书分析、技术文档问答、发票识别等

智能问数+WorkBuddy 可视化出图：对于"智能问数"这样的高频刚需场景，直接使用 MaxKB 的智能问数智能体存在两个明显短板：一是图表样式固定且视觉效果有限，二是输出为静态图片无法交互。现在，通过"WorkBuddy+MaxKB"的能力叠加，让 WorkBuddy 在接收 JSON 数据后，自动判断最适合的图表类型（折线图、柱状图、饼图等），然后调用 Chart.js 生成交互式 HTML 页面即可。用户可以在图表上进行悬停查看精确数值、缩放时间范围、筛选数据系列等操作，体验远优于传统的静态截图。

（原图 5：智能问数+WorkBuddy 可视化出图流程；原图 6：智能问数+图表渲染效果）

4. 智能出报表：多维度使用统计

对于管理者和运营者而言，了解各智能体的实际使用情况是持续优化运营的重要依据。WorkBuddy 通过一套自动化的数据采集与报表生成管线，实现了从 MaxKB 拉取原始统计数据到产出可视化看板的全流程无人值守运行。

（原图 7：WorkBuddy+MaxKB 多维度使用统计采集链路）

表 5 报表维度与输出格式

维度内容输出格式参考
使用总览排名、对话数、Token 消耗、用户数、点赞/点踩、活跃天数、首末次对话Excel+柱状图
按目录汇总各子目录智能体数、对话数、Token、用户数汇总Excel 汇总表
月度趋势全部智能体按月聚合对话数走势折线图
可视化预览交互式 HTML 页面，支持筛选、排序、搜索HTML

表 6 关键指标及说明

指标说明
智能体总数/活跃智能体衡量整体建设规模与有效使用率
总对话数/Token 消耗衡量使用热度与资源开销
累积用户数/新增用户衡量用户覆盖与增长
点赞/点踩衡量回答质量与用户满意度

基于上述维度和指标，WorkBuddy 自动生成一份交互式 HTML 报表看板，将智能体使用的统计数据以图表和卡片形式直观呈现，管理者可一站式掌握各智能体的实际运营情况。

（原图 8：智能体使用情况 HTML 报表看板）

三、总结

WorkBuddy 与 MaxKB 深度对接后，形成了一条完整、可运行、可持续扩展的 AI 智能体自动化使用链路。MaxKB 承担知识沉淀、智能体治理、对话引擎和数据统计等核心职能，WorkBuddy 负责本地执行与多系统编排。二者通过标准 API 紧密配合，既弥补了 WorkBuddy 在持久化知识与集中治理上的不足，也解决了传统知识库平台在本地执行与多工具编排上的效率短板，真正形成互补闭环。

实践建议

基于上述架构，结合实际落地经验，给出以下实践建议：

  1. 先跑通最小闭环，再扩展治理能力。建议按"文档入库 → 创建智能体 → 智能问答 → 使用统计"的顺序，先用个人知识库直写链路跑通全流程，再逐步引入共享知识库审批、工作流智能体等治理能力，避免一开始就被流程复杂度拖住。
  2. 个人与共享知识库严格分层。个人笔记、项目文档走直写链路，随写随同步；涉及团队共享、对外发布的资料务必走"Submit→审批→写库"链路。审批单里带上文档摘要和提交人，既满足合规闸控，也让知识库有据可查。
  3. 智能体的命名与描述是路由质量的关键。智能路由依赖"智能体描述+提问语义"做匹配，因此创建智能体时描述要写清楚"能做什么、面向谁、适合什么问题"，命名保持统一风格，否则路由准确率会明显下降。
  4. 优先用 JSON 工作流文件管理复杂智能体。WORK_FLOW 智能体用 JSON 定义 DAG，可以纳入版本管理（Git），评审、回滚都比界面上手工配置更可控；SIMPLE 智能体适合快速验证场景，两者按需混用。
  5. 把使用统计做成固定运营动作。报表不是一次性交付物。建议每周/每月固定拉取一次使用总览和月度趋势，用对话数、Token、点赞/点踩四个关键指标驱动知识库迭代和智能体优化，形成"数据→改进"的运营节奏。
  6. 关注 Token 成本与文件上传安全。在报表里持续监控 Token 消耗，防止预算失控；文件上传通道（OSS）建议限定文件类型白名单，文档解析类场景（合同审核、标书分析）优先在内部环境验证后再对外开放。
  7. 知识库更新要有版本意识。批量更新或"整体替换"式入库风险较高，建议保留更新前的版本快照，更新后立即做一轮问答验证，避免更新失败导致知识库内容丢失或检索质量回退。
  8. 可视化出图优先于静态报表。需要向管理层汇报时，用"智能问数 + Chart.js 交互式 HTML"替代静态截图，悬停看数值、筛选数据系列的能力在汇报场景中价值很大。

参考来源：MaxKB 官方博客：学习笔记｜WorkBuddy+MaxKB：共同构建AI智能体运营闭环