workbuddy资源超限时需启用离线分片处理、配置双模型降级链路及调整jvm内存：先开启本地任务缓存，再将大文件切分为≤5万行的子文件，提交时手动添加--task_index参数；主备模型自动切换或指令前缀--fallback指定降级；最后修改workbuddy.ini增加-xmx2g和按需加载策略。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy执行长任务时因模型资源超出限量而失败，常见于文档生成、批量OCR或大数据清洗等场景，系统会直接终止任务并返回“资源超限”错误，不保留中间结果。
启用离线分片处理模式
第一步：打开WorkBuddy主界面，点击顶部【设置】→【离线与同步】→开启“启用本地任务缓存”。
这一步必须先做，否则后续分片任务无法继承原始指令的字段映射和过滤逻辑。
第二步：将原始大文件手动切分为≤5万行的子文件。Windows用户在命令行中运行：for /f "tokens=1,2 delims=:" %a in ('findstr /n "^" data.csv') do @if %a leq 50000 (echo %b) >> batch_01.csv；macOS/Linux用户运行：split -l 50000 data.csv batch_。
【注意：单个子文件超过50000行会导致离线任务仍被拒绝，且不会报错，而是静默跳过该批次】
第三步：回到WorkBuddy，拖入全部batch_*.csv文件→点击「新建技能任务」→选择对应技能→在输入源中逐个勾选子文件→提交时为每个任务手动添加参数--task_index=1、--task_index=2等标识。
WorkBuddy 5.3.8于2026年7月30日发布，修复文件监听卡顿、监听句柄泄漏、历史任务无法恢复、登录状态同步异常、命令环境检测异常及内部消息展示等问题，桌面端运行更稳定。
配置双模型降级链路
方法一：主备模型自动切换
进入【模型】面板→点击右上角【管理链路】→选择“文档生成”技能→点击【编辑降级策略】→主模型设为Kimi-K2-Thinking，备用模型设为GLM-4-Lite→勾选“启用模型健康检测”。
这一步能让系统在主模型因资源紧张拒绝响应时，0.8秒内自动切至轻量模型继续执行，避免整条任务链断裂。
方法二：手动指定降级模型
在指令开头插入前缀：--fallback=GLM-4-Lite --timeout=120s，再接原始指令，例如：--fallback=GLM-4-Lite --timeout=120s 生成含图表的季度汇报Word文档。
该前缀强制WorkBuddy绕过默认路由，直连备用模型，跳过资源仲裁环节。
调整JVM堆内存与加载策略
关闭WorkBuddy客户端→定位到安装目录下的workbuddy.ini文件→在JAVA_OPTS行末尾追加：-Xmx2g -Dworkbuddy.model.load.strategy=on-demand→保存文件→重启客户端。
这一修改将最大堆内存从默认1.5G提升至2G，并启用按需加载策略，防止OCR与NLP子模型在启动时争抢内存导致后续长任务无可用资源。
