每月 500 积分不够用？用百度千帆为 WorkBuddy 配置零成本模型

前言

你有没有过这种体验： 下午正用 WorkBuddy 跑一个深度分析报告，跑到一半，弹出来一句：「积分已用完，请等待下月重置」。

看着屏幕发呆。 这就是免费版（体验版）用户的真实困境——每月 500 积分，看起来不少，实际上稍微跑两个深度任务就见底了。

我自己的使用记录是：5 次深度对话，积分清零。 后来我发现 WorkBuddy 支持自定义模型接入，就把目光投向了百度千帆大模型平台。

千帆上的 `ernie-4.5-turbo` 输入价格才 **¥0.0008 / 1K tokens**，写一篇 3000 字的分析报告，成本不到一分钱。配置好之后，深度任务走千帆，积分只留给必要的工具调用，一个月下来积分还剩一大半。

这篇文章，我把完整的配置过程、使用策略和踩过的坑，一步一步写清楚。 不需要任何付费，半小时配置完，之后每个月能省下几百积分。

---

一、为什么要接百度千帆？

1.1 价格对比

先看一组真实数据：

使用方式	单次深度分析成本	每月能跑多少次（500分）
WorkBuddy 内置大模型	~5-15 分/次	30-100 次
GLM-5.0-turbo	~14 分/次	仅 35 次
百度千帆 ernie-4.5-turbo	≈ 0.0008 元/1K tokens	几乎无限

从数据可以明显看出：同样是写一篇深度报告，走 WorkBuddy 内置模型可能要 10-30 积分，走百度千帆几乎不花钱。

1.2 适用场景拆分

配置好百度千帆后，我建立了分层使用策略：

任务类型	走哪个	原因
简单问答 / 日常对话	WorkBuddy 轻量模型	本身消耗低，方便快捷
文件读写 / 工具调用	WorkBuddy	工具调用必须走 WorkBuddy
长文分析 / 深度报告	百度千帆	省分主力，几乎零成本
多步骤推理 / 数据分析	百度千帆	消耗大头，必须分流
复杂编程 / 跨文件重构	WorkBuddy	需要上下文和工具链

---

二、百度千帆账号准备

2.1 注册百度千帆

1. 打开 百度千帆大模型平台
2. 用百度账号登录
3. 进入控制台 → 找到「应用接入」

2.2 获取 API Key

在千帆控制台：

1. 左侧菜单进入「应用接入」
2. 点击「创建应用」
3. 成功后获取API Key和Secret Key

这些密钥就是后面配置到 WorkBuddy 时需要的凭证。

注意：千帆新用户有免费额度赠送，足够日常使用很久。

---

三、在 WorkBuddy 中配置百度千帆 Skill

WorkBuddy 支持通过 Skill 机制接入外部模型。配置步骤如下：

3.1 创建 Skill 目录

在 WorkBuddy 的 skills 目录下创建百度千帆 skill：

代码语言：javascript

AI代码解释

~/.workbuddy/skills/baidu-qianfan/ ├── SKILL.md # skill 描述文件 └── qianfan_client.py # 调用千帆 API 的 Python 客户端

3.2 编写调用脚本

qianfan_client.py核心代码如下（简化版）：

代码语言：javascript

AI代码解释

import requests import json class QianfanClient: def __init__(self, api_key, secret_key): self.api_key = api_key self.secret_key = secret_key self.token = self._get_access_token() def _get_access_token(self): """获取千帆 API 访问令牌""" url = "https://aip.baidubce.com/oauth/2.0/token" params = { "grant_type": "client_credentials", "client_id": self.api_key, "client_secret": self.secret_key } resp = requests.post(url, params=params) return resp.json().get("access_token") def chat(self, prompt, model="ernie-4.5-turbo-20260402"): """调用千帆对话接口""" url = f"https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/completions?access_token={self.token}" payload = { "model": model, "messages": [{"role": "user", "content": prompt}] } resp = requests.post(url, json=payload) return resp.json()

