10个技巧，让你的Workbuddy比别人好用！

作者：腾讯WorkBuddy团队

很多人在使用 WorkBuddy 时，都可能遇到过：对话一长就开始出错；只想聊思路，但直接生成了文件；技能装了不少，真正要用时反而不知道怎么选……

此前，我们已经整理过一份 WorkBuddy 的「从入门到精通」完整指南：从下载安装到基础使用，再到进阶玩法与效率技巧，3 万字带你一步步摸清 WorkBuddy 的核心能力。无论你是第一次接触，还是已经用过一段时间、想进一步解锁更多玩法，都可以在里面找到答案。

想系统了解 WorkBuddy 怎么用，可以直接移步公众号查看这篇长文：

3万字长文带你WorkBuddy 从入门到精通

让你的 WorkBuddy 越用越好用的 10 个小技巧

大家在实际使用 WorkBuddy 的过程中，也陆续遇到了一些很具体的问题：有些功能会用，但还不够顺手；有些小设置调一调，使用体验就会差很多。

所以这一次，我们把其中最常被问到、也最值得掌握的一些问题单独整理了出来，形成了 10 个对应的操作技巧，帮助大家的 WorkBuddy 越用越顺手，也越来越懂你。

技巧 1 · 对话框右下角的「上下文用量」

Q：对话聊久后，Agent 开始遗漏要求、反复出错，怎么判断是模型能力问题，还是上下文快满了？

WorkBuddy 对话框右下角有一个灰色的小圈，很多人经常用但没点开过。

点开后，你会看到当前会话的上下文用量，包括：

• 当前上下文的使用比例
• 已使用量和模型窗口上限
• 系统提示词占用
• 工具及子智能体占用
• 对话消息占用
• 连接器、MCP 及技能占用

例如，页面显示 4.9% · 49.4K/1000K，意味着当前会话已经使用约 49.4K token，模型的上下文窗口上限为 1000K。

WorkBuddy 产品经理Anne 有给出一个建议就是："模型最好的状态是圈圈用量在一半左右。“

"超过一半，就该考虑压缩上下文或新开任务。”

技巧 2 · 「增强提示词」功能

Q：一个清晰、无干扰且节省 token 的提示词应该怎么写？哪些可能是属于废话会消耗 token 的？

对话框右下角的小闪光图标，是 WorkBuddy 的「增强提示词」功能。

作用很直接：如果你担心指令写不清楚、有废话、有歧义，可以让 AI 帮你改写一遍。

真的觉得写不清楚？直接点「增强提示词」，AI 会把你的原始诉求改写得更干净、更聚焦、更少废话。

这条技巧让你从纠结遣词造句里解脱出来，把注意力放回真正重要的事上：你要 AI 帮你完成什么。

技巧 3 · 只是讨论思路，就切到「仅问答模式」

Q：我只是想跟 AI 聊聊思路，它会直接改我的文件。

有时候你并不准备让 Agent 立刻修改文件或执行任务，只是想先聊一聊思路

这时可以打开「仅问答模式」。

Plan 模式和仅问答模式——都在对话框「+」旁边的模式入口里。

仅问答 Ask 开关：适合问问题、找思路，无法做执行。

仅问答模式不会加载部分执行和编辑相关的工具，因此可以减少工具定义带来的固定上下文开销，也能让模型更专注于分析和讨论。

适合使用的场景包括：

• 梳理选题
• 讨论方案
• 分析问题
• 找灵感
• 在正式执行前明确需求

技巧 4 · 别装太多技能，每个都在悄悄吃你的上下文

Q：技能库里有很多技能，几个功能相似的技能应该怎么选？

"把长期用不到的技能先关掉，需要时再打开。"

