第 6 章 模型配置 · 配套实验

本章实验用于验证推理模式、能力标记、模型选择策略、自定义接入与积分成本等知识点。 图例：★ 必做实验（仅需 WorkBuddy 基础环境）；○ 可选实验（需额外账号/权限/配置）。

实验总览

编号	实验名称	验证知识点	前置条件	类型
6.1	推理模式与 Auto	均衡/快速/极致三档模型选择；思考模式 vs 推理模型；Auto 按任务自动选模型；任务中切换模型	完成 1.1	★
6.2	能力标记验证	能力标记自动写入；识图/长文本/工具调用任务下的模型匹配	完成 1.1	★
6.3	自定义模型接入	提供商接入/Token Plan/Coding Plan/自定义 API/Custom 的配置要素与连通验证	持有对应模型 API Key 或订阅	○
6.4	Ollama 本地部署	安装、拉取模型、11434 端口接入、离线测试	可安装 Ollama 的电脑（预留数 GB 磁盘）	○
6.5	积分消耗观察	积分消耗量与模型 Token 定价和任务复杂度有关；积分查看入口	完成 1.1（账户有积分）	★

实验 6.1 推理模式与 Auto

• 实验目的：理解官方“均衡/快速/极致”三档模型选择与“思考模式/推理模型”能力标记的差异，验证 Auto（按任务自动调度模型）与任务中随时切换模型。
• 前置条件：完成实验 1.1。
• 操作步骤：

• 保持 Auto（默认）模式，即不手动指定模型，由系统根据任务自动选择最适合的模型（官方《定价》中该调度方式称为“Auto 模型调度”，体验版限免全模型可选，以产品实际界面为准）。发送一个日常任务，如：

  把这段话润色
  

  记录响应速度与质量。 2. 发送一个复杂推理任务，如：

  审查一段并发代码的竞态条件
  

  或数学推导题，在对话界面的模型选择器中切换模型：先用支持“思考模式”的模型（如内置的 Hy3——混元思考模型，具有增强的推理能力，限时免费）执行，再用“推理模型”（如 GLM-5.1——能力均衡，适合日常使用）执行，对比两者的响应时间与论证深度（官方文档《模型配置》）。 3. 在任务执行中通过模型选择器随时切换模型（如切换到支持 1M 上下文窗口的 Deepseek-V4-Pro），确认任务中支持随时切换。 4. 了解并体验模型选择的“均衡/快速/极致”三档：均衡模式兼顾速度与质量，适合大多数日常工作；快速模式优先响应速度，适合简单任务与快速问答；极致模式优先深度与准确性，适合复杂分析和高要求任务（三档的界面入口与切换方式以产品实际界面为准）。 - 预期结果与验收标准： - 思考模式（如 Hy3）响应更慢但推理过程更完整、结论更严谨；推理模型（如 GLM-5.1）响应更快，适合日常任务； - Auto 模式无需手动选择即可按任务自动调度模型完成全部任务； - 能说出官方“均衡/快速/极致”三档模型选择的适用场景，并说明课程教材中“标准推理/深度思考”对应官方的“推理模型/思考模式”； - 确认任务执行中可随时切换模型。 - 官方文档出处：（官方文档《模型配置》）

实验 6.2 能力标记验证

• 实验目的：验证模型能力标记（图片输入、工具调用、推理模式/思考模式，以及长文本/长上下文能力）对任务执行的影响，理解能力标记自动写入与按任务匹配模型。
• 前置条件：完成实验 1.1。
• 操作步骤：

