最近 WorkBuddy 用户群里讨论最多的不是又更新了多少个 Skill而是腾讯这回搞了个挺少见的动作WorkBuddy 独家接入了 Space-Bunny 这个匿名模型还给出了 10 月 7 日截止的限时折扣。我第一反应和大家一样Space-Bunny 是什么公司的为什么叫匿名模型匿名了还能用吗带着这些疑问翻了官方文档、跑了几天实测把安装、换模型、搭工作台、处理缓存和账号记忆这些环节都过了一遍。这篇文章就把这段时间的实操记录和踩坑经验整理出来给正在观望和已经入手的读者一个参考。1. 先说清楚Space-Bunny 这个匿名模型到底是什么来头很多人在热搜里搜space-bunny是什么公司的space-bunny模型说明大家最困惑的就是它的出身。我一开始也以为是什么海外新团队的产物但仔细看完接入文档后发现重点根本不在哪家公司而在匿名这两个字的设计逻辑上。1.1 匿名模型不只是不登录而是一套隐私设计传统大模型 API 的调用链路是你先注册账号、实名认证、拿 API Key然后每次请求都会带着你的身份标识、IP、调用元数据。换句话说服务商不仅能知道你调用了多少次还能关联你的业务内容、使用习惯。Space-Bunny 的做法不太一样。它的核心思路是把用户身份和模型推理解耦你在 WorkBuddy 里发出请求时实际到达模型服务端的请求已经从用户维度做了隔离不携带可关联到你个人或企业账号的身份信息数据留存策略也更保守。用一个生活类比解释传统模型像会员制咖啡厅进门前要办卡、报手机号、留消费记录匿名模型像自助咖啡机投币取杯机器只关心你选的是美式还是拿铁不关心你是谁。这套设计对两类人特别有价值一类是处理敏感资料的科研人员另一类是把 AI 接入内部业务流程、不想让数据跟账号绑定太深的企业用户。多说一句匿名不代表无痕乱来该遵守的内容安全规则一样要遵守它解决的是身份关联和最小化采集的问题不是给违规行为打掩护。1.2 为什么 WorkBuddy 独家接入而不是全面开放独家这个词经常被理解成营销噱头但放到 WorkBuddy 这个产品里看有实际意义。WorkBuddy 的本质是一个智能工作台模型只是其中的一个组件真正值钱的是围绕模型长出来的 Skill 插件、工作流编排、记忆系统和各类工具链。如果 Space-Bunny 全面开放成通用 API用户还得自己去申请、配置、管理密钥反而增加使用门槛。独家接入 WorkBuddy 之后模型直接成为工作台里的一个可选项点一下就能切换数据流也只在 WorkBuddy 的闭环里走两端都好维护。对用户最直接的体验是你不用单独去 Space-Bunny 官网注册不用管什么 model_id、access_token只要下载安装 WorkBuddy在模型设置里选中它就完事了。官方这么做也是希望通过模型的独特性把用户留在工作台生态里。1.3 对普通用户和开发者分别意味着什么普通用户关心的就三件事我的聊天记录会不会被拿去训练、响应快不快、回答准不准。匿名模型在这三点上的定位比较清晰——它追求的是稳定的输出 克制的数据采集不是那种特别花哨、话痨、动不动给你来一段排比句的风格。开发者关心的则是另外三件事能不能通过 Skill 把模型接进自己的脚本、能不能控制上下文长度和输出格式、限时折扣期过了之后成本怎么算。这些在后面的章节里我会展开讲尤其 Skill 那块才是 WorkBuddy 拉开和其他聊天助手差距的地方。2. 从安装到切换模型让 Space-Bunny 在本地真正跑起来热搜词里有一长串和workbuddy安装教程workbuddy国际版下载ubuntu安装workbuddy相关的内容说明很多人卡在了第一步。我把 Windows、macOS、Linux 三个平台都实测了一遍下面直接给可复现的流程。2.1 三平台安装实测Windows / macOS / UbuntuWindows 平台WorkBuddy 在 Windows 上提供的是图形化安装包流程跟装普通软件一致。