AI 工具实战笔记 03:WorkBuddy 积分节省指南 + 自定义模型教程

不想错过苏米的分享和推送？

戳上方蓝字“苏米客”关注我吧

并点击右上角“···”菜单，

选择“设为星标”

接上文，前面提到了关于积分的领取，今天就详细的来分享一下WorkBuddy 积分消耗规则以及如何使用更节省积分，我相信在你看到的很多文章里，都会跳过这个，只讲实战的方案，不讲软件的底层逻辑

今天苏米就给大家补齐这一块，因为只有搞清楚底层的规则，WorkBuddy 才能越用越久，越用越好用！

不然今天一个任务就把你积分耗光，明天开了会员，还没用两下又没有余额，这就不只是花冤枉钱的事儿了，是WorkBuddy 根本用不了，你就直接放弃了~

所以今天分享两件事：1、如何节省积分，降低消耗；2、接入自定义模型，外部加持消耗兜底；

1、了解积分如何消耗？

所有的AI对话都是按Token来计算的，中文名称叫“词元”，那么Token 消耗的主要两个来源是什么？

消耗类型	含义	怎么影响消耗
输入 Token	你发送的内容 + 历史对话 + 工具返回结果	对话越长，消耗越大
输出 Token	AI 生成的回复	回复越长，消耗越大

但在WorkBuddy里，WorkBuddy采用基于 Credits 的资源配额管理机制，就是把Token转换成积分来计算消耗了，实际差别不大，但个人就比较难计算，Credits 系用于衡量 AI 任务执行过程中的资源消耗量。

看下面的账单，其实是比较蒙的：

2、高消耗的问题根源

了解了WorkBuddy积分的计算规则，官方有提到两点：不同模型消耗的 Credits 有所不同、简单任务消耗较少，而复杂任务需更多推理计算和 Token 处理消耗更多资源（等于没说）

但苏米这里分享两个最容易出现高消耗情况：

1）对话轮数越多，消耗越容易出现指数级增长

这是 90% 的人都会踩的坑，长时间持续对话：

因为每一轮对话，都会把之前所有内容重新发给 AI。

• 第 1 轮：处理当前问题 → 低消耗 ✅
• 第 5 轮：处理当前问题 + 前 4 轮历史 → 中消耗 ⚠️
• 第 10 轮：处理当前问题 + 前 9 轮历史 → 较高消耗 🔺
• 第 20 轮：处理当前问题 + 前 19 轮历史 → 高消耗 ❌

假设你的后端项目有一个接口报错，当用户没有传递某个可选参数时，服务器直接返回 500 内部错误。

❌ 高消耗做法（24,800 Tokens）

第 1 轮
用户： 我的项目跑不起来了，帮我检查一下。
AI： 好的，请提供错误日志或项目路径... [等待用户输入]

第 2 轮
用户： 好像是在获取用户详情的时候报错的。
AI： 让我查看一下相关的路由定义... [全局搜索 user/profile 路由，读取路由文件 150 行]

第 3 轮
用户： 报错信息说是 NoneType object has no attribute 'get'。
AI： 这通常是因为字典为空导致的。请问具体是哪个接口？能否贴一下报错堆栈？

第 4 轮
用户： 就是 user_service.py 里面的 get_profile 方法。
AI： 让我读取这个文件看看逻辑... [读取 user_service.py 全文 400+ 行代码]

第 5 轮
用户： 你看是哪里的问题？前端有时候不传参数。
AI： 我看到代码里有一行 request_data.get('config').get('theme')。如果 request_data.get('config') 返回 None，就会报错。你需要修改这里。

第 6 轮
用户： 那你帮我改一下吧，做一个保护。
AI： 好的，修改代码如下... [生成包含 30 行上下文的补丁代码]

6 轮对话，消耗约 24,800 Tokens ⚠️

✅ 低消耗做法（125 Tokens）

用户：
修复 /backend/services/user_service.py 第 156 行的空引用 Bug。
问题： request_data.get('config') 可能为 None，导致调用 .get('theme') 时崩溃。
要求： 请直接修改该行代码，使用安全的嵌套获取方式（如 or {}）来处理，无需解释。

AI：
已修复。将 request_data.get('config').get('theme') 修改为 (request_data.get('config') or {}).get('theme')。

1 轮对话，消耗约 125 Tokens ✅

对比结果

指标	高消耗	低消耗	差距
Token 消耗	24,800	125	节省 99.5%
对话轮数	6 轮	1 轮	减少 83.3%
总耗时	4-6 分钟	8 秒	减少 97%

2）文件读取需求越模糊，消耗越大

这种也是最常见的，因为Agent有自主执行操作文件的能力，所以当你的需求模糊的时候，Agent会自己读目录找文件，这就会直接导致，你的目录越多，文件越难找，执行效率就越慢，也越消耗Tokens

精准定位 ：非必要别让 AI 瞎找，直接给路径。

❌ 高消耗做法

第 1 轮
用户： 检查一下项目报错的原因。
AI： 请提供具体的错误信息或日志。

第 2 轮
用户： 控制台提示某个文件有语法错误。
AI： 让我搜索一下项目中的 JavaScript 文件... [全局扫描目录]

第 3 轮
用户： 应该是在 utils 目录下。
AI： 正在读取 /src/utils/ 目录... [列出所有文件，逐一排查]
3 轮对话，消耗 Token 中... ⚠️

✅ 低消耗做法

用户： 定位 /src/utils/logger.js 第 12 行的语法错误。
AI： 已定位。该行缺少闭合括号，是否立即修复？
1 轮对话，极速响应 ✅

对比结果

指标	高消耗	低消耗	节省
Token 消耗	高 (需扫描目录)	低 (精准跳转)	30-50%

只要解决这两个问题，大部分的场景下是能节省不少Tokens的

3、5 个技巧，积分消耗直降 90%

技巧	核心心法	✅ 低消耗示例	节省
1. 精准定位	直给路径，拒绝搜索	"读取 /workspace/app.py 第 50 行"	30-50%
2. 一次说清	拒绝挤牙膏，需求一步到位	"写爬虫爬豆瓣 Top250，输出 CSV"	40-60%
3. 控制输出	只要结果，不要废话	"只输出代码，不加注释"	20-40%
4. 及时清理	切换任务，使用 /clear	每 5-10 轮清理一次上下文	50-80%
5. 选对模型	杀鸡焉用牛刀	简单任务用轻量模型	30-50%

4、模型选型积分消耗说明

模型	侧重点	积分消耗
MiniMax-M2.5	轻量快速、性价比高	0.18
智谱 GLM-4.7	逻辑强、综合能力均衡	0.23
MiniMax-M2.7	多模态、图片/图文理解	0.26
Kimi-K2.5	超长上下文、文档精读	0.28
DeepSeek-V3.2	代码、数理、技术逻辑	0.30
自定义模型	本地部署、完全免费	0