WorkBuddy双模型限免实战：Hy4与Hy3的选型与工作流搭建

这阵子 AI 效率圈子里讨论度最高的，应该就是 WorkBuddy 这波双模型限免了。官方放出的消息很简单：Hy4 preview 开放两周免费用，Hy3 直接给到 9 月底。看起来就是一次常规的活动运营，但如果你是 WorkBuddy 的日常用户，或者正准备把这类型效率智能体接进自己的工作流，这波福利其实值得认真算一笔账。

先说结论：这不是那种“送你 7 天体验卡”的套路。双模型同时放开限免，意味着你可以在一段时间内，用很低的试错成本去测试两个模型分别适合干的活，而不是被逼着一上来就做年度订阅决策。对于刚接触 WorkBuddy 的新手，这也是一个非常合适的入口——不用先花钱，就能把账号、技能、连接器、工作流整套东西跑起来。

这篇文章我会从活动解读、WorkBuddy 本身是什么、模型怎么切、常见坑怎么避这几个角度展开。全程是我自己实际使用中的理解和操作习惯，不是官方文档复述。

1. 双模型限免：先把活动规则和隐藏信息读透

1.1 限免信息到底在说什么

标题里的信息拆开看是两条：一条是 Hy4 preview 限免两周，过期后恢复按量或按订阅计费；另一条是 Hy3 限免到 9 月底，时间跨度比 Hy4 preview 长很多。很多人看到“限免”两个字就直接冲进去用了，结果到期那天才发现账单上多了笔费用，这就是没把规则读透的典型后果。

这里有个容易被忽略的细节：为什么一个给两周，一个给到月底？我的理解是，Hy4 preview 是预览版，官方还在收集反馈，周期不会拉太长，给两周恰恰说明这是“试用加反馈”的性质；而 Hy3 是已经相对稳定的产品线，给到月底更像是给老用户和新人一个明确的免费窗口期。如果你仔细观察活动页面的措辞，通常还会标明“限免期内不限制对话次数”还是“每天赠送一定额度”，这两种模式的使用策略完全不同。

实际操作中，我的建议是不要只盯“免费”两个字，而是先想清楚你要拿这两个模型分别做什么。限免不等于随便用，尤其是 Hy4 preview 这种预览版，如果用于生产流程，注意预留模型行为变化的预案。我见过有人在限免期内把全公司的自动化流程都绑到 preview 模型上，结果两周一到，模型切回付费档位，流程直接断掉。这种事故其实是可以提前避免的。

1.2 两个模型分别是什么定位

从名字看，Hy4 preview 是新一代模型的预览版，Hy3 是上一代主力。它们不是“新版替换旧版”的简单关系，至少在目前这个阶段，更像是“激进新架构”和“稳定老战士”两套方案并存的状态。厂商做这种布局的逻辑很清晰：新模型需要真实场景的数据反馈，但稳定性还没有被充分验证，所以先用限免吸引一部分愿意尝鲜的用户，同时保留成熟模型兜底。

我个人的体感（不是官方数据，只是长期使用的感受）：Hy3 胜在回答稳定、指令跟随一致性好，适合日常办公、内容整理、批量处理这类重复性任务。你让它按固定格式输出周报，它能连续一个月不跑偏。Hy4 preview 在长文本和多步骤任务上的规划感更强，遇到复杂需求时会自己拆步骤、做推理链，但因为是 preview，偶发行为会比我预期多，比如同一个指令在不同对话里的输出风格有波动，偶尔还会出现逻辑跳跃。

所以模型选型的第一条原则是：稳定性优先的任务交给 Hy3，探索性、分析性的任务可以拿 Hy4 preview 去试。别在还没摸清脾气之前，就把重要流程全押在一个 preview 模型上。

1.3 官方为什么要做双模型限免

这种活动背后一般有三层目的。第一是拉新，用免费额度降低体验门槛，让原本犹豫不决的用户先上车；第二是收集真实场景数据，preview 模型最缺的就是多样化的使用反馈，越是真实业务里的奇怪问题，对模型迭代越有价值；第三是引导订阅习惯，限免期结束后，用户如果已经建立了使用路径，转化率会高很多。