只有一个建议安装目录不要带中文也不建议默认装在 C 盘根目录下因为后续模型缓存和 Skill 文件都会写在用户目录里C 盘紧张的话会很难受。装完第一次启动会要求登录国内版和国际版的账号体系不互通这个后面单独说。macOS 平台macOS 用户拿到的是 dmg 安装包双击拖进 Applications 就行。如果第一次打开提示无法验证开发者在系统设置-隐私与安全性里点仍要打开即可这是未签名应用最常见的提示不是病毒。Ubuntu / Linux 平台Ubuntu 下没有图形化安装包用的是命令行方式。我是通过官方源装的sudo apt update sudo apt install workbuddy或者用 snap 方式sudo snap install workbuddy两种方式我都试过snap 版方便升级但启动稍慢apt 版更轻。装完以后在终端输入 workbuddy 就能启动或者手动找安装路径下的可执行文件。Linux 下最容易踩的坑是缺少依赖库建议先把系统自带的输入法和中文字体装全否则工作台里中文显示可能出现方块。安装完成以后先在设置里确认版本号。如果版本太老模型列表里是看不到 Space-Bunny 的因为新模型接入通常跟随客户端版本更新一起下发。2.2 模型接入与切换找到 Space-Bunny 入口Space-Bunny 不需要单独配置 API Key入口藏在 WorkBuddy 的模型设置里。路径一般是设置 → 模型服务 → 可用模型列表 → Space-Bunny。第一次切换的时候WorkBuddy 会弹出确认提示说明切换后当前会话会重新加载这是正常的。我建议切换之后先问一个固定的测试问题比如用一句话介绍你自己然后连续问三次观察回答的稳定性和速度。匿名模型的响应速度通常和普通模型差不多但首字延迟可能会比流式输出稍慢这是隐私隔离链路带来的必要开销不是故障。如果你想对比效果可以在同一个工作台里建两个会话一个挂默认模型一个挂 Space-Bunny同一批问题两边都问记录输出差异。这个对比结果会直接决定折扣期之后你到底续不续费。2.3 国际版和国内版怎么选热搜里频繁出现workbuddy国际版workbuddy国际版下载说明这个版本差异让不少人困惑。简单说国内版默认连接国内服务节点账号体系用微信/手机号数据存储在国内。国际版服务节点和数据存储都在海外适合有跨境业务或者对数据主权有要求的用户。我实测下来的结论是如果你只是日常办公、写文案、做科研整理国内版足够了加载速度还更快如果你做的是跨境电商、海外内容创作或者团队本身就在海外那选国际版避免出现内容审核差异带来的意外拦截。不过要注意国际版和国际版的缓存目录、配置文件路径都与国内版不同换版本的时候不能直接复制配置否则会出现 Skill 失效、记忆丢失的问题。第 4 章我会专门讲缓存和记忆的迁移方法。3. 用好 Space-Bunny 的四类实战场景科研、教学、工作台与全栈模型接进来了接下来才是重头戏怎么让它真正帮你干活而不是当一个高级聊天框。这就要用到 WorkBuddy 的 Skill 机制。热搜词里workbuddy skillworkbuddy搭建工作台workbuddy 科研workbuddy 小程序教学应用案例都在指向这个方向。3.1 Skill 插件机制让模型拥有工具箱Skill 是 WorkBuddy 最值得研究的功能相当于给模型装外挂工具。一个 Skill 通常由一个 manifest 描述文件和一个可执行脚本组成脚本可以是 Python、Node.js 或命令行工具。模型在回答问题时会根据用户意图自动判断要不要调用某个 Skill以及把哪些参数传进去。举个例子。我写了一个文献速览Skill输入一篇 PDF 的路径脚本自动提取摘要、关键方法和数据结论然后交给模型整理成结构化卡片。没有 Skill 的模型只能看你粘贴的文本有了 Skill模型能主动读文件、跑脚本、调用外部接口这就从聊天升级成了工作。Skill 的存放位置默认在用户目录下的 skills 文件夹里WorkBuddy 每次启动会扫描这个目录。