WorkBuddy 深度使用笔记：自定义模型接入、远程中转与对话纪要，31 轮实战精华整理

本文记录了一个 WorkBuddy 用户在 31 轮对话中逐步探索出的实用技巧，涵盖自定义模型接入、云服务器中转本地大模型、积分攻略，以及一个解决"长对话上下文太长、回溯太慢"问题的实际方案。

前言：为什么要整理这些笔记？

用过 WorkBuddy 的朋友都有这个体验：在一个任务里聊久了，对话越来越长，想回顾之前讨论过的配置参数、踩过的坑，只能不断往上翻。上下文越长，AI 处理速度越慢，积分消耗也越高。

笔者在一个工作空间里连续聊了 31 轮，话题从任务管理到自定义模型配置，从云服务器中转到积分攻略，内容越来越丰富，但也越来越难快速定位之前的信息。

于是笔者和 AI 助手一起做了一件事——用 HTML 文件做"对话纪要"，每轮对话自动追加摘要，随时预览，一秒定位到任何一轮的要点。这个方案的效果出乎意料地好，本文就从这个方案出发，把 31 轮对话中提炼出的所有实操经验整理分享出来。

设计思路

一、对话纪要方案：告别无尽滚动

1.1 问题：长对话的三个痛点

1.2 解决方案：独立 HTML 对话纪要

核心思路很简单：

1. 创建一个独立 HTML 文件（如 conversation-log.html）
2. 每轮对话结束后，AI 自动追加一条记录：轮次、时间、你的提问摘要、AI 回复要点
3. 点击任意条目展开/收起详细内容
4. 随时用预览功能查看，右侧面板实时刷新

效果示意：

点击前：

【第 12 轮】 15:22 如何让阿里 DashScope 调用 DeepSeek？ 自定义模型

点击后：

【第 12 轮】 15:22 如何让阿里 DashScope 调用 DeepSeek？ 自定义模型

多宝回复要点： • 接口地址和通义千问相同 • 只需改模型 ID • 同一个 Key 通吃所有模型

1.3 配合自定义指令实现自动维护

在 WorkBuddy 的「设置 → 个性化 → 自定义指令」中加入以下规则：

【规则：对话纪要】 每轮对话结束后，更新工作空间下的 conversation-log.html 文件，追加本轮轮次、时间和内容摘要。如果文件不存在则先创建。

新工作空间首次使用时，让 AI 先建好 HTML 模板文件，后续每轮自动追加，你不需要做任何额外操作。

1.4 跨任务的局限

由于 WorkBuddy 每个任务的工作空间目录互相独立，这个 HTML 文件只存在于创建它的工作空间中。如果其他任务也需要类似功能，需要单独创建。不过可以通过工作空间的记忆文件（MEMORY.md）间接传递关键信息。

二、自定义模型接入：不花积分用 AI

WorkBuddy 内置多个模型，按积分消耗系数从低到高排列。但如果你有自己的 API Key，完全可以接入外部模型，积分消耗为 0。

2.1 配置方式

配置文件路径：~/.workbuddy/models.json（不存在则手动新建）。

格式如下：

{ "models": [ { "id": "模型ID", "name": "显示名称", "vendor": "OpenAI", "url": "接口地址/v1/chat/completions", "apiKey": "你的API Key", "maxInputTokens": 131072, "maxOutputTokens": 8192 } ] }