理解这些意图对用户是有用的。你参与限免，本质上是用“时间”换“免费”，那你就要在限免期内把该验证的验证掉，而不是把限免当成一个永久免费的幻觉。我的做法是：每次这种活动开始，先在日历上设一个截止提醒，避免用着用着突然恢复计费。

注意：Hy4 preview 的限免周期只有两周，建议在活动开始后的第一周就完成核心场景测试，留一周做复跑和结果对比，不要拖到最后一两天才临时抱佛脚。

2. WorkBuddy到底是什么：从效率工具到个人工作台

2.1 一句话理解 WorkBuddy

很多人第一次听到 WorkBuddy，第一反应是“又一个聊天机器人”。其实真不是。它更像是一个以模型为大脑、以连接器为手脚、以技能为工具的工作台。你可以把日常重复的信息收集、整理、分发动作交给它，自己专注在决策和产出上。普通聊天机器人是你问一句它答一句，WorkBuddy 的定位是你交代一个目标，它想办法帮你把流程跑起来。

举例来说，你可以在 WorkBuddy 里配置一个“日报生成技能”：早上它自动汇总昨天的差旅记录、任务系统里的更新，然后生成一段日报草稿，推送到企业微信或钉钉。这些以前需要打开四五个应用才能完成的操作，现在能在一个工作流里跑完。这种体验上的差异，用一句话总结就是：聊天机器人给你答案，工作台给你结果。

2.2 核心能力拆解

我总结 WorkBuddy 的几个核心模块，方便还没上手的读者建立一个全局认知：

• 对话与任务执行：最基础的部分，直接用模型对话，完成问答、写作、代码、总结等任务；
• Skill 技能：可以理解为给 AI 用的“插件包”，把一个场景下的提示词、工具调用、数据处理封装成一套可复用的能力；
• 连接器：对接第三方系统，比如表格、IM、项目协作工具，让模型能读写外部数据；
• 工作流与自动化：通过定时任务或事件触发，让 AI 自动跑完整流程；
• 自定义指令：为 AI 设定固定的行为模式，相当于你的“团队培训手册”；
• 本地部署与自建模型接入：满足隐私和成本控制需求。

其中我认为最能拉开体验差距的是 Skill 和连接器。模型本身大家现在都差不多，真正决定“好不好用”的，是把模型和你的业务数据之间那层路铺没铺好。我自己见过不少用户，模型聊得飞起，但一说到“让我这个月的数据自动汇总成表”就卡住了，问题就出在连接器没有配置好。

2.3 WorkBuddy 和 CodeBuddy 到底什么关系

这两个名字经常一起出现，很多人在搜索框里直接问“CodeBuddy 和 WorkBuddy 区别”。CodeBuddy 更像一个面向开发者的编程助手，写代码、查报错、补测试；WorkBuddy 则拓展到更通用的业务场景。从产品定位上看，两者是互补关系而不是竞争关系。

我的理解是：如果你核心工作是写代码，CodeBuddy 是你的主场；如果你要处理的是运营流程、数据分析、团队协同、内容生产这类更杂的活，WorkBuddy 更对口。当然，两者不是非此即彼。很多技术背景的朋友会同时用，用 CodeBuddy 写后端，用 WorkBuddy 做接口文档、周报汇总、会议纪要这些周边工作。也有人在 WorkBuddy 里通过 Skill 封装了代码任务，等于把编程能力也揉进了工作台。

2.4 什么人适合现在开始用

我觉得三类人最适合立即上车：

第一类，被重复信息整理折磨的运营、行政、助理。他们每天要和表格、IM、文档打交道，大量时间花在“把数据从 A 搬到 B”上，WorkBuddy 的连接器和定时任务正好解决这个问题。

第二类，已经在用 AI 写代码、写文案，但觉得“对话框太好用、工作流不够用”的进阶用户。如果你发现自己每天要重复输入同一段背景说明，那就说明你该把自定义指令和 Skill 用起来了。

第三类，想给团队搭一个统一的“AI 工作前台”的管理者。与其让每个成员各用各的账号、各配各的提示词，不如由管理者统一配置好技能库和指令模板，成员直接使用现成的工作台。

