腾讯 WorkBuddy 独家接入匿名模型 Space-Bunny限时折扣到 10 月 7 日——这条消息我这几天在好几个技术群里都看到了。先是有人问 Space-Bunny 到底是哪家的模型接着有人贴出官方公告想确认是不是真的然后就是最常见的追问WorkBuddy 怎么装换成 Space-Bunny 之后和默认模型差多少要不要趁折扣直接开一年我本来只是围观结果越看越手痒干脆把 WorkBuddy 从头到尾跑了一遍。今天这篇就把整个接入过程、折扣判断方法和踩坑记录都写出来。先说结论如果你是第一次听说这个组合这篇文章能帮你少走很多弯路如果你已经在用 WorkBuddy重点看第三部分的折扣思路、第四部分的环境迁移以及最后一部分的避坑清单。1. 刷屏讨论背后其实在聊两件事1.1 WorkBuddy 到底是个什么产品身边不少朋友看到 WorkBuddy 的第一反应是腾讯又出了一个 AI 编辑器其实这个理解不太准确。从我用下来的感觉WorkBuddy 更像一个“带工作台的 AI 助手”。它能写代码、能处理文档、能调用各种模型但核心卖点是把这些能力组织成可复用的工作流。你可以在里面建项目挂载上下文定义自己的 Skill让 AI 按照你的节奏工作而不是每次重新打字。这也解释了为什么热词里会同时出现“workbuddy 搭建工作台”“workbuddy skill”“workbuddy 全栈指南”。WorkBuddy 不是单纯比谁生成代码快它比的是你能不能把一套流程沉淀下来比如代码审查流程、周报生成流程、论文润色流程做成 Skill 之后下一次直接调用上下文和风格都是连续的。我最早是从 CodeBuddy 那边转过来的当时觉得两者应该差不多实际用了一周才发现差别。CodeBuddy 更偏“编辑器内帮你补全”WorkBuddy 更像一个独立工作区模型、项目、Skill、记忆可以组合在一起。这次它独家接入 Space-Bunny等于在模型选择上又多了一张牌。1.2 “独家接入”为什么会在社区里炸锅“独家接入”这四个字是关键。它说明 Space-Bunny 这个匿名模型不是到处都能调的至少目前在 WorkBuddy 里有一个稳定入口。对用户来说好处是少折腾不用自己去配接口对平台来说这是把模型能力变成产品差异化的一部分。群里讨论的火爆点主要在两个方向。第一匿名模型的身份到底是哪家大家翻遍发布页也没看到署名社区里各种猜测都有。第二折扣到 10 月 7 日截止时间窗口很短很多人还没搞清楚模型好不好用就要决定买不买。我自己属于“先体验再掏钱”派所以这一周把 Space-Bunny 翻来覆去试了不少场景。1.3 这个活动适合哪些人关注并不是所有人都需要为这件事激动。我梳理了一下下面这几类人最适合关注AI 编程重度用户经常写 Python、JavaScript希望有一个能切模型的工作台可以趁活动锁定低价。科研和内容创作者需要长文本处理、文献总结、写作润色Space-Bunny 在这类任务上的表现我后面会细说。从 Cursor 或其他编辑器迁移过来的用户如果你觉得 Cursor 的订阅有点贵或者想找一个国内访问更稳的替代方案WorkBuddy 这次接入值得认真评估。带教学场景的老师热词里出现“小程序教学应用案例”不是巧合用 WorkBuddy 演示代码生成和项目搭建确实方便。如果你只是偶尔用 AI 问一个问题、写一段文案那这次活动对你来说没那么急。折扣再划算用不上就等于负资产。2. Space-Bunny 的匿名身份、能力边界和第一手体感2.1 “匿名模型”到底匿的是什么名先说清楚一个容易误会的点匿名模型不是“无痕模式”。网上有人以为用了 Space-Bunny 就等于所有对话都不记录、不审计这是不对的。Space-Bunny 的匿名指的是模型本身不绑定一个明确的厂商署名官方对训练底座和团队背景的披露非常克制。这个做法在海外开源社区挺常见一个模型先放出来让大家跑分看效果再谈身份。在 WorkBuddy 里切到 Space-Bunny平台层面该记录的使用日志还是会有只是你看不到模型方是谁。对普通用户来说这种匿名的好处是你不会因为对某家公司有偏好或顾虑而影响判断只看模型输出质量。