• 发送一个识图任务，上传一张图片，如：

  识别图中表格并转成 Markdown 表格
  

  观察系统是否选用具备“图片输入”能力标记的模型（如 GLM-5v-Turbo、MiniMax-M3 等原生多模态模型）。 2. 发送一个工具调用任务，如：

  用 Web Search 搜索……
  

  确认所用模型具备“工具调用”能力。 3. 发送一个长文本/长程任务（如让模型基于一段长文档总结要点），观察是否匹配具备长上下文能力的模型（如 GLM-5.2——1M 上下文，擅长长程任务；Deepseek-V4-Flash / Deepseek-V4-Pro——支持 1M 上下文窗口）。 4. （可选）在设置页「模型」中查看内置模型的能力标记列表；配置自定义模型并选择标准供应商时，观察“工具调用、图片输入等能力标记会自动写入，无需手动配置”（官方文档《模型配置》）。 - 预期结果与验收标准： - 识图/工具调用/长文本任务均能正常执行，未被缺少对应能力标记的模型拦截； - 能说明能力标记的作用：能力标记随模型配置自动写入（选择标准供应商时），系统按任务需求匹配合适的模型，避免“选了模型却做不了事”； - 能说出至少一个支持“图片输入”的模型与一个支持“思考模式”的内置模型（内置模型列表以产品实际界面为准）。 - 官方文档出处：（官方文档《模型配置》）

实验 6.3 自定义模型接入（可选）

• 实验目的：通过官方的多种接入方式（提供商接入、Token Plan、Coding Plan、自定义 API、自定义（Custom）、本地部署等）接入一个自定义模型，验证 Base URL、模型名称、API Key、能力标记等配置要素与连通性。
• 前置条件：持有对应模型服务商的 API Key（或已购买腾讯云 Token Plan / Coding Plan 订阅）。注意：自定义模型产生的全部费用（Token、订阅等）由您向第三方支付，不消耗 WorkBuddy 积分。
• 操作步骤：
• 进入设置页「模型」，通过图形界面管理自定义模型（支持添加、编辑、删除，无需手动编辑配置文件；配置保存后自动持久化，写入本地 workbuddy/models.json，API Key 仅保存在本地、不上传云端；已配置的模型以列表形式展示，每条记录显示模型名称与供应商图标）（官方文档《模型配置》）。
• 按需选择一种接入方式：
  • 提供商接入：从提供商列表中选择服务商，或选择「自定义 API」预设入口，URL、模型列表、能力标记（工具调用、图片输入、推理模式等）会自动填充，仅需补全 API Key 即可保存使用；
  • Token Plan：已购买腾讯云 Token Plan 套餐时，在添加模型页面根据购买的套餐类型选择对应供应商（腾讯云 Token Plan / Token Plan 企业版专业套餐、Token Plan 企业版轻享套餐、通用 Token Plan（个人版）、Hy Token Plan（个人版）），填入套餐对应的 API Key（按官方 API Key 获取指引领取），再选择套餐支持的模型（不同套餐的可用模型不一样）；
  • Coding Plan：面向 AI Coding 场景的专属订阅套餐，支持接入腾讯云 Coding Plan、智谱 Coding Plan 和 Kimi Coding Plan；
  • 自定义（Custom）：若模型服务不在上方列表中，选择自定义/Custom，手动填写 URL、API Key 与模型名接入；
  • 本地部署（Ollama）：见实验 6.4。
• 核对四项配置要素：Base URL（模型 API 服务的访问地址）、模型名称（与厂商侧模型标识保持一致）、API Key（服务端鉴权凭证）、能力标记（选择标准供应商时自动写入，无需手动配置）。
• （高级配置，按需）若模型服务使用非标准 URL 路径（如经过网关或代理层封装），可在高级配置中开启“自定义协议”开关：关闭（默认）时使用标准 /chat/completions 路径，自动校验并补全接口地址；开启时直接按填写的 URL 发起请求，跳过路径校验与自动补全逻辑。

• 发送测试消息，如：

  你好，请介绍一下你自己
  

  验证连通；若模型无响应，按三查排查：查 API Key 是否有效、查网络是否可达、查模型名称是否准确，并检查自定义协议/接口路径设置是否正确（排查入口以产品实际界面为准）。 - 预期结果与验收标准： - 自定义模型出现在模型列表中，且可在对话界面的模型选择器（展示自定义模型分组，支持快捷跳转到配置界面编辑）中选用； - 测试消息返回正常响应； - 能说出官方接入方式（提供商接入 / Token Plan / Coding Plan / 自定义 API / 自定义（Custom）/ 本地部署（Ollama）等）各自的适用场景，并说明自定义模型费用由第三方收取、配置与 API Key 仅保存在本地（以产品实际界面为准）。 - 官方文档出处：（官方文档《模型配置》）

