同一份报价表,同事十分钟出结果,你等了半小时还在转圈。同一张截图丢进去,一边能读出一二三四,另一边只回一句“图片已收到”。问题多半不在指令,在模型。
输入框里那个模型名字,大多数人从装完那天起就没点开过。这一下点开,一天的等待能少一半。
入口就在输入框
点输入栏里的模型名称,比如显示“Auto ▾”的那处,弹出模型面板。面板里每个模型都带能力标签和积分倍率。能力标签只有两个:推理,支持逻辑推理、任务规划与多步骤执行;视觉,支持图片理解,拍照和截图场景要挑带这个标签的。
移动端有个前置条件:当前任务的第一句话发送后,模型选择才会出现。新建还没发消息时找不到那个入口,不是你点错了。
五个模型,各管一段活
- MiniMax:Excel 处理、数据分析、PPT 生成,执行速度快。
- 智谱 GLM:多步骤、长流程的复杂任务。
- Kimi:截图分析、图片转文档这类视觉活。
- DeepSeek:日常问答、文案撰写,响应快、成本低。
- 腾讯混元:中文写作、会议纪要、中文文档处理。
这是官方给的推荐场景,照着选不会错。判断顺序也简单:先看输入形态,图片和截图优先视觉强的;再看输出有多复杂,多步骤长流程优先推理强的;最后看单价,日常小事别用贵的。
单价差异比想象中大。官方移动端文档给了倍率参考:DeepSeek-V4-Flash 是 x0.06,Kimi-K3 是 x1.62。同一件事,二十多倍差价。
中途换,下一轮才生效
对话跑到一半切模型,面板会给一条提示:当前对话正在进行,切换将在下一轮对话生效;同时提醒中途更换可能降低性能、增加积分消耗。这条提示可手动关掉,不影响这次切换。
“下一轮生效”这五个字要记住。本轮已发出的消息仍按旧模型跑完,别在长任务中途换,否则前后风格不一致。真要换,停下新建任务,把已确认的结论和文件带过去。
面板右上角还有一层
模型选好后,点面板右上角的配置入口,能改两样:思考强度,单选,档位随模型而定,低、中、高、超高;上下文窗口,单选,比如 300K 或 1M。窗口越大,单轮对话消耗的积分越多。
几个行为要清楚。只打开配置页看看、不选就返回,当前配置不变。模型不支持的项不显示,不会有点了没反应的入口。换模型会按新档位重新校验,不沿用旧设置。保存失败要给重试,别带着没保存成功的配置开工。
Auto 什么时候够用
Auto 是默认档,定位是平衡效果与速度,启用后按任务自动选模型。写周报、改文案、整理表格这类常规活,留在 Auto 就行,省掉每次判断的功夫。
两种情况手动指定:任务明显偏科,比如一堆截图要读、几十页招标文件要拆;或者要控成本,明知道这事简单,就挑倍率低的那个。
一条能直接用的提示词
D:\Work\售前\2026-11\报价对比 这个目录里三份报价表,做两件事:
1. 合并成《报价对比-1105.xlsx》,一个 sheet,按物料编码对齐,
列顺序:物料编码 / 名称 / 供应商A / 供应商B / 供应商C / 最低价 / 价差。
2. 另写《差异说明-1105.md》,只写三块:缺失项、单价差异超 15% 的物料、
交付周期不一致的条目。每块最多五条,注明来自哪个文件哪一行。
两个文件都放回同一目录。金额保留两位小数,单位统一为元。
算完核对合计,跟原表总数对不上,就在《差异说明》里单独标出来。
这类活交给 MiniMax,表格处理稳。丢给擅长写文案的模型,它会多花时间在措辞上,数字反而不保险。
三个容易踩的坑
- 把上下文窗口调到最大当保险。窗口越大单轮越贵,二十页的文档用 300K 就够,开到 1M 是白花钱。正确做法:先按任务实际长度选最小够用档,真遇到截断再往上加。
- 自定义模型配完不试就跑正式任务。Key 填错、模型名写错、能力标记漏勾工具调用,都要到执行时才暴露。正确做法:保存后先发一句极短指令,比如“读一下当前目录有几个文件”,确认工具调用和图片输入都通。
- 以为换模型能救烂指令。模型换了,目标、输入、输出格式没写清,结果照样不能用。正确做法:先把四要素补齐,再判断是不是模型不匹配。
落到项目经理手上
报价对比、验收清单核对、工时统计,走 MiniMax。这类活吃的是结构化处理,模型文采再好也帮不上。
招标文件拆解、多轮需求澄清、方案逐条对照评分项,走 GLM。步骤多,中途还要回头改,长流程的稳定性比速度值钱。
客户微信发来的资质截图、竞品界面截图,走 Kimi。别让纯文本模型去猜图里写了什么。
客户资料涉密、要求不出内网的,走本地部署那条路:头像 → 设置 → 模型,选本地部署,用 Ollama 拉开源模型,默认监听 11434,提供兼容 OpenAI 协议的接口。配置参数含 API Key 只存本地 workbuddy/models.json。代价是硬件自己扛,效果比云端旗舰差一档,值不值自己算。
说两句
你现在是让它自己选,还是按活手动指定?有没有哪个模型在某类任务上特别对味,或者踩过什么亏?在评论区说一下你的场景或者遇到的问题,我挑典型的写进后续文章。
觉得有用,可以转给同样在用 AI 干活的同事;想看后续,关注本站。
内容基于 WorkBuddy 官方文档与实际操作整理,以实际版本界面为准。







暂无评论内容