上周，我干了一件蠢事

上周，我干了一件蠢事作者：樊老师
上周，我干了一件蠢事。连续两天，我泡在WorkBuddy里训练AI技能。拆书技能、导学案批量生成技能、论文下载技能、试卷评估技能……一个接一个地调，一个比一个复杂。每个技能训练完，效果都让我拍大腿——太好了，这正是我想要的！然后我打开账户一看，积分没了。一个月的会员，加上额外花38块钱买的数据包，全部见底。而我的工作才做了一半。那一刻我坐在电脑前，突然觉得，这东西跟开车有点像——AI是好车，但油钱是真的贵。

一、算力，才是AI时代真正的隐形成本

很多老师第一次接触AI工具时，关注的是”好不好用”。这没错。但用着用着，你会发现一个被忽略的问题：算力消耗。什么是算力？简单说，AI每处理一段文字、每生成一个回答、每执行一次任务，都要消耗计算资源。这些资源折算成积分，就是你的账单。以WorkBuddy为例，官方的计费标准大致是这样的：

·低消耗任务（文案改写、文字总结）：10~30积分·中消耗任务（表格整理、文档排版）：50~150积分·高消耗任务（PPT生成、大文件解析、技能训练）：200~800积分

看到这个梯度，你就明白我为什么”烧”得这么快了。训练一个技能，不是一次对话就能完成的。你需要反复调试提示词，测试执行效果，修正边界条件，优化输出格式。一个技能从创建到满意，少则十几次对话，多则几十次。而每次对话，都是积分在燃烧。我训练的那些技能——拆书、导学案、论文下载——每个都属于高消耗任务。两天下来，会员积分加38块钱数据包，全部告急。这不是个例。我在群里跟其他老师交流，发现大家都有类似的困扰：AI好用，但用不起。

二、一个想法：能不能把技能”搬”到别的地方？

积分用完了，工作还得继续。我盯着电脑桌面发呆，突然想到一个东西——ima。ima是腾讯推出的AI知识库工作台，主打”搜、读、写”一体化。它有一个关键功能：Copilot，可以创建专属的AI智能体。换句话说，ima也能做类似WorkBuddy技能的事情——设定一个人设，写一套规则，让AI按你的要求执行任务。那能不能把WorkBuddy里训练好的技能，”搬”到ima里去？我的思路是这样的：WorkBuddy的技能，本质上就是一个SKILL.md文件。这个文件用自然语言描述了”遇到什么任务、按什么步骤、输出什么结果”。它不依赖特定的代码框架，就是一段精心打磨的提示词。ima的Copilot，核心也是通过人设和规则来定义AI的行为方式。如果底层的逻辑都是”用自然语言定义AI行为”，那迁移就是可行的。我决定试试。

三、实战：把WorkBuddy技能迁移到ima

第一步：导出WorkBuddy技能WorkBuddy的每个技能，都存放在用户主目录下的.workbuddy/skills/文件夹里。每个技能是一个独立的文件夹，核心文件是SKILL.md。找到你想要迁移的技能文件夹，打开SKILL.md，把内容完整复制下来。这个文件一般包含以下几部分：

·技能名称和描述·触发条件（什么时候激活）·执行流程（具体步骤）·输出规范（格式要求）·注意事项（边界和异常处理）

第二步：在ima中创建Copilot打开ima应用，进入Copilot功能创建一个新的Copilot，需要设定几个核心要素：

1人设（Soul）

这是Copilot的”灵魂”。你要告诉它：你是谁、你的风格是什么、你擅长什么。例如，我的”拆书技能”迁移过来后，人设部分这样写：

💡 提示你是一位专业的书籍拆解专家，擅长将学术著作和教学类书籍进行深度拆解，提取核心观点，结合一线教学案例进行解读，输出3000-5000字的公众号文章。

1用户档案（User）

告诉Copilot你的背景信息，让它更懂你。例如：

💡 提示用户是高中生物教师，教龄21年，关注人工智能赋能教学，运营公众号”樊老师生物圈”，粉丝近3万。

1执行规则（从SKILL.md迁移）

这是最关键的部分。把WorkBuddy技能里的执行流程、输出规范、注意事项，整理成ima Copilot能理解的规则格式。核心原则是：逻辑不变，格式适配。WorkBuddy的SKILL.md可能长这样：

💡 提示触发词：拆书、拆解书籍、每日一书执行流程： 1. 从知识库中选择一本书 2. 提取核心章节和观点 3. 结合教学案例进行解读 4. 撰写3000-5000字公众号文章 5. 自动发布到公众号

