先说个事。我昨天在开发者群里刷到一条消息：“腾讯 WorkBuddy 独家接入匿名模型 Space-Bunny，限时折扣至 10 月 7 日”。群里一下就热闹了，一半人在猜 Space-Bunny 到底是哪家团队的模型，一半人在问 WorkBuddy 到底能不能打。我本来只是围观，后来想想，得，这事儿其实挺有讲头的：一个平台愿意把“匿名”模型独家接进来，本身就是一个信号；而“限时折扣”这种窗口期，又会逼着一大波人赶在 10 月 7 日之前做决定。与其蹲在群里看人吵架，不如我自己实测一遍，把 WorkBuddy 和 Space-Bunny 的来龙去脉、安装配置、实战用法、避坑经验一次写清楚。
这篇文章写给三类人：刚听说 WorkBuddy 想试试水的；已经在用但还没搞懂怎么切模型、搭工作台的；以及单纯好奇“匿名模型”值不值得信的人。我会尽量用大白话讲原理，能上手的全给上手步骤，不搞那种空对空的产品分析。
1. 先把 WorkBuddy 吃透：它不是又一个聊天框
1.1 名字看着新，但它解决的是“工具碎片化”
很多人第一次听到 WorkBuddy 会直接对标 Copilot 或者 Cursor，觉得不就是个聊天框加代码补全吗？我最初也这么想，实际用下来才发现它的重点不在“聊天”，而在“工作台”这三个字。
WorkBuddy 的定位更接近一个 AI 工作站：它把编码、命令执行、文件修改、项目级记忆、可复用的 Skill（技能）全部塞进同一个环境里。什么意思？就是你丢给它一个 issue 描述，它可以自己读代码、定位问题、改文件、跑测试、最后给出改动总结，中间不太需要你来回切窗口。它更像是给你配了一个能动手干活的新同事，而不是一个只会提建议的顾问。
适合谁？如果你是独立开发者，平时要自己维护好几个项目，它会帮你省掉大量重复的体力活；如果你在团队里负责技术基建，它能把一些常规巡检、代码审查、文档生成变成半自动流程；如果你做科研，它也能帮你处理实验脚本、整理数据、写分析代码，这些场景我都实测过，WorkBuddy 都接得住。
还有一个点很实在：它支持项目级记忆。也就是说，它会记住你这个项目的上下文、技术栈偏好、你之前交代过的规矩，而不是每一次都像一个陌生人一样重新问“你的项目结构是什么”。这个能力看着不起眼，实际用久了就觉得回不去。
1.2 和 CodeBuddy、Cursor 放在一起看，差距在“编排”
有朋友问我：WorkBuddy 和 CodeBuddy 到底啥关系？加上 Cursor，好像全是 AI 编程工具，难道我只能选一个？我的理解是，这几类产品想解决的问题不一样，不能简单比谁强。
| 工具 | 核心侧重 | 适合人群 |
|---|---|---|
| WorkBuddy | AI 工作台，强调 Skill 编排、项目记忆、多模型接入 | 想减少重复劳动、希望 AI 动手干活的开发者 |
| CodeBuddy | 更偏代码对话与生成，定位更纯粹 | 日常写代码、查 API、做填空题式开发 |
| Cursor | 编辑器原生 AI，改代码体验流畅 | 特别依赖 IDE 交互、喜欢在编辑器中解决一切的人 |
我个人的体验是，WorkBuddy 的差异化在于“可编排”。它可以把多个 Skill 串成一条流水线，比如我先让它做代码审查，再让它按审查结果生成修改计划，最后让它执行修改。这一连串操作在 WorkBuddy 里是可以被固化下来的，下次遇到类似项目直接复用。这跟我以前用 Cursor 的感觉完全不同，Cursor 更像神队友，但 WorkBuddy 更像一个能帮你把流程也管起来的“监理”。
当然，这些功能都有学习成本。别指望下载下来第一天就玩得转，我自己也是踩了几个坑才把工作流理顺。后面我会专门讲怎么搭一个实用工作台。
2. Space-Bunny 是啥：一个“匿名”但有两把刷子的模型
2.1 “匿名模型”到底是什么意思
先解释一个关键概念：匿名模型。在 AI 评测圈，有一种玩法叫“匿名竞技场”——所有模型只挂一个代号出现在评测页面上，用户不知道它背后的团队是谁，纯粹凭实际回答质量打分。这么做的目的是去掉品牌滤镜：你看到“某大厂模型”时，心理预期会不自觉抬高；看到“某十八线团队”时，又容易下意识挑刺。匿名评测能逼着模型靠实力说话。