如果你只是偶尔让它写个请假条，那用哪个产品差别不大；一旦你开始研究“怎么让 AI 更懂我的业务”，WorkBuddy 这类工具才真正显出价值。

3. 实操：限免期间把 Hy4 preview 和 Hy3 用起来

3.1 获取限免权益和基础环境准备

先用最简单的话说：参与这次双模型限免，核心就是把账号状态确认好、客户端更新到最新版、在模型一栏找到 Hy4 preview 和 Hy3。整个过程不需要花一分钱，但有几个环节容易被卡住。

具体步骤（以我当前使用的客户端为例）：

1. 注册或登录 WorkBuddy，建议直接绑定常用手机号或企业账号，避免后续换设备时账号找回麻烦；
2. 检查版本号，有更新就升级。很多限免入口是跟着版本走的，老版本可能看不到新模型；
3. 进入设置里的模型管理页面，查看是否有 Hy4 preview 和 Hy3 两个模型项；
4. 如果页面有活动弹窗，先阅读活动规则，重点看限免范围是按次计费还是按 token 计费；
5. 在两个模型下各建一个新会话，跑一个最常见的测试任务，确认模型真的可用。

这里有一个经验：限免活动刚上线那两天，调用量通常很高，偶尔会出现排队或超时。这不是你操作问题，换个时段再试就行。建议不要在周一早上十点这种高峰期做关键演示，很容易因为排队耽误正事。

3.2 在 WorkBuddy 里切换模型

WorkBuddy 的模型切换一般有两种入口：一种是对话框顶部或侧边栏直接下拉切换，另一种是在每个 Skill 或工作流的配置里指定默认模型。两种方式的使用场景完全不同，我建议都掌握。

我的习惯是：日常的对话类任务，用下拉菜单切到 Hy3，稳定；写复杂方案、做长文分析时，切到 Hy4 preview，让它做多轮推演；配置自动化任务时，把默认模型锁定为 Hy3，避免 preview 版本行为变化导致流程不稳定。

注意，切换模型后上下文并不会百分之百跨模型复用。不同模型对上下文的处理方式不同，有的会做摘要压缩，有的会裁剪早期消息。如果你发现切换模型后 AI 忘了之前交代的背景，不需要太惊讶，不是 bug，是上下文的底层逻辑换了。我的解决办法是：重要背景写进自定义指令，而不是临时对话里。这样无论怎么切换模型，AI 都能读到你的核心要求。

3.3 模型选型建议：Hy4 和 Hy3 怎么分配

按任务类型我列了一个简单分配表，这个表基于我自己的实际验证，不是从官方文档抄来的。你可以把它当作出发点，再结合自己的业务做调整。

这个表不是绝对的，但你按“稳定性优先选 Hy3、探索性优先选 Hy4 preview”这个原则去套，基本不会错。我之前踩过的一个坑是：用一个自动化流程每天汇总好几个数据表，最初图新鲜把默认模型设成了 preview，结果某天它突然改了一种输出格式，下游再处理就乱了。从那以后，生产型流程我一律锁 Hy3。

3.4 一次完整的限免实战：搭建个人工作台

限免期间最适合做的，就是把一个你真正高频的流程跑通。我以“每日信息同步”为例，讲一下整体搭建思路。这里不涉及具体业务数据，你理解逻辑后替换成自己的场景即可。

第一步，梳理输入源。比如你想汇总的工作信息来自飞书文档、钉钉多维表、企业微信收藏，先把这些源的访问方式确定好，能拿到 API 权限的最好，拿不到的至少确认可以通过连接器读取。

第二步，在 WorkBuddy 里配置连接器。一般连接器配置流程是：选择连接器类型、授权登录、选择需要读取的数据范围。如果你是管理员，可以提前建好统一的授权账号，避免每个成员各自授权带来的权限混乱。这一步做完后，建议先手动触发一次读取，确认数据能正常拉取，再进入下一步。

第三步，新建 Skill，把这些输入源的处理逻辑写进去。提示词里要写清楚：从哪些字段取数、按什么规则去重、输出格式是什么。Skill 的好处是这套处理逻辑可以被反复调用，不用每次重新描述。