背后的机制是——每个技能的定义本身，都要被发给模型看。

模型要理解你装了什么技能、每个技能干什么、什么时候该调用。

技能装得越多，光是「介绍这些技能」这件事就要吃掉一大块窗口。而且技能越多，模型判断「这次任务该用哪个」的干扰也越大。它可能选错，也可能纠结。

实用做法：

• 打开技能管理页，把长期不用的技能关掉（不用删，关掉即可）
• 只保留你当前工作场景真正需要的
• 需要用的时候再打开——技能是可以随时开关的

技巧 5 · Max 模式

Q：Max 模式到底是干嘛的？开着好还是关着好？

• 打开 Max：不压缩，保留完整上下文，适合需要长期记忆的复杂任务
• 关闭 Max：WorkBuddy 会在某个时机自动帮你压缩上下文，降低窗口使用

如果任务需要频繁引用之前的讨论、文件状态和复杂约束，打开 Max 可以保留更多信息，但可能增加积分消耗。

如果任务相对独立，或者已经积累了大量不再重要的讨论，关闭 Max 通常更合适。

技巧 6 · /compact：一条指令手动压缩上下文

Q：对话太长，Agent 开始变慢、遗漏要求，又不想开新会话，怎么办？

有时候会遇到这种情况：任务还没跑完，但对话已经很长，模型开始变慢或变笨。可以不用新开会话，直接在对话框里发一条斜杠指令：/compact

WorkBuddy 会把当前上下文交给模型进行主动压缩——总结前面聊过的内容、替换掉原始对话记录、腾出窗口继续跑。

压缩通常比等到窗口接近上限后被动裁剪更可控，但压缩并不是完全无损的。部分细节、特殊约束和中间状态，仍然可能在总结过程中被弱化。

因此，复杂任务在压缩前，最好先让 Agent 整理一份「任务检查点」，包括：

• 当前目标
• 已经完成的内容
• 重要约束
• 修改过的文件
• 尚未解决的问题
• 下一步动作

如果这些信息很重要，还可以让 Agent 把它们写入工作空间里的文件，再执行 /compact。

这样即使摘要遗漏了部分细节，新一轮上下文也可以重新读取任务状态。

技巧 7 · 一个会话里，尽量别频繁切换模型

Q：一个对话框可以频繁切换模型吗？想针对不同的内容切换低 token 或高 token 的模型进行输出。

这是很多人踩过坑但没意识到的反常识点。同一对话里频繁切换模型，性能会下降，还可能造成信息丢失。原因有两个：

一是提示词缓存。模型可能会缓存之前处理过的部分内容，从而降低重复处理成本。但缓存通常与具体模型及服务机制有关。切换模型后，原有缓存不一定能够继续复用。

二是上下文窗口不同。不同模型支持的上下文长度并不一致。例如，你已经在一个较大窗口的模型中积累了大量内容，再切换到窗口更小的模型，就可能触发压缩或裁剪。

推荐做法：

• 同一任务尽量用同一个模型跑完
• 一定要切模型？先 /compact 压缩一遍再切，成本消耗会降低
• 想尝试不同模型的效果？在同一工作空间开新的会话，别在原会话里切

技巧 8 · 什么时候该开新会话，什么时候留在原会话

Q：一个任务跑了很多轮的对话，token 会消耗越来越多。有没有说超过多少轮，就建议起一个新的对话？

两条清晰的判断标准：

（1）该开新会话的信号：

• 上下文圈圈快满了（比如显示 900K/1000K）
• 模型陷入某种循环，反复出错、任务再也完不成
• 两件事之间没有关联——比如刚刚在做调研，突然想聊环境保护，直接开新会话

（2）留在原会话的信号：

• 同一个任务的连续追问
• 前面的历史文件、状态需要延续

有一个前提要记住：新会话最好开在同一个工作空间里。这样仍然可以读取项目文件和背景资料，相当于「工作台没变，但给任务换了一个更清醒的脑子」。

技巧 9 · 分清「记忆」和「个性化」

Q：设置里的「记忆」和「个性化」有什么区别？

WorkBuddy 设置中有两个容易混淆的入口：记忆和个性化。

记忆是 WorkBuddy 从历史互动中积累的信息，例如你的专业背景、工作习惯和表达偏好。

个性化是你主动设置的内容，例如称呼、语气、人设和性格。

设置 → 记忆：

这里存的是 WorkBuddy 自动帮你提取的长期偏好。Anne 提到，WorkBuddy 每天晚上会从你当天的对话历史里提取有价值的信息，进入你的个人记忆库——比如「用户熟悉上下文工程」「用户表达偏好总分总结论」这一类。你不用手动做任何事，它自己在攒。

设置 → 个性化：

这里存的是你手动指定的东西——

• 选择回复风格和语调，例如专业严谨、亲和友善、直言不讳或高效务实
• 设置是否显示加载过程欢迎语
• 设置是否展示文件变更的过程详情
• 添加应用于所有对话的自定义指令

一个是自动攒的画像，一个是手动设的偏好。搞混了会用得很别扭。

技巧 10 · 把其他 AI 产品的记忆迁移进来

Q：以前在其他 AI 里积累的偏好，可以迁移到 WorkBuddy 吗？

如果你长期使用其他 AI 产品，不必在 WorkBuddy 里从头建立个人偏好。复制 WorkBuddy 提供的迁移提示词，让原来的 AI 整理一份「关于你的记忆总结」，检查无误后，再导入 WorkBuddy 即可。

原本需要长期磨合的用户画像，可以通过两次复制粘贴完成初步迁移。

写在后面

如果把这 10 个技巧再压缩一遍，核心无非三件事：

1. 看住上下文用量
2. 用对模式和会话
3. 别让不必要的技能和废话吃掉你的窗口

抓住这三点，你的 WorkBuddy 一定能越用越顺手。

你还有哪些好用的小技巧，欢迎评论区分享～

JOTO 企业落地观察

• 对企业部署意味着，WorkBuddy 的上下文管理机制（如 /compact、Max 模式、技能开关）并非黑盒，而是可显式干预的工程接口。企业若需将类似能力集成进内部智能体平台，必须将上下文生命周期纳入架构设计，而非仅依赖模型自身窗口管理。
• 这类系统的取舍在于：「仅问答模式」与「Plan 模式」的分离，本质是执行态与推理态的解耦。企业在构建 RAG 知识工程时，应借鉴此设计，在知识检索阶段禁用执行工具，既降低 token 开销，也规避非预期副作用。
• 「记忆」与「个性化」的二分法揭示了智能体工程中两类关键状态：前者由系统自动沉淀（需日志归因与隐私治理），后者由用户显式声明（需版本控制与灰度发布）。这对企业设计 FDE 驻场共创中的用户画像共建流程具有直接参考价值。
• 技能按需开关的实践说明，智能体的工具集不应是静态注册表，而应是运行时可插拔的模块。这对企业构建安全可控的 AI 安全治理体系提出要求：工具权限、调用链路、上下文注入点，都需成为可观测、可审计、可策略化的治理单元。