自 WorkBuddy hy4 模型限免结束后，大量用户反馈免费额度频繁触顶。这通常是厂商在免费用户激增后采取的常规调控策略。针对这一现状，本文总结了几种优化 Token 消耗、提升 WorkBuddy 使用效率的实操方法。
一、根据任务复杂度手动切换模型
不同模型的 Token 消耗倍率存在差异，建议用户手动选择模型，避免依赖系统自动匹配。此外，还需关注“思考强度”与“上下文窗口”两个关键参数：
- 思考强度：默认设置为“高”，对于简单任务可调整为“低”，仅在处理复杂逻辑时开启高强度模式。
- 上下文窗口：合理调整窗口大小，避免不必要的历史数据加载。
二、优化长期记忆库
WorkBuddy 的记忆功能虽能提升回复相关性，但读取旧记忆会占用大量 Token。建议进入个性化设置中的“长期记忆”模块，定期编辑并删除过时、重复的信息，保持记忆库的精简与高效。
三、管理记忆与进化功能
系统会自动整理对话形成“对话记忆”，这可能干扰后续任务或增加消耗。若无需此功能，可在“记忆与进化”选项中直接关闭；若需保留，应定期优化记忆内容，确保存储的是最新且有效的信息。
四、关闭智能体团队管理
该功能在处理复杂任务时会调用子智能体（Subagent），导致 Token 消耗剧增。鉴于日常使用场景多为单一任务，建议直接关闭此功能以节省额度。
五、其他优化建议与成本分析
除上述核心设置外，用户还可关闭非必要的 Skills 和 MCPs，并及时压缩历史上下文。在 WorkBuddy 的使用详情中，若发现“对话消息”以外的项目占比过高，即表明需要进一步优化。
成本提示：目前 WorkBuddy 官方积分套餐性价比一般，不建议直接购买。对于高频使用者，自行购买 API 额度或选择 Coding Plan 是更具成本效益的方案。
#每日思考 #WorkBuddy #AI 工具优化 #Token 节省