AI Agent常话多、费Token、跑偏。WorkBuddy优化方案包括：切换高效务实回复风格，填写全局自定义指令，遵循不瞎猜、追求简单、目标驱动、最小改动四原则，开启记忆，并在任务可控、有备份、风险可承受时按需开启完全访问；多步骤任务先用计划模式，按难度选模型档位，跑偏立即打断。核心是压缩无效轮次，降低显性与隐性Token成本；自定义指令投入产出比最高，完全访问需权衡回滚成本。博主称可降低60% Token，实际取决于原使用习惯，该方法可迁移至任何长对话AI工具。
本文是前五篇合集的延伸，整理原视频未提但同属一条工具链的开源或免费项目，覆盖本地推理、Agent 底座与学习、去 AI 味写作、文档采集发布和技能市场。重点包括：Colibri 以纯 C、零依赖把 744B 级 MoE 跑到消费级机器，约 25GB 内存可跑 GLM-5.2；Pi 把统一 LLM API、Agent 循环、TUI 和编码 CLI 收进一个进程；happy-llm 从零手搭大模型；去 AI 味已有中英文工具链；文档转换、采集和社媒调度也有对应开源方案；技能市场提供大量技能。前五篇是马上能用清单，本篇是同链矿脉；不必全装，沿一条链找到自己缺的那一环即可。
该工具可将 Workbuddy、商汤小浣熊、Qoder、千问办公、Loomy、CatPaw 等客户端内置模型，转换为本地 OpenAI 兼容 API，再接入任意 Agent 助手使用。这样能在同一 Agent 中持续对话，减少多平台切换。因部分国产 AI 每日赠送积分或额度，选用 Deepseek-4.1-Flash、GLM-5.3-Flash、Qwen-3.8-Flash 等模型，理论上可每天白嫖大量 tokens。使用时需保持 Buddy2API 后台运行，先扫描并一键导入本机登录渠道，再创建 API Key，API 地址为 http://127.0.0.1:8787/v1。注意任务中途切模型会重新读上下文并消耗大量 tokens；Workbuddy 反代存在封号风险，Qoder 可能排队。
本次会话围绕WorkBuddy扩展体系（Skills、插件、连接器、MCP、专家）展开，共提出16个理解型问题，无业务交付需求。提问呈四阶段演进：概念入门、运行机制、生态关系、创建与定位。核心结论包括：Skill为文件夹结构，含SKILL.md及可选scripts等，代码是可选加速器；MCP为JSON-RPC协议，启用才加载，其代价是上下文挤占；连接器是MCP服务器加OAuth及配套技能的打包；插件需版本目录与清单，专家是带agents角色定义的插件；技能独立可复用，专家壳可套任意技能组合。命名上“专家”是用户层词汇，“插件”是技术层词汇。三者定位：专家为身份层，技能为方法层，连接器为能力层。用户提问特点为先理解后动手、以自建模型求证、要求机制性解释。
Skill 是把做事方法固化成文件夹，不是插件或代码库，而是写给 AI 的标准作业程序。反复做的流程写一次即可复现且结果一致，解决通用 AI 每次都要解释背景和格式的问题。其 SKILL.md 顶部用 name、description 作触发条件，AI 平时只读这两行，相关时才载入全文，装几十个也不撑上下文。正文通常写适用范围、前置条件、分步流程、输出规范、示例和避坑提示。自建应挑重复三次以上、标准明确的场景，建好文件并跑一遍再修；湘建云投标材料生成、住建场景文档撰写适合沉淀。