我在 Ubuntu 上测试每次新增 Skill 必须重启工作台才能识别Windows 上有时刷新一下就能看到这个平台差异很隐蔽搞不清楚就会以为 Skill 失效了。3.2 科研场景从文献整理到图表解读科研用户是 Space-Bunny 的典型受众因为研究数据通常敏感匿名模型的隐私设计天然适配。我实测了三条高频路径都跑得通。文献整理批量导入 PDF 或网页链接让模型按统一模板输出研究背景、方法创新点、数据结论、局限性。传统做法是手工一篇篇读用 Skill 自动化之后一天能处理几十篇人只需要做最后的核验。图表解读把论文里的图表截图贴进对话Space-Bunny 的输出风格比较克制不会像部分模型那样把图表信息脑补成不存在的结论。它对表格数据的敏感度明显比纯文本高适合做实验数据初步解释。写作辅助在生成 Introduction 和 Discussion 时匿名模型不会把作者身份带进生成逻辑里生成的语言更像客观陈述。这对论文初稿很有用但千万别拿去对付查重系统那属于学术不端工具本身不背这个锅。3.3 小程序教学应用案例从对话到可演示的教学助手热搜里workbuddy 小程序教学应用案例这个关键词很有意思。我理解的是用 WorkBuddy 搭建一个教学助手再通过小程序对外提供服务。实操路径是在 WorkBuddy 里建一个教学答疑项目配置系统提示词让它扮演某个科目的老师回答问题时遵循先讲思路、再给答案、最后出练习题的固定结构然后写一个 Skill把对话接口封装成 HTTP 服务这样小程序前端就能直接调用。我这里遇到过一个实际问题教学场景里经常要处理图片题比如几何图形、化学方程式。Space-Bunny 本身对纯文本推理更擅长如果图片识别需求很强建议搭配视觉模型做前置处理Space-Bunny 负责后面的讲解生成。这也是 WorkBuddy 支持多模型组合的原因——别指望一个模型包打天下把不同模型放在流水线的不同工位才是正确玩法。3.4 全栈开发和 CodeBuddy 搭配干活热搜里也有workbuddy和codebuddyworkbuddy cursorworkbuddy 全栈指南这类关键词。这俩产品定位不同CodeBuddy 更偏向代码生成和 IDE 集成WorkBuddy 更偏向任务编排和个人工作台。我的实际用法是让它们各司其职Space-Bunny 负责生成技术方案、解释业务逻辑、写接口文档CodeBuddy 负责具体的代码补全和报错修复。举个我最近处理的迁移案例把一个 Windows 环境下的项目迁到 Linux。WorkBuddy 这边用 Space-Bunny 梳理了依赖清单和可能冲突的路径写法CodeBuddy 那边直接改代码。整个过程中 Space-Bunny 的匿名身份反而让我更放心得把内部代码片段喂给它做分析不用担心这些代码片段跟我的账号绑定产生额外日志。4. 实测排坑缓存目录、账号记忆与AI味三大高频问题热搜里出现频率很高的几个问题我在实测里都撞上了缓存目录占满 C 盘、换账号后记忆丢失、回答AI味太重。一个一个说。4.1 缓存目录怎么改别让 C 盘再爆红WorkBuddy 默认会把模型缓存、Skill 临时文件、会话历史都存在系统盘的用户目录下。时间一长尤其是频繁切换模型后缓存体积能涨到几个 GB。搜索词workbuddy缓存目录怎么更改workbuddy怎么更改系统缓存目录说明踩坑的人不少。默认缓存路径平台默认缓存位置Windows%LOCALAPPDATA%\WorkBuddy\CachemacOS~/Library/Caches/WorkBuddyLinux~/.cache/workbuddy修改方法在设置里找到缓存路径选项填入你想迁移到的目录然后重启 WorkBuddy。如果某些版本设置里不提供这个选项可以手动改配置文件。Linux 下的配置文件通常在 ~/.config/workbuddy/config.yaml把 cache_dir 字段改成目标路径即可。我实测的结论修改之后快速重启重启会在新目录下重建缓存目录结构旧缓存不要急着删确认新路径下功能正常再清理避免误删导致会话历史加载异常。