Agent Skills
返回列表
WorkBuddy 省积分管家

WorkBuddy 省积分管家

AI Agent 更新于 2026.08.30

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_e9c9302c/wb-points-saver。

技能介绍

它要解决的问题

在 WorkBuddy 这类大模型 Agent 平台里,每一次模型调用都在烧积分。长任务、多轮对话、批量工作流的开销往往是隐性的:一次失败后的盲目重试、一段没检查就重新生成的输出、一轮多余的上下文翻炒,单看都不显眼,累加起来却相当可观。问题在于,用户通常只有在看到额度消耗时才意识到钱花哪了,缺少一个能在执行过程中持续提醒的机制。

技能如何工作

wb-points-saver 把省积分做成一个可挂载的 Agent 技能,让成本意识进入任务执行链路:

  • 以积分约束做调用决策:Agent 在发起模型调用前先评估必要性,避免重复或冗余的请求
  • 盯住常见的浪费点:典型的如失败任务直接重跑而不复用已有结果、上下文无节制地累积、输出过长后整段重生成
  • 给出取舍建议而非一刀切:目标是少花积分的同时保住任务效果,在「再试一次」和「就此打住」这类成本差异明显的节点上给出明确提示

使用时把它作为常规技能挂进工作流即可:正常发起任务,遇到涉及积分花费的决策点,由技能介入建议,你确认后执行。

适用边界

  • 它是面向执行层的成本纪律,不能替代平台计费侧的额度硬限制
  • 收益取决于任务形态:偶发的短对话用处有限,长任务、批处理场景才是主要受益对象
  • 请先在非核心任务上观察一段时间,确认其建议符合预期后再考虑接入关键流程

使用场景

  • 在WorkBuddy设计多步骤Agent任务,需规划调用顺序避免积分重复消耗
  • 运营批量处理用户反馈时,需减少模型调用次数以控制积分成本
  • Agent生成超长报告后,需复用已有内容避免重新生成浪费积分
  • 调试Agent流程时,需判断失败任务是否值得重试以节省积分

适合人员

  • 在WorkBuddy构建长链路Agent任务、关注积分消耗的开发者
  • 运营批量生成内容或处理任务、需控制模型调用成本的团队
  • 调试Agent流程时希望减少积分浪费的技术负责人
  • 使用WorkBuddy处理高积分消耗任务且关注成本的用户