• 作者: 作者
  • 时间:
  • 分类: 文章

最近在折腾单位里的台式机，想找个趁手的工具来处理一些开发杂活。虽然手头有 Claude 和 Codex，但受限于网络环境和设备，平时只能在家里用固定 IP 和笔记本跑。为了在单位也能高效划水干活，我把目光投向了 Workbuddy。毕竟国产化是大趋势，提前埋伏一手总是没错的。

今天就来聊聊 Workbuddy 到底怎么玩，特别是如何接入 Claude 或 ChatGPT 进行强化调教，以及一些你可能不知道的骚操作。

为什么选择 Workbuddy？

很多人可能会问，既然有了 Claude，为什么还要折腾 Workbuddy？其实原因很简单：

  1. 环境适应性强：Workbuddy 对国产化环境的适配越来越好，特别是在单位内网或者网络受限的场景下，它的兼容性表现不错。
  2. 本地化部署灵活：它支持多种接入方式，可以作为你私有的 AI 中转站，把各个大模型的能力聚合在一起。
  3. 趋势红利：随着信创的推进，支持国产软硬件的 IDE 和工具会越来越吃香，早点熟悉能省去未来的迁移成本。

如何接入 Claude 和 ChatGPT？

Workbuddy model configuration interface screenshot

Workbuddy 模型配置面板示例

想发挥 Workbuddy 的最大威力，光靠原生模型肯定不够，接入大厂的强力模型才是正道。这里分享几个实操步骤：

1. 准备 API Key

首先，你得有 Claude 或 ChatGPT 的 API Key。这里要注意，直接使用官方 Key 可能会遇到网络问题，建议通过一些中转服务获取 Key，既能解决网络问题，有时候还能节省成本。

2. 在 Workbuddy 中配置模型

打开 Workbuddy 的设置面板，找到模型提供商（Model Provider）选项。通常它会支持 OpenAI 兼容的接口。

  • Base URL：填入中转服务的地址（例如 https://api.openai.com/v1 或者你自建的 OneAPI 地址）。
  • API Key：填入你准备好的 Key。
  • Model Name：如果你想用 Claude，通常填入对应的模型名称（如 claude-3-sonnet），如果是 ChatGPT，则填入 gpt-4 等。

保存并测试连接，确保能正常对话。

3. 提示词（Prompt）调教

接入了模型只是第一步，如何让它听懂你的“行话”才是关键。

  • 预置 System Prompt：在 Workbuddy 的设置里，可以设置一个全局的 System Prompt。比如你可以写：“你是一个资深后端工程师，熟悉 Java 和 Python，代码风格严谨，注重注释和异常处理。” 这样它生成的代码会更符合你的口味。
  • 快捷指令：利用 Workbuddy 的快捷指令功能，把常用的操作封装起来。比如“解释这段代码”、“转化为 TypeScript”、“查找潜在 Bug”等，一键触发，效率倍增。

专注骚操作：提升开发效率的技巧

工欲善其事，必先利其器。除了基础的配置，这里还有几个进阶玩法：

  1. 上下文管理：处理大项目时，不要一口气把整个代码库扔给它。学会使用 @文件 或者 @目录 的方式，精准锁定上下文，既省 Token 又能提高准确率。
  2. 多模型协作：让 ChatGPT 写代码骨架，用 Claude 做代码审查和优化，或者反过来。利用 Workbuddy 的多模型切换功能，取长补短。
  3. 本地知识库：如果项目有一些特有的规范文档，尝试把关键内容喂给 AI，让它基于你的规范来生成代码，这样能减少后期的修改工作量。
  4. 脚本能动化：有些重复性的文本处理工作，别手动改。写个简单的脚本配合 Workbuddy 的 API，让它帮你批量处理，这才是程序员的打开方式。

总结

Workbuddy 作为一个新兴的开发工具，其潜力在于对国产环境的亲和力以及对多模型的支持。在单位台式机上搭建一套属于自己的 AI 开发环境，不仅能解决当下的网络痛点，也是对未来技术趋势的一种投资。

如果你也在用 Workbuddy，或者有更好的接入方案，欢迎在评论区交流，咱们一起把这个工具玩出花来！

标签: none

评论已关闭