4.2 换账号后怎么找回原来的记忆很多人不知道 WorkBuddy 的记忆机制是怎么存的。它的记忆主要由两部分组成一部分是显式的会话历史一部分是模型抽取出来的长期记忆碎片。换账号之后发现记忆没了基本都是因为这两部分数据只绑定在旧账号的本地目录下。想迁移记忆正确步骤是先退出所有会话保证记忆文件处于写入完成状态。找到旧账号所在的数据目录。Linux 一般在 ~/.local/share/workbuddy/ 下按账号 ID 分文件夹。把记忆相关的数据文件通常是 memory 目录和 sessions 目录复制到新账号对应的目录下。重新登录新账号重启工作台检查历史会话是否恢复。需要注意如果你换到的是国际版数据目录根路径都不一样直接复制文件大概率没用。这种情况只能靠 WorkBuddy 官方提供的导出/导入功能我测试的时候旧版本里入口在设置-数据管理-导出全部数据。4.3 减少 AI 味给 Space-Bunny 的提示词写法workbuddy减少ai味这个热搜词特别真实。Space-Bunny 默认的输出风格偏规范偶尔会有首先、其次、最后这类结构化套话读起来很 AI。我实践下来最有效的办法不是在对话里反复叮嘱不要说套话而是在工作台的项目级系统提示词里一次性写清楚。我的提示词模板你是我的写作搭档。回复要求 1. 直接给结论不要铺垫。 2. 禁止使用总的来说综上所述首先其次最后这类连接词。 3. 能用短句就不用长句能说人话就不说书面语。 4. 如果信息不足直接说不知道不要编。实测下来Space-Bunny 对这组约束的遵循度比我预想的高尤其是第 4 条它承认不知道的频率明显高于一些爱硬答的通用模型。这也符合它匿名模型的人设——少一点表演型人格多一点工具感。5. 限时折扣至 10 月 7 日上车建议与使用规划最后回到标题里那个限时折扣。10 月 7 日这个截止日期是硬约束过了这个时间点折扣活动大概率就结束了。在决定要不要续费、要不要囤量之前建议先做三件事。5.1 从成本角度算一笔账折扣的具体形式和比例以官方活动页标注的为准我不在这里替官方报价容易过时。但无论折扣怎么给你都可以按自己的调用频率算一笔账假设你每天通过 WorkBuddy 使用 100 次模型调用每次平均消费 1000 tokens 输入 500 tokens 输出就可以估算出日消耗量再乘以活动折扣价得出日均成本。我个人的判断标准是如果日均成本控制在同类模型 API 的 50% 以下且输出质量能满足你的核心场景就值得在活动期充一笔如果只是偶尔玩玩那没必要因为折扣而囤太多AI 模型的价格长期看是往下走的锁死太久反而吃亏。5.2 活动期内建议先做的三件事备份当前配置把正在用的 Skill 配置、系统提示词、常用会话模板都导出备份方便切换模型后快速恢复。跑一轮场景回归把你日常最高频的三类任务各测 10 遍对比 Space-Bunny 和原有模型的输出质量、响应速度、错误率。别只看一两次的效果模型输出有随机性样本量不够说明不了问题。记录产出样例把好的回答和坏的回答都截图或存档活动结束前如果你想发起退款或争议这就是证据不加价续费时这也是你判断值不值的依据。5.3 我的实际感受跑完这几天实测Space-Bunny 给我的整体印象是不抢戏、不废话、隐私设计确实是加分项。和那些追求全能感的通用对话模型相比它更像一个克制的工作搭档适合被嵌到固定的工作流里反复使用。如果你主要做内容创作、科研整理、内部工具链开发并且在意数据和账号身份的隔离那么在折扣期内接入试用是合理的如果你只是拿 WorkBuddy 当普通聊天助手用一用那第 4 章提到的缓存和记忆问题可能会先困扰你——先把这些基础配置弄明白再决定要不要为折扣买单。最后分享一个实测中的小细节Space-Bunny 在处理长文本总结时输出的分段逻辑比我预期的更稳定几乎不会出现总结到一半突然重新开始的情况。这个特性在批量整理资料场景里非常省心。折扣还剩最后几天按自己的真实调用频率算一笔账再决定别让限时两个字推着你盲目上车。