企业官网建设流程全解析

拿到一张交易明细表，汇总金额只是开始。每天的变化、主要客户国家、需要回查的记录，都要整理进周报。下一周收到新表，这套工作又要重新做。

这次我用 WorkBuddy + AiiOnly 处理了两周共27,761 行公开零售数据：先生成周报，再把分析方法保存为 Skill，最后做成能切周、切指标、搜索国家的交互看板。

最让我愿意继续用这套组合的，是第二周的衔接。选中已有 Skill，交代新的时间范围，就能沿用此前确定的规则；继续提出界面需求，还能把结果变成方便浏览的工作台。下面按实际过程分成三大步。

一、为什么把 WorkBuddy 和 AiiOnly 放在一起用

1. 一个处理任务，一个衔接模型

WorkBuddy 负责理解需求、读取工作空间中的数据并执行任务。AiiOnly 则提供模型调用入口：Token Plan 提供订阅额度，Agent 路由把所选模型接入 WorkBuddy。

这种分工的实际意义是职责边界清楚：工作台管文件、脚本、页面这些"动作"，路由服务只管"这一句需求交给哪个模型"。两边都在本机运行，中间不经过额外的编排层，出问题时排查路径很短——要么数据没读对，要么模型没接上，不会有第三种模糊状态。

需要说明的是，这不是唯一解。任何能读写本地文件、能执行代码、能挂载自定义模型的工作台，都可以完成同样的流程。真正决定结果质量的是两处：统计口径写得够不够死，需求和复用方式有没有在同一轮里交代清楚。后文所有操作都围绕这两点展开。

打开 AiiOnly 官网，可以看到客户端和 Token Plan 入口，本文会从这开始操作。

2. Token Plan 的方便之处，落在连续做事上

周报这类任务不是一问一答，而是多轮往返：先确定指标，再生成报告，随后调整页面。按次计费在这种场景下很难预估总量，而订阅制的额度池把成本变成了一个可以观察的数。
具体有三点：

1. 额度可观测。套餐页能看到总额度、已用量和有效期，跑完一轮完整案例就能算出"一次大概消耗多少"，后续排期有据可依。
2. 一份额度覆盖多个模型。切换模型不需要重新开户、重新配 Key，同一个工作空间里换模型继续做，上下文还在。
3. 成本与上下文强相关。额度按输入、输出、缓存 token 折算，所以"少喂无用上下文"不只是性能问题，也是成本问题——这一点会反过来影响后面提示词怎么写。

本次四条模型路由都选择同一个 Lite 套餐 Key，按各模型规则消耗套餐 Credits。我实际用 DeepSeek 完成分析相关任务，再切换 MiniMax-M3 制作看板，继续使用同一个工作空间。

这样做的价值，是在熟悉的任务界面里选择模型，并把前一步的结果接着用。本次还配置了 glm-5.3 和 kimi-k3；它们属于接入展示，本文实际执行任务的模型是 deepseek-V4.1-Flash 与 MiniMax-M3。

二、第一步：把 AiiOnly 模型接入 WorkBuddy

1. 安装客户端，确认自己的套餐

本次使用 macOS、WorkBuddy 5.8.3 和 AiiOnly 0.9.30。先安装并登录 WorkBuddy，再从 AiiOnly 官网点击客户端下载。

Mac 按芯片选择安装包：Apple M 系列选 arm64，Intel 选 x64；Windows 按设备选择相应版本。

下载页顶部介绍了智能对话、圆桌多模型对话、自主 Agent、工具箱、Token Plan 和 Agent 路由六项核心能力。本次主要通过后两项衔接 WorkBuddy，页面下方有 Windows 和 macOS 下载入口。

安装后，用订阅对应的 AiiOnly 账号登录。点击左侧“Token Plan”，核对套餐名称、剩余额度和有效期。本次使用已有的 Lite 套餐，月总额度为 2,175,000 Credits。

这一页也能看到 API Key。后面添加路由时，可以直接选择已有 Key；完整密钥保留在客户端中，分享画面时只展示掩码。账户记录价与公开销售价可能不同，选型价格见后文完整套餐图。

2. 打开 Agent 路由，一次选好四个模型

在 AiiOnly 左侧点击“Agent 路由”，再选择 WorkBuddy。确认版本与自己安装的一致；若页面提示选择配置，点击“更改配置文件”，按客户端提示选中现有 WorkBuddy 配置。

看到“已识别、配置已就绪”后，点击右上角“添加模型”。此时即使托管条目为 0，也只是还没添加具体模型。

在“创建路由”页签，将“方式”选为TokenPlan。点击“API 密钥”右侧下拉箭头，选择已有的 Lite Key。本文使用订阅权益，因此走 TokenPlan；相邻的“API”属于另一条接入流程。

