workbuddy处理复杂任务需分层匹配模型：先开启多模型热切换并重启应用，再依任务类型、是否含图、上下文长度及环节重要性为各子任务分配对应模型，避免全程单模导致卡死或乱码。
☞☞☞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处理复杂任务时模型选错，不是生成质量差一点，而是任务在第二步就卡死、工具调用中断、长文档解析失败或直接输出乱码。必须按任务结构分层匹配模型，不能全程只用一个。
先开热切换，否则所有选择都无效
点击右上角个人头像 → 进入「设置」→ 左侧导航栏选择「AI模型管理」→ 找到「启用多模型热切换」滑动开关，向右拨至蓝色开启状态。
【务必完全退出WorkBuddy再重新启动】开启后页面不自动刷新，模型列表仍只显示混元，此时若不重启，新模型不会加载进会话上下文，后续所有切换操作均无响应。
复杂任务必须拆解后分层配模型
一个复杂任务别整个丢给一个贵模型跑全程。先把任务拆成子任务，每个子任务配一个最合适的模型，贵模型只在真正需要的环节才出手。
第一步：识别任务主干类型——是纯文本推理（如合同条款比对）、多模态理解（如扫描件OCR）、还是长文档结构化（如百页标书拆解）；
第二步：确认各子任务是否含视觉元素（截图、base64图、PDF内嵌图）——含图必须选GLM-5v-Turbo或Kimi-K2.5，其他模型即使带“v”字也会跳过图片直接报错；
MiniMax Token Plan 工具——支持图片生成、图像理解、语音合成和视频生成。直接调用 MiniMax 官方 API，纯 JavaScript 实现，无需外部 MCP 服务器。
第三步：检查子任务是否需超长上下文——若需一次性吞下几百页材料并保持细节一致性，必须选Step-5-Preview或Kimi-K3，且思考强度设为“超高”，否则中间引用会断链；
第四步：对非核心环节（如格式整理、基础润色、字段提取）降级使用MiniMax-M2.7或DeepSeek-V4-Flash，省下60%以上积分。
三类典型复杂任务的模型组合方案
方法一：法律案件分析（材料杂、逻辑深、风险点密）
前期材料加载 → Kimi-K3（1M上下文+超高思考强度）
中期条款比对 → Kimi-K2.6（合同专项准确率比K2.5高17%，响应快0.8秒）
后期文书生成 → GLM-5.0（中文正式表达稳定，避免Auto误配旗舰模型烧积分）
方法二：技术方案撰写（含代码片段+架构图+需求文档）
图稿解读 → GLM-5v-Turbo（WorkBuddy v3.8.2中唯一开通视觉token解码能力的模型）
代码审计 → DeepSeek-V4-Pro（数理与代码双强，不支持图但推理深度稳）
终稿润色 → Auto模式（系统自动调度Qwen2-7B初筛+GLM-4.7精炼，速度比手动选GLM-5.0快2.3秒）
方法三：财务报表交叉核验（多表联动+公式校验+异常定位）
原始数据清洗 → MiniMax-M2.7（轻量快枪手，最省积分，适合格式纠错、缺行检测）
关键指标推演 → Step-5-Preview（专为金融场景优化，能同步追踪5张表间公式依赖链）
结论摘要输出 → GLM-5.1（中文表达天花板，确保“哪里在涨、哪里在掉”表述零歧义）
