WorkBuddy 性能优化助手
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_11064e10/workbuddy-tuner。
技能介绍
WorkBuddy 为什么会越用越卡
WorkBuddy 长时间运行后常见三类症状:启动即占 9GB+ 内存、单会话越用越慢出现"前说后忘"、指令提交后挂起数秒。SKILL.md 将其归因于五个高频根因:启动时加载全部历史工作空间导致内存暴涨、AI Agent 上下文接近上限后指令遵循退化、.log/.tmp/.cache 缓存堆积拖慢磁盘 I/O、多模型同时常驻触发页面交换、以及代理或 DNS 抖动造成 API 请求超时。这些根因相互叠加,单纯重启往往无效——实测重启后仍有 2.4GB 基线内存占用。
它如何定位和修复
技能先做结构化诊断:扫描进程、缓存、内存、模型四个维度,输出 0-100 的健康评分与问题清单。随后提供一套监控工具,包括 check_context、check_memory、check_network 等,可对上下文膨胀、内存 RSS、磁盘空间、网络延迟做实时告警,阈值可自定义。
优化侧按四类生成方案:缓存清理(按过期天数筛选,支持 --dry 预览)、进程管理(区分冗余进程与必需进程)、模型优化(建议仅保留 1 个主模型、关闭预加载)、集成状态检查。此外还提供历史会话审计、Token 用量估算、长期趋势图,以及 Windows 启动项分类管理。
适用边界
这套工具是辅助参考,不做系统级操作。所有写操作默认 dry-run,需显式 --yes 确认;变更前自动生成 .bak 备份,凭证与敏感配置只读不碰。定时扫描会消耗资源,实测 30 分钟间隔每日约占 0.4% CPU,5 分钟间隔则不推荐。诊断逻辑本身有过误报教训(进程统计含泛词导致虚高、自身子进程计入常驻数),使用时建议先确认扫描口径是否符合实际部署。
使用场景
- WorkBuddy 启动即占 9GB 内存、16GB 机器频繁卡死,需要定位冗余进程和多余模型并生成清理方案
- 单会话对话超过 30 轮后 AI 开始前说后忘,需要检测上下文膨胀并判断何时开新会话或压缩
- C 盘被大量 .log/.tmp/.cache 缓存占满导致读写变慢,需要按过期天数筛选并安全清理
- 想通过 WorkBuddy Automation 定时巡检内存与延迟,异常时自动推送报告而非反复手动检查
适合人员
- 在 16GB 内存开发机上日常使用 WorkBuddy 的开发者,需要量化内存基线、清理多余模型与冗余进程以保证对话不卡
- 把 WorkBuddy 用于长代码任务、单会话动辄几十轮的工程师,需要上下文膨胀检测与 Token 消耗估算
- 负责团队内部 AI 助手部署的运维人员,需要定时监控、趋势追踪与告警来预防性能持续恶化
- Windows 桌面用户,开机慢、WorkBuddy 启动项多,需要启动项分类与缓存清理建议