WorkBuddy ne dispose pas d’un modèle unique adapté à chaque tâche. Pour la réécriture quotidienne, le résumé et les questions-réponses simples, privilégiez le mode rapide ; Lors de la comparaison de solutions, du dépannage d’erreurs ou de l’analyse en plusieurs étapes, choisissez des modèles ayant de meilleures capacités de réflexion ; Pour reconnaître des images, captures d’écran ou scans, vérifiez d’abord le support des modèles pour la multimodalité. Si vous ne pouvez pas utiliser Auto à temps, laissez le système sélectionner automatiquement en fonction des tâches, ce qui est plus stable que de simplement suivre de nouveaux noms de modèles.
Sélectionnez les modèles par tâche plutôt que par classement
| Types de tâches | La direction préférée | Critères de jugement |
|---|---|---|
| Réécriture des e-mails, résumés courts, organisation de mise en forme | Modèle rapide | Réponse rapide et consommation de points relativement faible |
| Analyse de données, dépannage de code, planification complexe | Modèles de raisonnement | Peut-on démonter les étapes de façon stable et s’auto-vérifier ? |
| Images, captures d’écran et PDF numérisés | Modèles multimodaux | Que les scènes d’entrée visuelle et OCR soient prises en charge |
| Données sensibles ou expériences hors ligne | Modèles locaux | Performance informatique, contexte et compatibilité des outils |
Le même modèle est également influencé par la longueur du contexte. Le contexte par défaut de 200K couvre généralement la plupart des tâches de bureau ; Passer à 1M signifie seulement qu’un plus de contenu peut être accueilli, ne rend pas automatiquement les réponses plus intelligentes, et peut augmenter le temps d’attente et la consommation de points. Les documents longs doivent d’abord supprimer des pages non pertinentes, diviser les pièces jointes et clarifier le problème avant de décider d’étendre le contexte.
Quand est-ce que ça vaut le coup d’utiliser des modèles personnalisés ?
Si votre équipe dispose déjà de Tencent Cloud Token Plan, Coding Plan, d’API compatibles OpenAI ou d’Ollama déployé localement, vous pouvez ajouter des modèles personnalisés dans les paramètres du modèle. Après avoir rempli le fournisseur, la clé API et le nom du modèle, vérifiez d’abord la connexion, le contexte et l’appel à l’outil avec une petite tâche qui ne contient pas d’informations sensibles, puis utilisez-les pour des tâches officielles. Les frais de modèle tiers sont facturés séparément par le fournisseur de services concerné et ne sont pas inclus dans les points du package WorkBuddy.
Selon les instructions officielles, les configurations personnalisées des modèles et les clés API sont sauvegardées dans le fichier de configuration local, mais les captures d’écran doivent être prises à l’extérieur, les clés écrites dans les invites ou soumises aux dépôts de projets. Lorsque plusieurs personnes partagent un ordinateur, utilisez un compte système séparé et restreignez les permissions de l’annuaire de configuration.
Utilisez un ensemble de petits tests pour faire le choix final
Préparez le même matériel de désensibilisation et faites en sorte que le modèle candidat accomplisse trois tâches : extraire cinq points, vérifier une contradiction et générer un fichier dans le format spécifié. Comparer la précision, le temps, les scores, et si le fichier peut être ouvert, puis corriger le modèle par défaut. Pour le travail de routine, utilisez un modèle rapide ; pour les tâches difficiles, passez aux modèles d’inférence ; pour les tâches d’image, passez au multimodal ; Si le modèle se bloque fréquemment, réduisez d’abord la plage de tâches et d’attaches ; ne vous fiez pas uniquement à des modèles en constante évolution et à la chance.