Space-Bunny 从名字到玩法，都像是这个生态里跑出来的黑马：没有铺天盖地的宣传，就靠一个“代号”出现在榜单上，然后在代码生成、问题定位、逻辑分析这类硬任务里拿到不错的口碑。老实说，我没法替官方回答它到底是哪个团队开源的、参数量是多少、是不是完全开源，但我能确认的是，如果你把它当普通模型用，它给的结果是实打实的。你不需要崇拜它，只需要测试它。
那种感觉很像朋友给你推了一家路边小店：店面不起眼，招牌也没名气，但你点了一碗面，发现比那些连锁网红店好吃得多。Space-Bunny 给我的第一印象就是这样，它不是那种一上来就跟你客套半天的模型，而是直接给你能用的答案。
2.2 独家接入 Space-Bunny 意味着什么
当 WorkBuddy 宣布“独家接入 Space-Bunny”，很多人只看到了一个产品功能更新，但我看到的是平台态度的变化。
先站在平台角度看：一个产品愿意接入第三方匿名模型，说明它不想只做“自家模型的传声筒”，而是更愿意走平台化的路子。模型生态越来越丰富，谁能够给用户更多选择，谁就能把工作流留住。独家接入相当于提前锁定了这个还在上升期的模型，给用户一个迁移过来的理由。对咱们用户来说，这是好事，竞争越激烈，产品就越得拿出诚意。
再站在模型角度看：匿名模型被一个大平台独家接入，本身就是一次背书。用户不需要自己去搜索引擎里扒这个模型的资料，打开 WorkBuddy 就能直接用。而“限时折扣到 10 月 7 日”这个时间窗口，本质上就是平台拿补贴降低你的试错成本。所以我的建议很直接：如果你本来就在观望，与其刷十篇评测，不如趁着折扣期把真实项目丢进去跑一遍。
我自己判断，这类“平台 + 黑马模型”的组合接下来会越来越多。大厂嫡系模型当然有它的优势，但开发者最终只会为“能不能帮我干完活”买单。
3. 实操：把 WorkBuddy 和 Space-Bunny 跑起来
3.1 安装与初始化：先让客户端跑起来
WorkBuddy 的安装本身不难，难在有些细节官方文档写得不显眼。我以最常见的流程给大家捋一遍：
- 去官网下载对应平台的客户端或安装包。Windows、macOS、Linux 都有版本，别下错。
- 安装完成后启动，用账号登录。首次启动会进入初始化流程，一般会要求你选择默认模型。
- 重点来了：确保你的版本是最新的。Space-Bunny 是后来接入的模型，如果你的 WorkBuddy 是旧版本，模型列表里可能根本不显示它，很多人卡在这一步就直接放弃了。正确做法是先去设置里检查更新，或到官网重新下载最新版。
- 初始化完成后，建议先随便跑一个简单任务，验证环境是否正常。别一上来就搞大项目，容易把问题混在一起。
这里还要提醒一件事：缓存目录。WorkBuddy 默认会把模型资源和会话记录放在用户目录下，Windows 通常是在%USERPROFILE%\.workbuddy，Linux 和 macOS 是在~/.workbuddy。这个目录默认放在系统盘，如果你 C 盘空间紧张，下载一个稍大的模型资源包可能直接把磁盘占满。
改缓存目录的常见做法是在环境变量里指定路径，比如：
# 示意：在 Linux/macOS 下设置缓存目录 export WORKBUDDY_CACHE_DIR=/data/workbuddy-cacheWindows 用户在系统环境变量里新增同名变量就行。这个变量设好之后，最好重启一次 WorkBuddy 进程再继续操作。我见过很多人改了配置不重启，结果缓存还是写在老地方，以为出 bug 了。
3.2 切换模型：找到 Space-Bunny 并启用
装好之后，下一步就是把默认模型切成 Space-Bunny。不同版本的 WorkBuddy 界面可能略有差异，但套路基本一致：打开模型管理或模型市场，在模型列表里找到 Space-Bunny，点击启用。如果你的版本支持配置文件，也可以在配置里直接指定默认模型，大概长这样：