第四步，设定定时触发。我建议先手动运行一遍，确认输出没问题，再开启每天 9:00 的定时任务。定时任务第一次失败也不丢人，读一下错误日志，多半是某个连接器的 token 过期了。

第五步，把输出接进通知渠道，比如推送到微信或钉钉群。注意，这里要仔细配置接收人和免打扰时段，否则你会在下班后收到一串“今日汇总”，效果适得其反。

这套流程搭好后，限免期对你来说就不再只是“试用模型”，而是真正把两个模型放进了你的工作流里。等限免结束，你留下的是一套已经跑通的自动化系统，而不是一段过期的高级会员体验。

4. 从入门到不放弃：几个能显著提升体验的进阶玩法

4.1 用好自定义指令，让模型保持“人设”

自定义指令是我最推荐的第一个进阶动作。它相当于给 AI 写了一份公司章程：你希望它用什么语气、什么结构回复，哪些事必须做，哪些事绝对不要做。没有自定义指令的 WorkBuddy，就像刚入职的新人，能力很强但不知道怎么配合你。

比如我给自己设过这么几条：

• 所有回复默认使用简洁口语化中文；
• 涉及数据时必须给出计算过程；
• 不确定的信息要明确标注“不确定”，不能编造；
• 代码示例必须包含注释。

设置完自定义指令后，Hy3 和 Hy4 preview 都会遵循这套基线，切换模型时不用担心“换个人聊天”。这比你在每次对话里重复交代背景高效得多。我见过有人把自定义指令写得特别长，恨不得把整个行业的术语都塞进去，结果模型反而抓不住重点。我的建议是控制在五到八条，每条说清一个明确行为。

4.2 Skill 不是摆设，它解决的是“复用”

Skill 可以理解成“把一套完整指令和动作打包”。我一般会在两种情况下用 Skill：流程固定且重复的，例如“会议纪要转待办事项”；需要调用外部工具的，例如“查询项目数据库并生成看板数据”。

制作 Skill 不需要写代码，本质上就是把你的最优提示词、参数、调用动作保存起来。但有一点要提醒：Skill 里的提示词写得越具体，后面的维护成本越低。不要用“帮我整理一下数据”这种话，要写“读取所有状态为进行中的任务，按截止日期排序，输出 Markdown 表格”。

我见过一个做得好的例子，是一位运营同学做的“竞品周报”Skill。她把竞品公众号、新闻源、行业论坛全部配置成了数据源，Skill 里规定了要抓哪些字段、按什么维度分析、输出什么格式。每周一早上定时跑一次，生成后自动推送到团队群。这个 Skill 她用一个季度迭代了十几版，每次都只做小幅修改，但整体效率提升了不止一个量级。

4.3 连接器和定时任务：让 AI 从“回答者”变成“办事员”

连接器是把 WorkBuddy 和真实业务系统接起来的桥梁。热词里有“钉钉多维表定期同步”这个搜索，说明大家很关心这类数据同步场景。连接器配置得当，AI 就能读取你的业务数据，处理完再写回去，形成一个完整的闭环。

我的经验是，连接器授权后先做一次只读测试，确认它能读到正确的数据范围，再考虑写回操作。写回类的操作（比如自动更新表格状态）一定要先在小范围测试，并且保留审计日志。因为你很难预测 AI 在极端情况下会怎么解读数据，多一道确认机制就多一分安全。

定时任务我一般遵守“三个原则”：启动前手动演练、首次运行后检查输出、重要任务保留失败通知。别小看最后一条，有些定时任务失败后是静默的，你月底对账时才发现少了几天的数据。把失败通知接进 IM 群，至少能第一时间知道出了问题。

4.4 本地部署和接入自建模型

热词里有一个“千问3.8本地部署到 workbuddy”，还有人问 Linux 版和麒麟版。这些搜索说明不少用户有本地化部署的需求。这里我不展开某个具体模型的部署教程，而是讲 WorkBuddy 接入自建模型的通用逻辑。