接着点击“模型 ID”选择区，勾选 deepseek-V4.1-Flash、glm-5.3、kimi-k3、MiniMax-M3，确认“已选择 4”。

首次配置的读者再点击“创建路由”；已有同名路由时不必重复添加。下图演示四选状态，点击创建路由即可。

返回列表，检查是否出现对应的四条托管路由，以及各自的开启状态。这一步配置的是模型 API 的调用来源和认证信息，之后在 WorkBuddy 中选择对应条目即可使用。

3. 回到 WorkBuddy，认准 AiiOnly 前缀

打开 WorkBuddy 输入框下方的模型选择器，找到“自定义模型”，核对四个带 AiiOnly 前缀的条目。

分析阶段选择 AiiOnly:deepseek-V4.1-Flash，后面的看板开发再切换到 AiiOnly:MiniMax-M3。

三、第二步：让一份零售周报变成可复用 Skill

1. 准备公开数据，先把统计口径说清楚

案例来自 UCI Online Retail，是英国零售商的公开历史交易数据。本次选取 2011 年 10 月 3 日至 9 日、10 月 10 日至 16 日两个相邻周，分别有 14,447 行和 13,314 行明细。

跟做时，可以在 UCI 页面点击 Download，解压后打开表格，按交易日期筛选这两个期间，分别另存为 CSV。本次保留原来的八个业务字段，另加原表行号，方便回查记录。

在 WorkBuddy 点击"选择工作空间"，选中放置数据的文件夹。先发送一个小需求：

请查看第一周数据的字段和明细行数，说明你读到了什么，保持原数据不变。

本次实际返回了 14,447 行、9 个字段。这一步不产出任何结果，但它决定了后面所有数字对不对：字段名相似（例如 UnitPrice 与 Price）会让整列口径错位，而这种错误在汇总表上完全看不出来，只会表现为"金额好像偏低"。

周报里最容易含糊的是“金额”和“订单”。这里把明细行数与去重发票编号数分开；正向非取消金额只汇总数量、单价均大于 0，且发票号不以 C 开头的记录。金额单位为 GBP，表示数量乘单价的合计，不能直接当作利润或实收。

缺失与重复记录先保留并标记，国家表示客户所在国家；七天日期完整展示，无记录日保留为 0。先把这些要求讲明白，后面换数据才有统一依据。

2. 提需求时，把结果和复用方式一起交代

我让 WorkBuddy 把这项任务保存为名叫 retail-weekly-review 的 Skill。核心需求可以用自然语言表达：

请分析第一周零售数据，生成中文周报和看板，展示主要指标、每日趋势与客户国家分布。保留缺失和重复记录的提示，沿用刚才确认的统计口径。把这套流程保存为 Skill，以后更换同结构数据和日期时还能继续调用。

这样，第一次任务就同时确定了报告内容和下次的使用方式。生成过程中，我确认统计口径，并对结果和页面做了必要调整；Skill 随后用于第二周的实际任务。

将生成的技能添加为 WorkBuddy 本地技能后，新建会话，在输入框输入斜杠并搜索 retail-weekly-review。点击对应名称，确认输入框中出现技能标签，再发送任务。

四、第三步：换一周数据，再把周报做成工作台

1. 第二周沿用已有 Skill

第二周的实际任务沿用了同一个工作空间和 Skill。调用时可以这样说明需求：“分析 2011 年 10 月 10 日至 16 日的数据，沿用已有统计规则，生成这一周的报告，并说明主要结果。”下图展示的是简化后的发送前示范。

第二周实际运行返回了 13,314 行明细和 587 个去重发票编号。把两周放在一起，可以看到同一套规则对应的结果：

这一步让我感受到 Skill 的实用之处：新会话仍然能沿用明确的分析方法，无需重新描述整套报告要求。两周金额的差异来自历史数据本身，用来展示分析过程。

2. 切换 MiniMax-M3，把阅读需求变成页面

接着在模型选择器中切换到 AiiOnly:MiniMax-M3，继续使用已有两周结果。我希望页面能回答几个具体问题：当前是哪一周、总量多少、每天怎样变化、某个国家表现如何。

请把两周结果做成零售周报工作台。顶部切换第一周和第二周，指标随之更新；趋势图能切换金额和明细行数；国家区域支持搜索、清空与无结果提示。保留统计口径和数据来源，让页面可以直接打开查看。

相比只说“做得好看”，这些要求能帮助 WorkBuddy 安排页面：先看总量，再看趋势，需要了解某个国家时用搜索。实际生成后，我继续调整了说明文字和布局，让国家表更容易阅读。

3. 在看板上实际点一遍

打开页面后，点击“第二周”，核心指标切换为 13,314 行和 £228,776.18；点回第一周，又恢复该周的数值。趋势区可以在正向非取消金额与明细行数之间切换，完整保留七天日期。