# 示意：确认 WorkBuddy 默认使用 Space-Bunny model = "space-bunny"切完之后我建议你先跑一个最简单的测试，比如让它解释一个你熟悉的函数，感受一下它的回答风格。我实测下来的感受是：Space-Bunny 非常“直给”，它不会先讲一段大道理，也不会反复强调“在编程中，我们需要注意以下几点”，而是直接给你代码、结论、修改建议。这种风格在修 bug、做代码审查、跑数据分析的时候特别舒服，因为它不浪费你的注意力。
要注意的是，第一次调用新模型时，往往需要拉取模型资源，这个阶段可能比较慢。如果进度条不动，别急着杀进程，先等一会儿。网络环境影响下载速度时，尽量挑一个网络好的时段做初始化，能省不少事。
3.3 限时折扣：理解它的边界，别白花钱
折扣活动到 10 月 7 日截止，这是个很典型的限时促销结构。我的建议是：别因为“限时”两个字就冲动买年付，先买一个月试试水，确认 Space-Bunny 在你自己的项目里真的好用，再考虑要不要长期订阅。
怎么判断折扣是否生效？一般订阅页面会显示原价和折扣价，支付前留意一下账单金额就行。如果对不上，先别付款，去查活动的具体规则，看看折扣是只针对新用户、还是老用户续费也能享受。这个细节不同渠道经常不一样，盲买容易踩坑。
还有一点要分清：折扣是订阅价格的优惠，不代表 Space-Bunny 这个模型在折扣结束后就下线。模型是模型，促销是促销，别把两件事混为一谈。
4. 进阶玩法：搭一个真正属于你的编码工作台
4.1 把 Skill 变成可复用的“压箱底手艺”
WorkBuddy 里最容易被忽略、但其实最值钱的功能是 Skill。我理解它就是一种可以复用的“提示词模板”，但比普通提示词更高一级：你可以给它配触发词、给它设定执行流程、把它固定成一个可装卸的工具。就像老师傅的压箱底手艺，不是每一次都重新发明轮子。
举个例子。我经常要处理旧项目里的硬编码问题，于是写了一个叫 code-audit 的 Skill：
# skill 配置文件示意 name: code-audit description: 对项目代码做一次巡检，输出问题清单 trigger: ["巡检", "audit"] prompt: | 你是代码审查专家。扫描工作区下的项目代码： 1. 找出硬编码、无注释的复杂逻辑、明显的性能隐患。 2. 按严重程度排序，输出表格。 3. 每个问题给出文件路径、行号、判断理由和修改建议。 4. 不要改代码，只输出报告。把它放到 WorkBuddy 的 skills 目录后，我只要说一句“巡检”，它就会按这套流程跑起来。我拿 Space-Bunny 跑过一次真实项目，它一口气给我输出了一份带优先级的问题清单，里面有具体的文件路径和行号，效率比我手动翻代码高得多。
如果你有固定的代码规范、日志格式、数据库命名规则，也可以做成 Skill。用 WorkBuddy 越久，这套东西的复用价值就越明显。
4.2 从 Windows 搬迁项目到 Linux 的四个坑
有一个热搜词我特别有共鸣：“workbuddy 搬迁项目 win”。因为我自己就干过这事——把一个 Windows 上开发的项目挪到 Linux 服务器上继续改，结果踩了一串坑。给各位总结几个典型问题：
第一，路径分隔符不同。Windows 用反斜杠，Linux 用正斜杠。WorkBuddy 处理项目时如果硬编码了路径，搬过去就会报找不到文件。解决方案是项目代码里统一用相对路径，让 WorkBuddy 重新识别根目录。
第二，换行符问题。Windows 默认 CRLF，Linux 是 LF，迁移后可能出现莫名其妙的 diff。可以在 Git 里执行git config core.autocrlf input，让换行符在提交时自动转换。
第三，项目大小写敏感度不同。Windows 文件系统不区分大小写，Linux 区分，搬迁后有些文件引用会突然失效。
第四，也是很多人不理解的：WorkBuddy 的记忆和 Skill 并不会跟着代码走。代码文件可以打包搬走，但~/.workbuddy目录下的项目记录、会话记录、缓存配置是留在原机器上的。如果你想让新环境延续旧环境的上下文，需要把.workbuddy目录一起备份迁移，或者在新环境里手动重建项目记忆。