迁移到ima Copilot后，变成这样：

💡 提示当你收到”拆书”相关指令时，按以下流程执行： 1. 从关联的知识库中选择一本书进行分析 2. 提取核心章节，梳理作者的核心论点 3. 结合高中生物教学的一线案例进行解读 4. 撰写3000-5000字的公众号文章，风格通俗、有观点、有案例

1关联知识库

这是ima独有的优势。WorkBuddy的技能主要依赖本地文件和实时对话，而ima的Copilot可以直接关联你的知识库。这意味着，你在ima里积累的教学资料、论文文献、读书笔记，都可以成为Copilot的”素材库”。它不用从零搜索，直接在你的知识体系中工作。第三步：测试与调优迁移完成后，不要急着用。先测试。用几个典型场景跑一遍，看看输出质量是否和WorkBuddy里一致。如果有偏差，调整Copilot的规则描述，直到满意为止。我的经验是：80%的技能可以直接迁移，20%需要微调。需要微调的部分，通常是那些依赖WorkBuddy特定工具（如浏览器操作、文件系统访问）的功能。这部分在ima中需要换一种实现方式。

四、迁移之后，成本降了多少？

这是我最好奇的问题。在WorkBuddy里，我训练和使用技能的积分消耗大致如下：

·技能训练阶段：每个技能约2000-5000积分（反复调试）·技能使用阶段：每次调用约100-500积分

而在ima里：

·Copilot创建：不消耗额外积分（算力福利覆盖）·Copilot使用：每日登录可领取算力，日常使用基本够用

同样是”拆书”，WorkBuddy跑一次可能消耗300积分，ima跑一次几乎免费。当然，这不是说WorkBuddy不好。它在技能训练的灵活度、本地文件操作能力上依然是顶尖的。问题在于，对于一线教师来说，日常高频使用的场景，算力成本是个绕不过去的坎。而ima恰好补上了这个短板。

五、我的建议：训练在WorkBuddy，使用在ima

经过这次迁移，我总结出一个实用的策略：在WorkBuddy里训练技能，在ima里日常使用。为什么？WorkBuddy的优势是”训练场”。它支持多种技能创建方式——图形化界面、YAML模板导入、甚至指令反向生成。它的Agent架构强大，可以拆解复杂任务、调用多工具协同。在你还不确定最佳方案时，在WorkBuddy里反复试错、打磨规则，效率最高。ima的优势是”日常战场”。它的Copilot+知识库组合，让训练好的技能可以低成本、高频次地运转。它还支持场景感知——你打开一个文档，Copilot自动理解内容，无需重复上传。简单说：WorkBuddy负责”把技能打磨好”，ima负责”让技能跑起来”。两者配合，才是目前最优的AI使用策略。

六、给一线教师的具体操作清单

如果你也想尝试这条路径，这里有一份操作清单：准备工作：

1安装WorkBuddy桌面版（用于技能训练）2安装ima应用（用于日常使用），申请Copilot权限3在ima中创建你的教学知识库，把常用资料导入

技能迁移步骤：

1在WorkBuddy中找到目标技能的SKILL.md文件（路径：~/.workbuddy/skills/技能名/SKILL.md）2复制技能的核心规则（执行流程、输出规范）3在ima中创建Copilot，填写人设、用户档案4将技能规则粘贴到Copilot的规则设定中5关联对应的知识库6测试3-5个典型场景，微调规则

成本对比：

·WorkBuddy：月会员+数据包，月均成本约70-100元（高频使用）·ima：基础功能免费，Copilot使用算力福利覆盖，月均成本约0-30元

适用场景：

·拆书/书评撰写 → 迁移效果好·导学案生成 → 迁移效果好·论文检索下载 → 需要部分调整（涉及外部操作）·文档格式化 → 需要部分调整（涉及本地文件操作）·日常问答、写作辅助 → 直接在ima中使用即可

最后说两句

AI工具的算力成本，是每个深度使用者都会遇到的问题。这不是AI的错，而是我们从”免费时代”过渡到”付费时代”的阵痛。但阵痛不意味着只能忍着。找到合适的工具组合，把训练和使用分开，就能在效果和成本之间找到平衡点。我把这个方法分享出来，是因为它确实帮我解决了一个实际问题。如果你也在为算力焦虑，不妨试试。从WorkBuddy到ima，技能不变，成本减半。这大概就是AI时代最朴素的”降本增效”。本文由公众号原创 · 转载请注明出处