第 93 卷

第 93 / 102 卷作者：(anonymous)日期：2026-08-27

然后完成以下任务:

按主题生成一份知识索引(主题→涉及文件→核心要点);
回答我的问题:【问题】,回答时优先引用知识库内容并标注来源文件;
如果知识库中没有相关信息,明确告诉我"知识库中未找到",不要编造。

方法三:模型选择与切换(选对"干活的大脑")

第一步:按任务类型选模型

不同任务适合不同模型,参考下表(社区实践总结,具体以实际版本为准):

任务类型	推荐模型方向	理由
日常写作、文案、文档生成	GLM 系列	中文语义理解强,文档生成和技能调用

稳定

编程、代码调试、复杂分析	DeepSeek 系列	推理能力强、精度高
长文档、多文档综合阅读	Kimi	支持超大上下文窗口,长文档能力突出
简单文本处理、想省积分	轻量模型(MiniMax/Flash类)	响应快、成本低
不确定选哪个	自动模式(Auto Mode)	系统按任务复杂度自动选择

第二步:切换模型

方式一:对话框底部直接切换;
方式二:输入 /model <模型名> 快速切换。

第三步:按"成本意识"用模型

简单查询、问答 → Ask 模式 + 轻量模型(省积分);
真正要动手干活的 → Craft 模式 + 强模型;
同一项任务尽量固定用一个模型,不要频繁切换(频繁切换可能导致积分消耗过快、上下文衔接问题)。

模型选择提示词示例:

【任务】:把这份 50 页的课程文献读一遍,按主题提炼核心观点并输出综述。

【要求】:使用支持长上下文的模型;输出 Markdown 格式;

每部分标注原文页码,方便我回查。

不同专业学生的配置示例(参考模板)

文科/社科专业(新闻、法学、汉语言、社会学)

USER.md 片段:

专业:【新闻学】,常用场景:文献综述、新闻稿、案例分析报告;
偏好:分析报告要"论点-论据-案例"结构;引用要标来源;行文避免口语化;
知识库:放入:课程讲义、优秀范文、老师给的评分标准、写作规范文件。

模型建议:日常写作用中文语义强的模型;长文献分析用大上下文模型。

理工科专业(计算机、电子、机械)

USER.md 片段:

专业:【计算机科学与技术】,常用场景:代码调试、实验报告、课程设计文档;
偏好:代码要加注释;实验报告按"目的-方法-数据-结论"结构;数据必须真实;
知识库:放入:课程代码规范、实验指导书、往年课程设计要求、常用 API 文档。

USER.md 片段:

专业:【会计学】,常用场景:数据分析、财务报告、案例分析、PPT;
偏好:数字必须精确(金额保留两位小数);报告结论先行;图表要规范;
知识库:放入:会计准则资料、案例库、老师要求的报告模板、数据源说明。

模型建议:数据处理用轻量高效模型;复杂财务分析用推理强的模型。

医科/生命科学专业

USER.md 片段:

专业:【临床医学】,常用场景:文献综述、病例分析、实验记录整理;
偏好:专业术语准确;涉及数据标注来源;结论谨慎不夸大;
知识库:放入:课程讲义、指南文献、实验手册、病例模板。

模型建议:长文献综述用大上下文模型;日常整理用中文适配模型。

配置建议:无论哪个专业,配置顺序都是:①先写 USER.md(你是谁)→ ②再搭 knowledge 知识库(你的资料)→ ③用记忆指令逐步补充偏好 → ④最后按任务类型定模型策略。第一次花 10-15 分钟完成

①②,之后每次对话都省去重复解释的时间。

常见误区(3-5个典型错误+纠正)

误区1:以为记忆是"魔法",记得一定准

现象:完全信任记忆,重要信息直接依赖 AI 的记忆输出,结果发现记忆过时或有偏差。

纠正:记忆由模型基于会话内容自动抽取,可能存在概括偏差或时效性问题。在依赖记忆做重要判断前先核验;关键事实( 数据、日期、人名)以原始资料为准。

误区2:从不管理记忆,任由它堆积错误

现象:记忆里留着过时信息、错误偏好,AI 越用越"跑偏"。

纠正:定期在「设置 → 记忆」里清理:删除过时条目、更正错误条目;关掉不再需要的记忆类别;如果某些信息完全不想被记住,删除对应条目或一键关闭记忆功能。

误区3:频繁切换模型

现象:写一篇文章中途换 3 个模型,导致风格不一、上下文断裂、积分消耗过快。

纠正:同一项任务固定用一个模型;只有在当前模型明显不适用(如长文档超上下文、推理能力不足)时才切换。

误区4:杀鸡用牛刀——简单任务用最贵的模型

现象:问"明天几点上课"这种问题也开着最强推理模型,积分哗哗流。

纠正:简单查询用 Ask 模式 + 轻量模型;复杂任务才上强模型。省钱技巧:调研阶段用 Ask 模式,比直接 Craft 模式省至少一半积分。

误区5:忽视"记忆与模型配置"的隐私边界

现象:把身份证号、家庭住址、他人隐私信息写进记忆或上传知识库。

纠正:记忆数据虽仅用于本人个性化服务,但会话涉及他人个人信息时,提交前确认已获得授权;敏感隐私信息不要写入记

纠正:模型切换可能与上下文继承机制有关——确保绑定统一工作区、开启上下文相关设置,或将关键背景写入记忆文件(MEMORY.md),让 AI 在新会话中先读取记忆再接续。

实操模板/检查清单(可直接使用的模板)

记忆配置检查清单(首次配置用)

【身份信息】

学校/专业/年级
学习目标与主攻方向
常用工具链(语言、软件)

【偏好设置】

写作风格(结论优先/详细/简洁)
输出格式偏好(表格/分点/Markdown)
文档格式偏好(Word/Excel/PPT)

【隐私边界】

已确认不写入记忆的敏感信息清单
涉及他人的信息已获授权

【维护计划】

每周检查一次记忆条目(设置→记忆)
每次纠正 AI 后让它"记住规则"
每个项目结束,让 AI 沉淀关键结论到记忆

模型选择决策表(任务→模型→成本)

| 不确定 | 自动模式 | Plan 先行 | 视任务 |

常用记忆指令速查

"记住:【信息】" —— 立即写入长期记忆 "忘记:【信息】" —— 删除某条记忆

"列出你记得的关于我的信息" —— 查看 AI 记住了什么 "以后做【任务】一律【规则】" —— 固化规则

"我刚才纠正你的【问题】请记住,不要再犯" —— 纠错入记忆

三个反思问题

如果今天开始给 WorkBuddy 建立"你的档案",你会先让它记住哪 5 条关于你的信息?为什么是这 5 条?
回顾你最近一周的 AI

使用:有没有"用最贵的模型做最简单的事"的情况?如果按任务类型分配模型,你能省下多少积分?

记忆是把双刃剑——它让 AI

更懂你,但也可能记住你不希望它记住的东西。你打算如何定义自己的"隐私边界"?哪些信息坚决不写进记忆?

【声明】本文为学习资料,不构成官方承诺;功能以WorkBuddy实际版本为准。记忆功能的具体入口、提取逻辑与模型

全站分卷索引 · 102 卷