在国家搜索框输入 Germany，第二周显示 288 行、19 个去重发票编号、£7,149.37 正向金额。切回第一周，同一国家对应 390 行和 £11,000.30。输入不存在的名称会显示无匹配提示，点击清空便能继续查看全部国家。

这些交互让阅读顺序更自然：先看这一周的大致情况，有疑问再查某天或某个国家。后续想改配色、补说明，也可以在原任务中继续表达需求。

五、Token Plan 怎么选：先看完整权益，再看自己的用量

1. 四档套餐的价格与月度额度

以下为2026 年 10 月 24 日页面显示的公开首发价和权益。本次使用 Lite 完成上述案例，选择时可以先比较额度：

图 16：四档公开价格、月度 Credits 和模型权益。

三点需要说明：

• 当前四档列出的模型范围相同，主要区别是 Credits 数量，选型问题实质是"我需要多大的额度池"，不是"哪个档位模型更好"；
• 各模型的 Credits 折算规则不同，同一任务换模型，消耗量会明显变化，倒推轮次只在"模型组合固定"的前提下成立；
• 额度有效期、结转规则与活动规则会变，做预算前以当期页面为准。

计费侧还有一个容易误解的点：Credits 按输入、输出和缓存 token 折算，并不是按对话次数计费。所以"少问几轮"不一定省钱，"让每一轮少带着无用上下文"才省钱。

2. 这次周报和看板，实际用了多少 Credits

Lite 的月额度为 2,175,000 Credits。 从首次接入，到完成本文的两周周报、交互看板及多轮调整，留存的账户额度记录如下：

也就是说，这轮完整案例的账户额度共减少 约 12.74 万 Credits，约占月额度的 5.86%，以本次实测观察区间为准。这个范围包含接入检查、双周分析和看板多轮优化，不能直接当作每生成一份周报的固定消耗。

用量集中在哪三处，值得记录一下：

1. 上下文长度。27,761 行如果直接进模型上下文，成本会高一个量级。本例的汇总由本地脚本完成，模型只处理少量结果和需求描述——这也是"27,761 行"不等于 27,761 次请求的原因。
2. 修改轮次。看板阶段每改一次配色、文案、布局，都是一次完整往返。需求一次写清，比反复微调更省。
3. 模型差异。分析和前端生成用了两个不同模型，各自的单价与缓存策略不同，混在一起算会得到没有意义的平均值。

选套餐时，记录自己完整任务的用量，比只看对话次数更有参考价值。本例 12.74 万这个数可以直接当标尺用：如果任务比这更复杂（数据更大、调整更多、模型更贵），按倍数往上估即可。

六、企业使用有专属落地解决方案

1. 个人先用起来，成熟 Skill 再成为企业资产

WorkBuddy 当前提供个人版和企业版。个人版适合先跑通自己的日常任务；企业版进一步提供组织、权限和 AI 资产管理等能力，让成熟的工作方法进入团队协作。
两者在"技能"这件事上的差别，值得具体说清：

企业版值得关注的一点，是员工积累的经验可以封装成 Skill，经过整理、审核和纳入企业管理后，沉淀为可持续复用的企业资产。管理员可以统一分发技能，并设置可见范围与使用权限。

以本文周报为例，可以把数据字段、统计口径、异常提示和报告结构整理为团队 Skill。其他同事处理同类数据时，复用已确认的方法；团队调整规则时，再维护这份技能，让经验逐步积累下来。

本文展示的是个人工作空间里的实际操作，上述企业共享是这套方法进一步落地的方向。它把“一个人做出一份周报”，推进到“团队持续复用一套成熟方法”。

2. 企业版订阅与方案落地，由官方进一步对接

企业使用有专属落地解决方案。 订阅方式、部署形态、服务范围与报价，均由官方渠道确认，本文不涉及报价，也不作交付承诺。

从技术侧看，企业落地有四件事需要提前定，缺一件就会停在上线前：

1. 数据权限边界。技能读的是工作空间里的文件，哪些目录对哪些角色可见，要在技能分发之前定好，而不是上线后按需放权。
2. 口径治理责任。团队技能里的统计口径必须有人负责签字，否则一个错误口径会被分发到所有人，扩散速度比个人使用快得多。
3. 技能版本管理。规则调整要有版本记录和生效范围，避免"有人用旧口径、有人用新口径"同时存在。
4. 审计与留痕。谁改了口径、谁调用了技能、输出去哪了，需要可回溯，这是个人使用时不存在的约束。

我会优先把这套方法用在规则明确、每周重复出现的任务上。先完成一次分析，再把稳定的要求保存为 Skill，后续的精力就能更多放在结果怎么读、页面怎么用。从自己经常处理的一份表开始，更容易看出这套组合适合放进工作流程的哪个环节。

目前通过注册 AiiOnly，新用户可以获得 15 元代金券新人礼。另外注册成功，还可以额外领取一张 5 元无门槛 Token Plan 代金券哦！