坏处则是当你遇到问题想查文档、想反馈 bug 时没有一个完整的公开资料可以参考只能靠社区讨论。2.2 我实测的三个典型场景我把 Space-Bunny 分别放到代码生成、长文写作和数据整理三个场景里试了两天。代码生成方面Space-Bunny 的风格属于“稳健型”。同样的需求“写一个 Python 脚本批量重命名目录下的文件并保留原后缀”它给出的方案不是花哨的最短写法而是带pathlib、异常处理、日志输出的实用版。这一点我很喜欢因为生产环境里可读性比一行炫技重要。长文写作方面它比我预设的要好。我让它把一段技术方案扩写成调研报告它没有堆概念而是把一个论点拆成背景、现状、问题和建议四层。中间还会主动加“需要说明的是该结论基于有限的测试样本”这类限定语这让我觉得它的文本风险控制做得到位。数据整理方面它是一个惊喜。我给它扔了一份 CSV 的列名清单让它写一段 pandas 清洗代码它准确识别出哪些列适合转 datetime、哪些列应该做缺失值填充还顺手给了可视化建议。对比我同时试的另一款模型Space-Bunny 在“从列名推断数据含义”上确实更细。2.3 入口位置和切换方式切模型的位置在 WorkBuddy 的设置面板里模型列表下拉就能看到 Space-Bunny不用额外装插件。切换之后当前项目里的 Skill 和上下文不会丢模型的记忆是跟着项目走的。这里有一个值得注意的点切换模型之后同一个项目里之前的对话记录并不会自动变成新模型的“记忆”。如果你想换模型接着聊最好把关键上下文重新整理到项目说明文件里否则新模型对前面的讨论是一无所知的。3. 10 月 7 日截止前怎么判断这笔折扣该不该花3.1 先看清楚活动页的三件套不管折扣力度多大付款之前先确认三件事生效范围、结算方式、附加条件。生效范围要确认这个折扣是只针对 Space-Bunny 模型调用还是整个 WorkBuddy 会员。结算方式要确认是一次性买断还是订阅周期打折。附加条件这栏最容易藏东西我见过一些活动写着“折扣价仅限首次订阅”续费直接恢复原价。另外注意时间。10 月 7 日这个截止日期意味着你不需要今天立刻做决定但也不要拖到最后一天晚上。真到了最后一天出点支付问题你连找客服的时间都没有。3.2 把“一小时的效率损失”也算进折扣里很多人算折扣只看价格忽略了一个隐性成本切换工具的学习成本。假设你完全没用过 WorkBuddy只是冲着 Space-Bunny 的折扣买了年费结果发现 Skill 不会配、缓存目录找不到、换账号记忆没迁移光折腾环境就花掉半天。半天时间按你的时薪折算可能比折扣省下的钱还多。反过来说如果你本来就用 WorkBuddy那这次活动就是纯赚。我自己的做法是先把免费额度或试用期跑满确认 Space-Bunny 在常用场景下确实比默认模型好再考虑锁价。3.3 我的建议先体验再上车我不是劝所有人都买。冷静评估的方法是做一个小实验拿你手头最常做的一件事分别用默认模型和 Space-Bunny 各跑一遍记录三个维度——第一次出结果的耗时、结果的可用比例、你后续修改花费的时间。如果 Space-Bunny 在两个维度上明显领先这折扣就值得如果差别不大省下这笔钱更合理。我也看到有人担心“过了 10 月 7 日之后是不是再也用不了 Space-Bunny”。这种焦虑没必要。独家接入不代表永久独家更不代表模型本身会消失。折扣截止之后大概率还有标准价只是没那么便宜而已。4. 从零接入 Space-Bunny安装、换缓存、迁账号记忆4.1 Windows 和 Ubuntu 安装的实际记录我在 Windows 和 Ubuntu 上都装了 WorkBuddy。Windows 版本基本是下一步下一步注意选安装目录时不要选带空格的路径否则后面有些脚本会出问题。Ubuntu 上我踩了一个常见的坑。直接下载 tar 包解压后双击可执行文件提示缺少 libfuse2启动没反应。解决方法是先装依赖sudo apt update sudo apt install libfuse2 libgtk-3-0装完再执行解压目录里的 WorkBuddy 启动脚本就正常了。