4.3 换账号记忆迁移和“去 AI 味”的实操方法
再聊一个热搜词：“workbuddy 换账号如何获得原来账号的记忆”。这确实是个真实需求：有人换了公司账号、换了登录邮箱，结果发现 WorkBuddy 像失忆了一样。解决办法不复杂：先到旧账号的缓存目录里找到会话和记忆文件，备份下来；退出旧账号，登录新账号；然后把备份文件导入新账号对应的目录。具体文件位置会因版本而异，但基本都在缓存目录的 projects 或 sessions 子目录下。操作前最好先把整个 .workbuddy 目录复制一份，别问为什么，问就是我有一次差点把整个工作台配置弄丢。
另一个大家常问的是怎么“减少 AI 味”。我的经验有三条：
在系统提示词里明确写“不要使用综上所述、总的来说等过渡句”；把模型参数调到偏保守、稳定的档位，减少花哨发挥；让它只输出最终结果，不要解释心路历程。Space-Bunny 本身属于直给型，这方面的 AI 味已经比很多模型少。它不会在回答末尾给你来一段“希望这些建议对你有所帮助”，光这一点我就觉得值得留在工作台里。
5. 避坑清单：高频问题与排查实录
5.1 高频问题速查表
最后把我在实测和社区里看到的高频问题整理成一个速查表，方便你直接对症下药：
| 问题 | 可能原因 | 处理建议 |
|---|---|---|
| 安装后无法登录 | 网络环境异常 | 检查网络连通性，稍后重试，不用反复提交登录请求 |
| 模型列表里找不到 Space-Bunny | 客户端版本过低 | 检查更新或重新下载最新版 |
| 切换模型后第一次调用卡住 | 正在拉取模型资源 | 保持网络稳定，耐心等待，不要频繁杀进程 |
| 缓存目录改了不生效 | 环境变量设置后没有重启 | 修改后重启 WorkBuddy 进程 |
| 换账号后上下文丢失 | 记忆文件没有一起迁移 | 备份并导入 .workbuddy 目录下的 sessions 文件 |
| 项目迁移后报文件不存在 | 硬编码路径或大小写问题 | 改用相对路径，重新识别项目根目录 |
| 折扣金额对不上 | 活动规则有适用范围 | 先查看活动细则，不急着支付 |
这里面不少问题，本质上都是“环境不一致”导致的。AI 工具依赖的是本地环境和项目上下文，任何一环变了，表现都会跟着变。排查的时候不要只盯着 WorkBuddy 本身，先想想最近有没有改过路径、换过机器、动过系统变量。
5.2 我自己踩过的三个坑，写出来给你们避雷
第一个坑就是缓存目录。我一开始图省事，没改默认路径，结果跑了一个大项目后系统盘差点报警。后来我把WORKBUDDY_CACHE_DIR指到了另一块硬盘上，整个世界清静了。记住，顺序很重要：先改缓存目录，再下载大模型资源。顺序反了，改完还得重新搬文件，白白浪费时间。
第二个坑是模型切换引发的会话上下文问题。我在同一个项目里从默认模型切到 Space-Bunny 之后，发现部分会话的上下文不像之前那么连贯。后来才明白，有些版本切换模型时会把会话状态重置。所以现在我做重大切换前，会先把关键对话导出备份，或者干脆一个新项目新建一个会话，避免混在一起。
第三个坑是内存，真的很容易爆。我日常会开 WorkBuddy，同时又挂着一个 IDE 的 AI 插件，机器 16G 内存直接被吃满，风扇转得跟起飞一样。同类 AI 工具，说白了跑一两个就够用了，别全都开着，否则再强的模型也救不了你的卡顿。
最后分享一点个人习惯
我现在的日常是：小改动、修 bug、做代码审查这类“力气活”，默认交给 Space-Bunny；涉及复杂架构推演或者需要多轮权衡的大需求，才会切回主模型。这种搭配用了一段时间，整体节奏舒服很多。工具始终是死的，工作流才是活的，适合你的组合只能靠真实验证。
如果你之前还没试过 WorkBuddy，趁着折扣到 10 月 7 日这个窗口，下载下来、切到 Space-Bunny、拿两个真实任务跑一遍，比读一百篇评测都有用。折腾完之后你会发现，这套东西真正的价值不是某个模型多聪明，而是它能帮你把重复劳动压缩到一个很低的水平。要是你搭出了更顺手的 Skill，记得回来分享，我也很想知道大家的工作台还能玩出什么花样。