WorkBuddy 在模型接入方面的一个优点是支持 OpenAI 兼容接口，这给了自建模型很大的空间。你可以在自己的服务器上起一个推理服务，然后在 WorkBuddy 里添加自定义模型，把 base_url 指向本地服务，就能在不把敏感数据送出的前提下使用模型能力。

我简单说一下配置逻辑（具体路径以你版本为准）：

1. 在设置里找到模型管理，选择添加自定义模型；
2. 填写模型名称、接口地址（base_url）、API Key（本地服务可以用任意占位符）；
3. 选择协议类型为 OpenAI 兼容；
4. 保存后用一个小任务测试连通性。

需要提醒的是，本地部署远没有看起来那么轻松。显存、推理框架、并发能力、模型量化级别都会影响体验。建议先从 API 服务商或云主机起步，确认你真的需要本地化再下手。我自己在本地部署上花过不少时间，最后发现很多场景用托管服务就够，本地化折腾半天的收益并没有想象中高。

5. 常见问题与排查技巧实录

5.1 限免到期后会不会自动扣费

这是每次活动评论区都会出现的问题。答案是：取决于你之前有没有开通过付费套餐。如果你是新用户、从未绑定支付方式，限免结束后通常只是恢复到免费版权益，不会自动扣费。如果你已经绑卡并开通了自动续费，限免只是抵扣部分时间，到期后可能按原套餐继续计费。

所以我的建议是：活动开始第一天，去支付设置里看一看到底有没有绑定支付方式、有没有开启自动续费。不要等到月底发现账单才慌。这个动作只要三十秒，但能避免后面一大堆麻烦。

5.2 切换模型后上下文“失忆”怎么办

前面提过，切换模型本质上会触发上下文的重新处理。如果你发现新模型不记得旧对话内容，处理方式有两个：把关键背景写进自定义指令或 Skill 描述；在切换前让原模型生成一份“背景摘要”，切过去后先粘贴摘要再开始新任务。

我比较喜欢第二种，既保留了关键信息，也让新模型重新理解一遍任务。比如我在写一份长方案时，先用 Hy3 梳理初稿，切到 Hy4 preview 做扩展之前，会让 Hy3 输出一段“当前进度摘要”，这样 Hy4 preview 能快速进入状态，不用从零开始理解。

5.3 关于“workbuddy 大学清单”“workbuddy 破甲”这类说法

热词里有“workbuddy大学清单”，也有“workbuddy破甲”，这里我多说一句：这些都不是官方功能。前者大概率是某个用户自己整理的课程或学习清单分享，后者更像是一种非官方的提示词技巧。

我对这类内容的建议很简单：别在正式环境用。一是行为边界不清晰，容易给自己和企业带来风险；二是很多所谓“破甲”只是为了博眼球的营销内容，实际效果很有限。工具本身已经提供了足够多的正经玩法，没必要去追求那些灰色技巧。真想让模型发挥更大价值，把自定义指令、Skill、连接器这三样吃透就够了。

5.4 常见问题速查表

整理一份限免期间的高频问题速查表，方便你收藏备用：

这张表大概率覆盖了限免期间你会遇到的百分之八十的问题。剩下百分之二十属于环境差异，一般看日志都能定位。如果日志也看不懂，把报错信息复制出来，直接问 WorkBuddy 内置的模型，它有时候能给出很准确的排查方向。

6. 最后说几句实在话

我自己的使用习惯和很多博主不太一样：我不追求把所有任务都丢给 AI，而是挑那些“重复、有明确规则、出错可重试”的任务交给它。双模型限免给了我一个很好的契机去比较两种模型在不同任务上的差别，最后得出的结论也简单——把 preview 当试用，把稳定版当生产力。

如果你还在犹豫要不要在这个时间点入坑 WorkBuddy，我的建议是：先别急着买任何付费套餐，把限免期当成一段完整的试用期，认认真真跑通一个属于你自己的高频流程。等活动结束，你会很清楚自己要的是什么，而不是被各种宣传推着走。

最后分享一个小技巧：在限免期内，我会把每个模型试用后的结论记在一个固定的知识库文档里，包括它擅长什么、不擅长什么、在哪个任务上让我抓狂。等限免结束再回头看，这份记录比什么评测都准。毕竟，跑分是别人的，体验才是自己的。