写完后完全退出 WorkBuddy 再重启，底部模型下拉菜单就能看到自定义模型了。

2.2 阿里云 DashScope 接入通义千问

2.3 同一个 Key 调用 DeepSeek

阿里云百炼上架了 DeepSeek 模型，接口地址和 Key 与通义千问完全相同，只需改模型 ID：

也就是说，在 models.json 里可以同时配置通义千问和 DeepSeek，共用一个 Key，在模型下拉菜单里自由切换。

2.4 两个常见坑

三、云服务器中转远程工作站模型

如果你的高性能工作站上部署了大模型，想让其他设备的 WorkBuddy 也能调用，可以用云服务器做中转——固定 IP，配置一次就完事。

3.1 整体架构

WorkBuddy → 云服务器(公网固定IP:端口) → SSH加密隧道 → 工作站(本地) → 大模型

3.2 第一步：工作站部署模型服务

不管用什么工具（Ollama / LM Studio / vLLM），关键是让模型监听在 0.0.0.0（所有网卡）而不是默认的 127.0.0.1（仅本机）。

3.3 第二步：建立 SSH 反向隧道

在工作站上执行：

ssh -R 0.0.0.0:11434:localhost:11434 -N user@云服务器IP

关键：必须加 0.0.0.0: 前缀，否则隧道只在云服务器的 127.0.0.1 上监听，外部连不上。

同时需要在云服务器上修改 SSH 配置：

# 云服务器上 sudo nano /etc/ssh/sshd_config # 添加或取消注释： GatewayPorts yes sudo systemctl restart sshd

3.4 第三步：隧道自动保活

用 autossh 替代 ssh，配合 systemd 实现开机自启和断线重连：

autossh -M 0 \ -o ServerAliveInterval=30 \ -o ServerAliveCountMax=5 \ -o ExitOnForwardFailure=yes \ -R 0.0.0.0:11434:localhost:11434 \ -N user@云服务器IP

3.5 第四步：加 Nginx Basic Auth 防护

端口暴露在公网上，光靠防火墙限制 IP 不够（IP 可能变、同网段有其他主机）。加一层应用层认证：

server { listen 11434; auth_basic "Model API"; auth_basic_user_file /etc/nginx/.htpasswd; location / { proxy_pass http://127.0.0.1:11434; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection "upgrade"; proxy_read_timeout 300s; } }

这样不管谁连 11434，都必须先输密码才能放行，IP 变了无所谓，同网段的别人也进不来。

3.6 WorkBuddy 侧配置

{ "id": "qwen3:32b", "name": "工作站远程模型", "vendor": "OpenAI", "url": "http://云服务器固定IP:11434/v1/chat/completions", "apiKey": "任意字符串", "maxInputTokens": 32768, "maxOutputTokens": 8192 }

3.7 安全层级总结

四、积分攻略：获取与节省

4.1 免费获取积分的渠道

注意：每日签到已于 2026 年 5 月 10 日永久下线。

4.2 积分消耗的三个阶段

4.3 模型选择对积分的影响

五、几个踩过的坑

5.1 成长计划"模板达人"任务进度不更新

大概率是版本升级后模板内部标识变了，成长计划读取的是旧标识，匹配不上。属于客户端与服务器端之间的追踪 bug，建议去腾讯云开发者社区发帖反馈，等官方修复。

5.2 自定义指令对新会话才生效

自定义指令在会话创建时注入系统提示。如果先开会话再写指令，当前会话不会生效。写好指令后必须新建会话才能验证。

5.3 对话框底部盾牌图标

盾牌形状里有个勾号的图标，点击后有两个选项：

日常使用保持默认权限即可，需要操作工作空间外文件时才切完全权限。

5.4 CodeBuddy CLI Agent SDK 集成

WorkBuddy 系列还有 CLI 形态（CodeBuddy Code），并提供了 Agent SDK（TypeScript / Python），可以嵌入到自己的应用中。结合外部 ASR 语音识别服务，可以实现"语音输入 → 文字 → AI 处理 → 结果输出"的完整链路。

总结

31 轮对话提炼出的核心经验：

1. 对话纪要：用独立 HTML 文件记录每轮要点，解决长对话回溯慢、积分浪费的问题，配合自定义指令实现自动维护
2. 自定义模型：一个阿里 DashScope Key 同时接入通义千问和 DeepSeek，接口地址相同，只改模型 ID
3. 远程中转：SSH 反向隧道 + autossh 保活 + Nginx Basic Auth，固定 IP 安全访问工作站模型
4. 积分管理：用便宜模型省积分，自定义模型零积分，社区发文赚积分
5. 避坑：自定义指令需新会话才生效，模板任务有 bug 需反馈官方

希望这些实战经验对你有帮助。

本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。 标签：WorkBuddy、AI 办公、效率工具、大模型部署