前言¶

在 WorkBuddy 裏接入 OpenAI 兼容的第三方 endpoint 後，模型往往能正常對話，卻在複雜任務上明顯弱於內置模型：缺少框架自動注入的領域方法論、輸出風格與任務模板，回答容易「泛」而難落地。換模型或堆長 system prompt 可以部分緩解，但維護成本高，且與 WorkBuddy 自帶的專家體系脫節。

下面介紹的 custom-api-optimizer（SkillHub 座標 @user_cd97370d/alpsmonkey-custom-api-optimizer）面向上述場景：在 prompt 層 注入自定義 API 模式下框架不會自動提供的 profile.expert_prompt（領域專家上下文），讓第三方模型更接近內置模型在特定領域的表現。Skill 基於通用 SKILL.md 格式，社區來源，分類爲 ai-agent，當前 SkillHub 展示版本爲 v2.3.1。

這是什麼¶

custom-api-optimizer 是面向所有 WorkBuddy 用戶的「自定義 API / 第三方模型模式優化器」：首次使用會引導你生成自己的專家包（領域方法論、風格、模板等），之後在同一模式下自動應用，無需每次手寫大段 system 說明。

維護與發佈在 SkillHub 社區賬號 user_cd97370d 下；頁面簡介爲「讓自定義 API 也能獲得接近內置模型的表現」。標籤 requires_api_key=false，表示 Skill 本身不額外要求 API Key（第三方模型仍按你在 WorkBuddy 模型設置裏配置的 Key 使用）。

核心功能¶

prompt 層補齊 expert_prompt¶

WorkBuddy 在內置模型路徑上會通過模板與專家市場注入 ExpertPrompt 等變量；自定義 API 模式並不等價地帶上同一套「領域專家上下文」。本 Skill 在 prompt 層寫入 profile.expert_prompt，把你在專家包裏沉澱的方法論、風格與模板帶給第三方 endpoint，縮小與內置模型在領域任務上的差距。

首次引導專家包，後續自動應用¶

第一次觸發時會走配置引導，幫你生成並固化個人專家包；之後在同一使用路徑下自動掛載，不必重複說明「我是某某領域、請按某某格式輸出」。

推理與工具：交給 WorkBuddy 原生開關¶

鏈式推理（CoT）與工具調用由 WorkBuddy 模型設置裏的 Reasoning、Tool Calling 開關提供。本 Skill 不在 prompt 層重複模擬推理或工具協議，也不硬編碼具體任務管理類工具名稱，避免與框架能力疊牀架屋。

觸發條件（顯式聲明，降低誤觸）¶

多種說法均可觸發，核心是「自定義 API / 第三方模型」+ 明確語境，例如：

• 「API + 語境」結構：如「API 幫我分析這個數據」；
• 直接說「優化自定義 API」「自定義模型優化」；
• 聲明「用自定義模型」「第三方模型」等。

僅出現孤立的「API」且無後續任務語境時不觸發，用於避免日常提到 API 一詞就誤加載 Skill。首次會引導專家包；之後自動應用。

配套校驗與測試¶

Skill 包內提供 profile.schema.json（專家包結構校驗）與 tests/test_profile.py（最小測試集），便於在改專家包後做基本一致性檢查。

安裝與啓用¶

安裝 SkillHub CLI（若尚未安裝）¶

command -v skillhub && skillhub --version

未安裝時可按 SkillHub 官方說明執行完整安裝（CLI + 默認 Skill）：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash

僅 CLI：

curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only

安裝本 Skill¶

安裝時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 且可能不被識別：

skillhub install @user_cd97370d/alpsmonkey-custom-api-optimizer --dir <你的 skills 目錄>

SkillHub 頁面也支持將下面整句發給 AI，讓其按官方安裝文檔操作：

請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_cd97370d/alpsmonkey-custom-api-optimizer`。

常用客戶端 skills 路徑（摘自 SkillHub 安裝文檔）：

安裝後按你所用客戶端要求重啓或刷新 Agent，使 Skill 被加載。

與 WorkBuddy 自定義模型配合¶

第三方模型需在 WorkBuddy 設置 → 模型（或兼容的 OpenAI 格式 endpoint 配置）中已保存並可選用；本 Skill 不負責填寫 URL、API Key 或模型名，只在你進入自定義 API 使用路徑並滿足觸發條件時優化 prompt 側專家上下文。模型能力開關（Tool Calling、Reasoning 等）仍在模型配置裏單獨開啓。

典型用法¶

1、在 WorkBuddy 中選擇已配置的自定義 API / 第三方模型。

2、用帶語境的句子觸發 Skill，例如：

用自定義模型幫我梳理這份銷售數據的異常點，並按週報模板輸出結論。

或：

優化自定義 API：我要做競品功能對比，請按我專家包裏的表格結構寫。

3、首次使用時按 Skill 引導完成專家包（方法論、風格、模板等），寫入 profile 相關字段並通過 profile.schema.json 約束結構。

4、後續同類請求在觸發條件下會自動帶上 profile.expert_prompt，無需重複粘貼長 system 說明。需要改領域或風格時，按 Skill 內說明更新專家包並可用 tests/test_profile.py 做冒煙檢查。

適用場景與注意¶

適合誰

• 長期在 WorkBuddy 自定義 API 模式下工作，且任務依賴明確領域方法或固定輸出模板；
• 希望複用「專家包」思路，而不是爲每個第三方模型維護一份巨型 system prompt；
• 已打開 WorkBuddy 的 Reasoning / Tool Calling，需要 prompt 層只補「領域專家」、不重複造工具協議。

限制與注意

• Skill 優化的是 prompt 層的專家上下文，不能替代弱模型本身的推理上限；endpoint 不穩定或能力與聲明不符時，表現仍受模型與網關限制。
• 觸發依賴顯式語境；只說「API」不會加載，避免誤觸。
• SkillHub 頁面統計（截至查閱時）：評分 100000，下載 2805；安裝量以你本機 skillhub install 與 Agent 是否指向正確 --dir 爲準。
• 頁面展示版本爲 v2.3.1；若本地包與頁面版本不一致，以你安裝源返回的版本爲準。

結尾¶

custom-api-optimizer 把 WorkBuddy 自定義 API 模式下缺失的 profile.expert_prompt 補在 prompt 層，用可複用的專家包拉齊第三方模型與內置路徑的領域表現，並把 CoT、工具調用留給框架原生開關。需要安裝或查看說明時，可打開 SkillHub 頁面：

• https://www.skillhub.cn/skills/user_cd97370d/alpsmonkey-custom-api-optimizer
• https://api.skillhub.cn/user_cd97370d/alpsmonkey-custom-api-optimizer