先说清楚积分是什么。WorkBuddy 用积分来调配大模型的计算资源，你在里面所有对话相关的请求都要耗积分，消耗多少看任务复杂度和用的模型。简单说，积分就是你在 WorkBuddy 里的资源额度，用完就没了。
但省积分这件事，很多人一开始就想偏了。积分高手的核心不是少花，而是让每一分都花出最大价值。官方给了一句很直白的话，花 100 积分一次搞定，你是高手。花 30 积分改了五遍还没成，才是真浪费。所以衡量标准是效益，不是消耗量。
积分杀手和积分高手的差别，就藏在几个习惯里。杀手直接丢任务描述不做预处理，从不选模型全程 Auto，不用增强提示词需求模糊，忽略专家连接器这些配置，需求没说清反复改，开 Max 模式干简单活，大段文本直接粘对话框，从不清理过期上下文。高手反过来，先分析任务类型再选配置，按复杂度手动选模型，用结构化提示词一次说清，按需配专家和连接器，复杂任务先用 Plan 模式确认路径，简单任务用轻量模型，用文件上传替代文本粘贴，每轮对话结束主动清上下文。
动手之前，先花 30 秒判断任务属于哪一类，再选模型。有个口诀很实用。一问一答用 Flash，写码改码用 Pro，长文中文用 GLM，文档分析用 Kimi，搭智能体用 MiniMax，复杂任务先用 Plan 看方案再执行。
这里有个最大的坑，就是 Auto 模式。Auto 会自动选倍率最高的模型，比如 GLM-5.1 的 0.95 倍。同样一个简单问答，手动切到 Flash 的 0.06 倍，能省 15 倍积分。所以高手默认策略很清晰，日常用 DeepSeek-V4-Flash 的 0.06 倍，遇到复杂任务再升到 Pro 的 0.16 倍，这个组合能覆盖九成以上的场景。
提示词也直接影响积分。进阶技巧里有个四件套公式，背景身份加具体需求加格式要求加约束条件。比如我是产品经理，需要写一份竞品分析报告，包含功能对比和定价分析，用表格呈现，每条数据标注来源，不需要过多技术细节。一句话把身份、任务、格式、边界都说死，AI 一次就能给出你要的东西，省掉来回改的积分。
还有几个省积分的硬招。把文件拖进对话框，别复制粘贴文本，粘贴的文字会成为上下文的一部分每轮重复扣积分，文件引用只在需要时才读。对话超过十轮积分消耗会明显加速，因为每轮要重载全部上下文，发现跑偏就果断清理重开。完成一个多步骤任务后，把整个工作流存成 Skill，下次同类任务一键执行。重复性的每日报告签到监控，设成自动化任务，用 Flash 模型定时跑，积分降到最低。提示里加 300 字以内、5 个要点、用表格呈现这类限制，别让 AI 输出一堆你用不上的内容。
两个实战案例最能说明差距。写一份 AI 行业竞品分析报告，杀手不选模型走 Auto 用了 GLM-5.1，需求模糊来回改五轮，累计烧了 800 多积分，评分 25 分。高手先判断这是 B 级中等任务，选 DeepSeek-V4-Pro 的 0.16 倍，结构化提示词说清需求格式约束，先用 Plan 模式确认大纲，一次输出直接交付，累计 120 积分，评分 92 分。省了 85% 的积分，结果还更好。
再一个更极端的，翻译一封英文邮件。Auto 模式选了 GLM-5.1，一句翻译一下，消耗约 30 积分。高手判断这是最简单的 S 级任务，直接 Ask 模式手动选 Flash，消耗约 2 积分，效果一样，积分省了 93%。
最后送你一张自查卡。提交任务前问自己三个问题。模型选对了吗，简单任务用 Flash 复杂任务用 Pro，别 Auto 摆烂。需求说清了吗，背景需求格式约束缺一不可。工具配齐了吗，需要专家吗需要连接器吗适合先 Plan 吗。三个都是是，放心提交，你就是积分高手。
