WorkBuddy实战笔记：自定义模型接入与远程中转31轮精华

今天分享的是 WorkBuddy 用户在一次涉及 31 轮对话的深度实践中总结出的真实经验。如果你在长期使用这款工具时也遇到“对话一长就翻不到头”“积分蹭蹭往下掉”“想用自己的模型但不知从何入手”等痛点，这篇文章会带来不少启发。

先给出几个关键判断：通过自定义模型接入可以彻底摆脱积分消耗；阿里云 DashScope 一套配置即可同时调用通义千问与 DeepSeek；云服务器中转方案虽然需要一定的网络基础，但搭建完成后，能随时随地远程调用本地工作站上的大模型。而一个简单的 HTML 对话纪要文件，辅以自定义指令自动维护，就能从根本上解决“长对话回溯慢”的难题。

前言：为什么要整理这些笔记？

WorkBuddy 用户都有这样的体验：在一个任务中进行多次对话后，内容越堆越多，想回顾之前讨论过的配置参数、踩过的坑，只能不断向上翻找。上下文越长，AI 处理速度越慢，积分消耗也越高。

有人在同一个工作空间里连续进行了 31 轮对话，话题涉及任务管理、自定义模型配置、云服务器中转、积分攻略等，内容越来越丰富，但快速定位之前的信息也越来越难。

于是这位用户和 AI 助手共同设计了一个方案——用 HTML 文件构建“对话纪要”，每轮对话自动追加摘要，随时预览，一秒锁定任意一轮的关键信息。这个方案的效果远超预期。本文从这个方案出发，将 31 轮对话中提炼出的所有实操经验系统整理出来。

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

核心思路很直接：创建一个独立的 HTML 文件（例如 conversation-log.html），每轮对话结束后，AI 自动追加一条记录——包含轮次、时间戳、你的提问摘要、AI 回复要点。点击任意条目可展开或收起详细内容。预览功能在右侧面板实时刷新，随时查看。

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：
• 接口地址与通义千问相同
• 仅需修改模型 ID
• 同一 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」中添加以下规则：

【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。若文件不存在则自动创建。

新工作空间首次使用时，让 AI 先创建 HTML 模板文件，后续每轮自动追加，无需任何手动操作。

1.4 跨任务的局限

由于 WorkBuddy 每个任务的工作空间目录相互独立，该 HTML 文件仅存在于创建它的工作空间中。其他任务如需类似功能，需单独创建。不过可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 内置了多个模型，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，积分消耗直接变为 0。

2.1 配置方式

配置文件路径为 ~/.workbuddy/models.json（若不存在则手动创建）。

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 } ] }

配置完成后完全退出 WorkBuddy 再重新启动，底部模型下拉菜单中就会出现自定义模型。

2.2 阿里云 DashScope 接入通义千问

2.3 同一个 Key 调用 DeepSeek

阿里云百炼已上架 DeepSeek 模型，接口地址和 Key 与通义千问完全一致，仅需修改模型 ID：

换言之，在 models.json 中可以同时配置通义千问和 DeepSeek，共用同一个 Key，在模型下拉菜单中自由切换。

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，希望其他设备的 WorkBuddy 也能调用，可以通过云服务器做中转——固定 IP，配置一次即可长期使用。

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

无论使用哪种工具（Ollama / LM Studio / vLLM），关键是要让模型监听在 0.0.0.0（所有网卡）而非默认的 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：必须加上 0.0.0.0: 前缀，否则隧道仅在云服务器的 127.0.0.1 上监听，外部无法连接。

同时需在云服务器上修改 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

使用 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，仅靠防火墙限制 IP 并不够（IP 可能变化、同网段可能存在其他主机）。增加一层应用层认证：

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; } }

这样任何连接 11434 的请求都必须先输入密码才能放行，IP 改变不影响，同网段的其他主机也无法进入。

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改变，成长计划读取的是旧标识，无法匹配。这属于客户端与服务器端之间的追踪 bug，建议前往腾讯云开发者社区发帖反馈，等待官方修复。

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。如果先创建会话再写指令，当前会话不会生效。写好指令后必须新建会话才能验证效果。

5.3 对话框底部盾牌图标

盾牌形状并带有勾号的图标，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再切换为完全权限。

5.4 CodeBuddy CLI Agent SDK 集成

WorkBuddy 系列还包含 CLI 形态（CodeBuddy Code），并提供了 Agent SDK（TypeScript / Python），可嵌入到自己的应用中。结合外部 ASR 语音识别服务，能够实现“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：

• 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
• 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，仅改模型 ID
• 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
• 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
• 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。

来源：互联网