WorkBuddy长任务积分消耗过快的根源是上下文膨胀、长期记忆自动写入和联网沙箱误触发；需通过积分明细筛选高耗任务、检测Token数、关闭记忆开关、排查联网关键词、导出对话定位高耗轮次、检查自动化重复实例，并用/compact指令压测优化。
☞☞☞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长任务积分消耗过快，不是模型突然变贵，而是上下文越堆越厚、记忆越写越多、联网动作越跑越勤——每轮对话都在为历史“背书”，第10轮的输入Token可能已是第1轮的8倍，你却只看到“这次又扣了400分”。
第一步：查清真实消耗来源
打开 https://www.workbuddy.cn/profile/plans-usage，进入「积分使用明细」页。默认按时间倒序排列，但你要手动点击「按任务类型排序」→ 重点筛选「长文档分析」「多轮代码调试」「自动化执行」三类。这些任务单次消耗常超150积分，且容易隐藏在一堆20积分的小任务中间被忽略。
注意：页面显示的「任务名称」常是AI自动生成的（如“analysis-7”“debug-session-20261012”），需点开详情看原始指令。真正烧分的往往不是标题里的“分析”，而是指令中带的「请结合之前5次对话」「再检查下上个版本的逻辑」这类上下文锚定语句。
第二步：识别三大隐形耗分元凶
方法一：检测上下文膨胀
在任意长任务对话窗口右下角，找到当前上下文Token数显示（格式如“上下文：12,483 Tokens”）。若该数字＞5000，且对话轮次＜8，基本可断定历史被冗余加载——比如你删过3次草稿、改过2版提示词，系统仍把所有废弃内容打包进输入。
方法二：检查长期记忆写入开关
进入设置 → 隐私与安全 → 查看「自动保存对话至长期记忆」是否开启。【开启状态下，每次发送都会触发记忆写入，固定消耗约30～50积分/次，与模型无关】 关闭后，仅当前对话生效，新任务从零开始计费。
方法三：验证是否误触联网沙箱
在任务指令中搜索关键词：“实时”“最新”“联网”“搜索”“爬取”。只要出现任一词，WorkBuddy默认启用云端沙箱，强制走HTTP请求+索引扫描+结果过滤三重计费通道。实测显示，同样分析一段日志，“查下今天股价”比“分析log_20261013.txt第12–18行”多耗210积分。
第三步：定位高耗分具体轮次
步骤一：导出当前长任务完整对话记录
点击对话右上角「⋯」→「导出为Markdown」，保存本地。
步骤二：用文本编辑器打开，搜索「消耗」二字
WorkBuddy 桌宠工厂 —— 给一张角色图、一个 codex.pet 链接、一条 codex-pets.net 下载 URL、或一份现成的精灵表，就能自动创建一只可联动 WorkBuddy 状态的桌面宠物。当用户说"创建桌宠"、"做一只桌宠"、"用这张图做桌宠"、"从 codex.pet 安装桌宠"、"导入 codex 桌宠 XX"、"装一下 codex-pets.net 上的 XX&quo
WorkBuddy会在每条AI回复末尾自动标注「本次消耗：XX积分」。逐行查看，标记出消耗＞80积分的轮次编号（如第7轮、第13轮、第19轮）。
步骤三：对照这些高耗轮次的用户输入内容
重点检查是否含以下结构：① 指向之前某轮回复的引用（如“按你第5轮说的方案”）；② 带路径模糊的文件操作（如“看看配置相关文件”而非“读取./config/app.yaml”）；③ 含多条件嵌套的指令（如“如果A成立且B未触发，则先C再D，否则跳E”）。这三类输入会强制模型加载全部上下文做逻辑回溯，Token量飙升。
这一步操作起来很简单，直接把导出的Markdown拖进VS Code就能快速搜索定位。
第四步：验证自动化任务是否失控
在左侧导航栏点击「自动化」→ 进入列表页。不要只看总数，要逐个点开每个自动化卡片，查看「最后运行时间」和「触发条件」。
特别留意名称含“backup”“test”“copy”“v2”的条目——它们大概率是重复创建的残留任务。一个「每日收盘复盘」自动化若同时存在 automation-3、automation-14、a-daily-close 三个实例，每天17:00就会烧掉3倍积分。
【删除前必须确认：每个自动化删除操作都会弹出独立确认卡片，漏点一个就删不干净】
第五步：用 /compact 实时压测上下文
回到问题最严重的那个长任务对话框，在输入框中直接键入：/compact 并发送。
等待AI返回压缩后的摘要（通常3秒内完成）。此时右下角上下文Token数会立刻刷新。若数值下降幅度＜40%，说明当前对话中存在大量不可压缩的关键上下文（如大段代码、完整日志、多表格数据），需考虑拆分为多个子任务处理。
若下降幅度＞60%，证明此前存在严重冗余，立即对后续提问启用新对话窗口，避免再次加载已压缩内容。