如果你下载的是 .deb 包也可以用sudo apt install ./workbuddy_xxx_amd64.deb这里提示一下官方仓库的 releases 页面会同时提供 .deb 和 tar 包优先用 .deb 版本省去很多手动配置的麻烦。安装完之后第一次启动会进入引导页。它会让你选择项目目录和默认模型。这里我建议把项目目录提前建好比如~/projects/workbuddy-lab不要随手放桌面后面项目一多路径乱会直接影响 Skill 的文件引用。4.2 缓存目录怎么改改了之后发生了什么WorkBuddy 默认会把模型上下文、索引文件、临时文件放到系统用户目录下。Windows 上我印象中是%LOCALAPPDATA%\WorkBuddy\CacheLinux 上一般是~/.cache/workbuddy。如果你的系统盘是 SSD 且空间紧张建议迁走。修改方式是在设置里找到缓存路径或者直接编辑配置文件。我习惯用命令直接指定workbuddy --set-cache-dir /data/wb_cache也可以用配置文件在 settings.json 里加上如下字段再重启{ cache.directory: /data/wb_cache }提醒一句改缓存目录不会自动移动旧数据。我第一次改完之后界面上日志和索引全部显示为空当时吓一跳。后来发现把旧缓存目录里的文件整体复制到新目录再重启就全部回来了。建议按这个顺序操作先复制旧缓存再改配置再重启不要反过来。4.3 换账号找回原记忆的操作方式热词里有一条“workbuddy 换账号如何获得原来账号的记忆”这说明很多人踩过同一个坑。WorkBuddy 的记忆和项目是绑定的但它默认不做账号间的自动迁移。你换一个账号登录看到的项目列表是新的对话记录和自定义 Skill 全都不在那里。我的做法是手动迁移。先找到当前账号对应的数据目录Linux 下通常在~/.config/workbuddy/profiles/账号标识/memoryWindows 下在%APPDATA%\WorkBuddy\profiles\账号标识。退出当前账号之前把这个目录整体压缩备份。然后登录新账号启动一次让它生成新的数据目录结构再退出。把备份文件里的项目、对话记录、Skill 文件夹复制到新账号的对应目录里重新启动。记住第一步先备份第二步再换账号顺序错一步老数据就可能被新账号的初始化覆盖到时候找回就很难。这套操作对“项目搬迁 win”同样适用。Windows 和 Linux 的路径分隔符不一样直接拷贝数据目录后偶尔会有文件引用报错打开项目里的路径配置文件把\改成/就能解决大多数问题。5. 把 WorkBuddy 用成“工作台”Skill、科研、全栈与教学5.1 先学会写第一个 SkillSkill 是 WorkBuddy 的灵魂。简单理解它就是一组“提示词 工作流 可选的外部动作”。比如我想让它审查代码就建一个 Skill把系统提示词写成“你是严格的代码审查员先给问题列表再给修改建议”之后每次只要说“审查一下这个文件”它就会按这个风格输出不用重复解释。我习惯把 Skill 文件放在项目目录的.workbuddy/skills下。一个最简的 Skill 大概长这样{ name: review, description: 执行代码审查输出问题列表和修复建议, system_prompt: 你是一个严格的代码审查员。先逐条列出问题标注严重级别再给出具体修改建议不要泛泛而谈。 }写完保存回到聊天窗口输入/review就能直接触发。它最大的价值是让模型的输出风格稳定下来。这些 Skill 在切换模型之后还能继续用因为提示词不绑定模型。这也是我建议趁折扣期把常用 Skill 建好的原因买回来就能直接跑不用等配置完才想起省钱。5.2 科研场景怎么用科研是我比较看重的场景。写论文、读文献、跑实验每一环都有重复劳动。我用 Space-Bunny 试过几次文献总结效果不错。方法是先建一个“文献阅读”项目把 PDF 路径塞进项目上下文再让模型“列出这篇论文的研究问题、方法、数据集和结论并指出一句话可以改进的地方”。代码复现也可以做。