3.3 配置 SKILL.md

在 SKILL.md 中配置调用方式，让 WorkBuddy 知道这个 skill 的入口和模型信息。

---

四、实际使用效果

4.1 日常使用方式

配好之后，用法非常简单。直接在对话里调用 skill 即可：

代码语言：javascript

AI代码解释

请使用 baidu-qianfan 分析一下：xxxx

或者更优雅的方式：在 prompt 中直接指定走百度千帆进行深度分析。

4.2 积分节省效果

我从 6 月 1 日开始这套配置，到 7 月 4 日的一个月使用数据：

指标	配千帆之前（5月估算）	配千帆之后（6月实测）
月均请求数	~200 次	~350 次
WorkBuddy 积分消耗	~500 分（经常超）	~280 分
百度千帆消耗	0 元	¥0.3 左右
积分够用吗？	❌ 不够，月中就用完	✅ 绰绰有余

效果非常明显：请求量增加了 75%，但积分消耗反而减少了 44%。

4.3 注意事项（踩坑记录）

坑1：千帆的 Access Token 有效期只有 30 天一开始我不知道，结果用着用着突然报错。解决方案是在客户端脚本中自动检测 token 过期并刷新，或者每 25 天手动更新一次。

坑2：千帆 API 并发有限制免费用户每分钟有请求次数限制。批量处理时需要在请求之间加间隔，否则会返回 429 错误。我在脚本里加了time.sleep(0.5)就解决了。

坑3：不是所有任务都适合走千帆千帆是纯对话模型，没有文件操作和工具调用能力。所以文件读写、代码执行、网络请求这类任务还是得走 WorkBuddy 原生。我的经验是：「需要动文件的走 WorkBuddy，纯动脑子的走千帆」。

坑4：两套上下文WorkBuddy 和千帆的上下文是隔离的。如果先让 WorkBuddy 读了文件，再切换到千帆分析，千帆看不到文件的上下文。所以在设计 prompt 时，要把关键信息都放在文字里传给千帆。

---

五、进阶技巧

5.1 模型选择

百度千帆上有多个可用模型，我根据自己的使用经验做了对比：

模型	价格（/1K tokens）	适合场景
ernie-4.5-turbo	¥0.0008	日常对话、长文分析（性价比之王）
deepseek-v4-flash	¥0.001	代码辅助、技术问题
qwen3.5-35b-a3b	¥0.0004	超简单任务（最便宜）
ernie-x1.1	推理模型	复杂推理、需要逻辑严谨的场景

日常使用无脑选ernie-4.5-turbo，输入价每千字才 0.08 分钱。写一篇 3000 字的深度分析文章，token 消耗约 8000，成本不到一分钱。

5.2 自动化集成

我还尝试了把百度千帆集成到自动化任务中。比如每天早上让千帆帮我整理当天的 A 股行情简报，再通过 WorkBuddy 存入 IMA 知识库。整条链路：

代码语言：javascript

AI代码解释

百度千帆分析数据 → 输出 Markdown 报告 → WorkBuddy 保存到本地 → IMA 知识库

整个过程只需要我说一句话：「帮我整理今天市场简报，走千帆分析，存到 IMA」。WorkBuddy 自动完成全部步骤，积分成本趋近于零。

---

六、总结

WorkBuddy + 百度千帆的组合，对于免费版用户来说是一个非常实用的省钱方案：

1. 积分消耗降低 40%-60%：深度任务分流到千帆，积分留给工具调用
2. 使用量反而增加：不用担心积分不够用，敢大胆试了
3. 月成本几乎为零：千帆调用一个月也就几毛钱
4. 配置一次，持续受益：设置好之后，每次对话自动走最优路线

如果你是 WorkBuddy 免费版用户，积分总是不够用，强烈推荐试试这个方案。配置过程大概半小时，之后每个月能省下几百积分。