WorkBuddy体验反馈收集器

为什么需要这个技能

在 WorkBuddy 的日常对话中，员工很容易遇到工具的“别扭时刻”：某个重复动作本来应该自动化，某个提示不清晰，或者某个流程比预期的要繁琐得多。这些痛点往往在对话中一闪而过，如果没有结构化的方式记录下来，很快就会被遗忘，产品团队也难以追踪和量化。

传统做法是让员工切出当前工作流，找到反馈渠道，重新描述问题，填写身份信息，再粘贴截图。这个过程不仅打断思路，而且收集到的反馈格式各异，后续整理和归类非常耗时，尤其是缺乏上下文（比如具体的任务场景和期望效果）时，排期和优化就失去了依据。

核心能力与工作流

@user_d34bf455/workbuddy-feedback-collector 的目标是把反馈收集无缝嵌入对话流程，同时保证数据结构化和可追溯性。

1. 一次性本地配置
首次使用时，技能会引导员工录入三个必要信息：姓名、部门和企业统一的腾讯文档在线链接。这些信息保存在本地 ~/.workbuddy/feedback-collector/config.json，不包含任何密钥。后续每条反馈都自动附带身份，员工无需重复填写，换文档或调岗时可用 config.py set 局部更新。

2. 结构化字段收集
当员工表达反馈意图（例如“反馈一个需求”或“这个要是能一键就好了”）时，技能会提取对话上下文，并逐项追问必填字段：场景分类（支持六大标准分类或自定义标签）、当前需求痛点描述和预计优化效果。选填字段包括衡量提效或拓新效果方法、备注和截图。技能会智能判断员工是否已隐含某些信息，避免机械重复提问。

3. 动态写入腾讯文档
这是技术实现上最值得关注的部分。技能不会硬编码 API 参数，而是动态发现当前会话中可用的腾讯文档写入工具（个人版或企业版工具名可能不同）。获取工具 schema 后，它按表头名称对齐写入，支持动态添加标准表头（包含末尾的“备注”和“截图”列）。提交时间通过 shell 生成，确保准确性。如果员工在对话中粘贴了图片，技能会先处理图片（小图 base64、大图走 upload_image 获取 image_id），再用 sheet.insert_image 嵌入对应行的“截图”单元格。

4. 优雅降级
当腾讯文档连接器未安装或未授权时，技能不会报错退出，而是生成制表符分隔的一行文本和可读清单，附上文档链接，让员工手动粘贴，同时提示安装连接器以启用自动写入。

适用边界与注意点

• 这个技能只负责收集和结构化反馈，不会自动修复问题或承诺改进排期，反馈进入腾讯文档后需要团队自行分析跟进。
• 首次配置需要员工提供有效的腾讯文档链接，且文档必须有写入权限，否则降级方案会成为主要路径。
• 场景分类和字段定义是标准化的，如果团队有独特的分类体系，可能需要调整 references/fields.md 中的定义或后续二次加工。
• 截图嵌入依赖对话中粘贴的图片路径，如果图片来自外部链接，技能无法直接处理，需转为本地文件后粘贴。
• 它不会对反馈内容做语义分析或去重，如果同一条痛点被多次提交，需要人工或后续脚本合并。

总结

对于已经在用 WorkBuddy 的团队来说，这个技能把零散的用户体验摩擦变成了可追踪、可量化的结构化数据。它不改变 WorkBuddy 本身的功能，但补上了“用户声音如何回流到产品迭代”这一环，尤其适合那些希望用文档而非重型系统来管理反馈的轻量级团队。