把仓库里的requirements.txt贴给它它会先帮你分析依赖冲突再生成安装命令。有一次我处理一个老项目Python 版本和依赖完全对不上Space-Bunny 给出的方案是先建虚拟环境、锁定核心依赖版本、再逐项测试。这种稳健的路径比直接pip install -r requirements.txt靠谱得多。科研党还有一个隐藏需求是“减少 AI 味”。写论文润色时模型默认给的表达往往太顺滑一眼就能看出是 AI 写的。我改了一个 Skill系统提示词里加了“避免使用‘首先、其次、综上所述’等模板词”“多保留原文的被动语态和数据细节”输出效果明显自然很多。5.3 全栈项目和小程序教学的落地姿势全栈学习是热词里出现频率最高的一项。用 WorkBuddy 做全栈项目我的经验是拆模块。不要让一个模型从头写到尾而是分三步先让它搭项目骨架再逐模块生成接口和页面最后让它写测试。每一步开一个新的聊天窗口并让模型把关键文件结构写进项目说明避免上下文太长导致前面代码被遗忘。小程序教学案例也有现成玩法。我带了一个学生小组用 WorkBuddy 生成“课程表小程序”的静态页面再让学生口述需求变更比如“加一个深色模式”“把课程卡片改成可拖拽排序”让模型实时改代码。学生收获很大因为能看到需求到代码的完整链路。这个场景下国际版和国内版会有一点差异。国际版更新频次更高模型选择也多一些国内版对腾讯生态的接入更顺手比如群文档、企业微信的联动。二选一时先看你合作的人常用哪个环境再决定版本。6. 踩坑清单从入门到精通之间真正卡人的地方6.1 网上的《WorkBuddy 从入门到精通》PDF 别全信我确实下载过一本流传很广的《WorkBuddy 从入门到精通》PDF看目录结构感觉诚意满满但打开之后发现很多操作步骤对应的界面早就变了。WorkBuddy 迭代速度很快两个月前的安装路径、缓存设置和 Skill 格式可能已经完全不一样。与其啃过时的 PDF不如直接看官方更新日志或者按本文这种“以实际界面为准”的方式来学。6.2 我反复踩过的几个环境坑把这段时间遇到的坑整理成了一张表都是亲测问题表现解决办法缓存目录改了但索引为空日志和历史项目全部消失先复制旧缓存文件再改配置重启换账号后记忆丢失对话记录、Skill 全部不见手动备份 profiles 目录恢复后迁移Linux 启动无反应提示缺失共享库安装 libfuse2 后重试Windows 路径带空格脚本执行报错安装目录不要选带空格的路径Skill 触发无效输入命令没有响应检查文件是否放在 .workbuddy/skills 目录并确认 JSON 格式切换模型后上下文丢失新模型不知道之前的讨论把关键上下文写进项目说明再让新模型阅读6.3 和 Cursor、CodeBuddy 怎么选纠结 WorkBuddy 和 Cursor、CodeBuddy 的人不少。我的看法是Cursor的优势在编辑器深度集成适合一天到晚泡在 IDE 里的人。但如果你需要的不仅仅是在编辑器里写代码还有文档、表格、科研笔记、小程序教学这类泛办公场景Cursor 就有点窄了。CodeBuddy和 WorkBuddy 同出腾讯系前者更像是“代码补全助手”后者是“通用 AI 工作台”。如果你只写代码CodeBuddy 够用甚至更轻量如果你想把 AI 用到写方案、整理数据、搭全栈项目WorkBuddy 的上限更高。WorkBuddy 这次接入 Space-Bunny的价值是让你在同一个平台里同时拥有一个偏代码稳健的默认模型和一个偏文本综合的匿名模型切换成本为零。这一点是单纯的模型聚合工具给不了的。我自己实际用的过程里最深的体会是工具能帮你解决效率问题但“要不要用”和“怎么用好”永远取决于你愿不愿意花一个下午把 Skill、缓存、账号记忆这些底层事情梳理干净。Space-Bunny 的匿名身份确实增加了它的神秘感但真正留住我的反而是 WorkBuddy 的稳定和可定制性。10 月 7 日这个截止时间与其说是让你“抢购”不如说是提醒你如果你一直想尝试 WorkBuddy Space-Bunny 的组合那就别把这件事再拖到假期之后。先用试用版跑一个真实任务确认它确实解决你的问题再决定要不要付款。