实验 6.4 Ollama 本地部署（可选）

• 实验目的：通过本地部署（Ollama）接入本地大模型，验证完全离线环境下的模型接入。
• 前置条件：电脑可安装 Ollama；预留数 GB 磁盘空间（本地模型体积通常达数 GB）；了解本机显卡/内存对推理性能的影响。
• 操作步骤：
• 前往 ollama.com 下载并安装 Ollama（Ollama 是开源的本地大模型运行工具，安装后通过一行命令即可拉取并运行开源模型）。
• 在终端执行 ollama pull <模型名>（如 ollama pull qwen2.5）拉取模型；执行 ollama list 确认已拉取的模型列表。
• 确认 Ollama 服务已启动并在本地监听 HTTP 端口（默认 11434）；Ollama 会自动提供兼容 OpenAI 协议的接口供 WorkBuddy 对接。
• 在 WorkBuddy 设置页「模型」中选择本地部署（Ollama）方式，填入服务地址（http://127.0.0.1:11434）与模型名称（无需 API Key），发送测试消息验证连通。
• （可选）断开外网重复测试，确认完全离线可用（官方适用场景包括“离线可用”：飞机上、内网开发机、没网的环境也能使用 WorkBuddy）。
• 预期结果与验收标准：
• 本地模型接入成功、测试通过；
• 断网后仍可完成任务；
• 能说明 Ollama 方案的价值：数据隐私/内网合规（代码与对话内容不出本机，适合金融、政企、敏感项目场景）、零成本试用（不消耗 Token、不用付费 API Key，把硬件当算力）、离线可用。
• 官方文档出处：（官方文档《模型配置》本地部署一节）

实验 6.5 积分消耗观察

• 实验目的：观察积分消耗规律，验证官方说明“具体消耗数量因任务复杂度及所用高级模型而异”——消耗量与模型 Token 定价和任务复杂度有关（官方文档《积分》）。
• 前置条件：完成实验 1.1，账户有积分可用（所有对话相关请求均需消耗积分；未购买加量包的账号基础额度参考《定价》说明，具体以产品实际界面为准）。
• 操作步骤：
• 查看积分入口：进入账号「积分说明」了解积分机制、额度与消耗规则；进入「用量查看」查看积分余额与消耗记录（入口位置以产品实际界面为准）（官方文档《积分》）。

• 用同一个简单任务，如简短问答：

  1+1=？
  

  分别以推理模型（标准模式）与思考模式（如 Hy3）执行，记录各自积分消耗。官方说明：高级模型具备更强的推理能力和更丰富的知识储备，但其输入和输出 Token 的处理单价更高，因此每处理相同数量 Token 消耗的积分更多。 3. 分别执行简单任务（简短问答）与复杂任务（长代码分析、多轮对话、知识库检索），记录消耗差异。官方说明：简单任务消耗较少，复杂任务需更多推理计算和 Token 处理，消耗更多资源。 4. 观察积分扣减顺序：系统优先使用最先到期的积分（包括个人标准版、个人高级版、个人旗舰版、个人加量包等各类资源包）；若到期时间相同，优先消耗基础积分，然后消耗赠送积分（官方文档《积分》）。 5. （若已学第 4 章）对比单专家与专家团的消耗（专家团通常为单专家的 3–5 倍，官方文档《专家》）。 6. 结合记录，制定两条成本优化策略。 - 预期结果与验收标准： - 能得出“模式（思考模式 > 推理模型）、任务复杂度（复杂 > 简单）”的消耗排序，并说明根因是模型 Token 定价与任务复杂度； - 能说清积分查看入口（积分说明/用量查看）与扣减规则（先到期先扣，到期时间相同先基础后赠送）； - 能给出至少两条可落地的成本优化建议（如日常用 Auto/快速模式处理简单任务、简单任务不召唤专家团、敏感或批量任务走 Ollama 本地部署等）。 - 官方文档出处：（官方文档《积分》）（官方文档《模型配置》）