前言¶
在 WorkBuddy 里接入 OpenAI 兼容的第三方 endpoint 后，模型往往能正常对话，却在复杂任务上明显弱于内置模型：缺少框架自动注入的领域方法论、输出风格与任务模板，回答容易「泛」而难落地。换模型或堆长 system prompt 可以部分缓解，但维护成本高，且与 WorkBuddy 自带的专家体系脱节。
下面介绍的 custom-api-optimizer（SkillHub 坐标 @user_cd97370d/alpsmonkey-custom-api-optimizer）面向上述场景：在 prompt 层 注入自定义 API 模式下框架不会自动提供的 profile.expert_prompt（领域专家上下文），让第三方模型更接近内置模型在特定领域的表现。Skill 基于通用 SKILL.md 格式，社区来源，分类为 ai-agent，当前 SkillHub 展示版本为 v2.3.1。
这是什么¶
custom-api-optimizer 是面向所有 WorkBuddy 用户的「自定义 API / 第三方模型模式优化器」：首次使用会引导你生成自己的专家包（领域方法论、风格、模板等），之后在同一模式下自动应用，无需每次手写大段 system 说明。
维护与发布在 SkillHub 社区账号 user_cd97370d 下；页面简介为「让自定义 API 也能获得接近内置模型的表现」。标签 requires_api_key=false，表示 Skill 本身不额外要求 API Key（第三方模型仍按你在 WorkBuddy 模型设置里配置的 Key 使用）。
核心功能¶
prompt 层补齐 expert_prompt¶
WorkBuddy 在内置模型路径上会通过模板与专家市场注入 ExpertPrompt 等变量；自定义 API 模式并不等价地带上同一套「领域专家上下文」。本 Skill 在 prompt 层写入 profile.expert_prompt，把你在专家包里沉淀的方法论、风格与模板带给第三方 endpoint，缩小与内置模型在领域任务上的差距。
首次引导专家包，后续自动应用¶
第一次触发时会走配置引导，帮你生成并固化个人专家包；之后在同一使用路径下自动挂载，不必重复说明「我是某某领域、请按某某格式输出」。
推理与工具：交给 WorkBuddy 原生开关¶
链式推理（CoT）与工具调用由 WorkBuddy 模型设置里的 Reasoning、Tool Calling 开关提供。本 Skill 不在 prompt 层重复模拟推理或工具协议，也不硬编码具体任务管理类工具名称，避免与框架能力叠床架屋。
触发条件（显式声明，降低误触）¶
多种说法均可触发，核心是「自定义 API / 第三方模型」+ 明确语境，例如：
- 「API + 语境」结构：如「API 帮我分析这个数据」；
- 直接说「优化自定义 API」「自定义模型优化」；
- 声明「用自定义模型」「第三方模型」等。
仅出现孤立的「API」且无后续任务语境时不触发，用于避免日常提到 API 一词就误加载 Skill。首次会引导专家包；之后自动应用。
配套校验与测试¶
Skill 包内提供 profile.schema.json（专家包结构校验）与 tests/test_profile.py（最小测试集），便于在改专家包后做基本一致性检查。
安装与启用¶
安装 SkillHub CLI（若尚未安装）¶
command -v skillhub && skillhub --version
未安装时可按 SkillHub 官方说明执行完整安装（CLI + 默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅 CLI：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装本 Skill¶
安装时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 且可能不被识别：
skillhub install @user_cd97370d/alpsmonkey-custom-api-optimizer --dir <你的 skills 目录>
SkillHub 页面也支持将下面整句发给 AI，让其按官方安装文档操作：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_cd97370d/alpsmonkey-custom-api-optimizer`。
常用客户端 skills 路径（摘自 SkillHub 安装文档）：
| 环境 | skills 目录 |
|---|---|
| WorkBuddy | ~/.workbuddy/skills/ |
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下 .agents/skills/ |
安装后按你所用客户端要求重启或刷新 Agent，使 Skill 被加载。
与 WorkBuddy 自定义模型配合¶
第三方模型需在 WorkBuddy 设置 → 模型（或兼容的 OpenAI 格式 endpoint 配置）中已保存并可选用；本 Skill 不负责填写 URL、API Key 或模型名，只在你进入自定义 API 使用路径并满足触发条件时优化 prompt 侧专家上下文。模型能力开关（Tool Calling、Reasoning 等）仍在模型配置里单独开启。
典型用法¶
1、在 WorkBuddy 中选择已配置的自定义 API / 第三方模型。
2、用带语境的句子触发 Skill，例如：
用自定义模型帮我梳理这份销售数据的异常点，并按周报模板输出结论。
或：
优化自定义 API：我要做竞品功能对比，请按我专家包里的表格结构写。
3、首次使用时按 Skill 引导完成专家包（方法论、风格、模板等），写入 profile 相关字段并通过 profile.schema.json 约束结构。
4、后续同类请求在触发条件下会自动带上 profile.expert_prompt，无需重复粘贴长 system 说明。需要改领域或风格时，按 Skill 内说明更新专家包并可用 tests/test_profile.py 做冒烟检查。
适用场景与注意¶
适合谁
- 长期在 WorkBuddy 自定义 API 模式下工作，且任务依赖明确领域方法或固定输出模板；
- 希望复用「专家包」思路，而不是为每个第三方模型维护一份巨型 system prompt；
- 已打开 WorkBuddy 的 Reasoning / Tool Calling，需要 prompt 层只补「领域专家」、不重复造工具协议。
限制与注意
- Skill 优化的是 prompt 层的专家上下文，不能替代弱模型本身的推理上限；endpoint 不稳定或能力与声明不符时，表现仍受模型与网关限制。
- 触发依赖显式语境；只说「API」不会加载，避免误触。
- SkillHub 页面统计（截至查阅时）：评分 100000，下载 2805；安装量以你本机
skillhub install与 Agent 是否指向正确--dir为准。 - 页面展示版本为 v2.3.1；若本地包与页面版本不一致，以你安装源返回的版本为准。
结尾¶
custom-api-optimizer 把 WorkBuddy 自定义 API 模式下缺失的 profile.expert_prompt 补在 prompt 层，用可复用的专家包拉齐第三方模型与内置路径的领域表现，并把 CoT、工具调用留给框架原生开关。需要安装或查看说明时，可打开 SkillHub 页面：
- https://www.skillhub.cn/skills/user_cd97370d/alpsmonkey-custom-api-optimizer
- https://api.skillhub.cn/user_cd97370d/alpsmonkey-custom-api-optimizer
