最近，一位网友在高频使用 WorkBuddy 的过程中，发现了一个比较现实的问题：高阶模型能力很强，但在复杂任务场景下，调用成本和资源消耗也会快速增加。
该网友此前多次推荐 WorkBuddy。为了准备课程和企业培训，他开始高强度使用 WorkBuddy，尤其是在复杂任务、代码分析、方案设计、资料整理等场景中，高能力模型几乎成为刚需。
与此同时，一个新的问题也逐渐显现：
如果电脑上已经拥有其他 AI 服务的订阅和登录权限，是否可以直接复用这些模型能力，而不是重复配置和付费？
例如，该网友的电脑上原本已经订阅并登录了 Codex、Grok，以及 Google AntiGravity / Gemini。既然这些能力已经具备，能否直接接入 WorkBuddy，形成统一的 AI 工作入口？
基于这个想法，该网友开发了一个 WorkBuddy CLI Model Bridge Skill。
它基于开源项目 CLIProxyAPI 构建，可以自动检测本地已经登录的 CLI Agent，完成模型能力桥接，让 WorkBuddy 直接使用已有的 GPT、Grok、Gemini 等模型资源。
什么是 WorkBuddy CLI Model Bridge Skill？
简单来说，这是一个连接 WorkBuddy 和本地 CLI Agent 的桥梁。
它通过 CLIProxyAPI，将已经登录的 GPT、Grok、Gemini 等 CLI 模型能力映射到 WorkBuddy 中。
用户不需要：
- 手动寻找 API Base URL
- 自己申请和填写 API Key
- 修改复杂配置文件
- 研究不同模型接口格式
只需要让 Agent 执行这个 Skill，即可完成整个接入流程。
它解决了什么问题？
目前很多 AI 用户都会遇到类似的问题：
1. 已经订阅多个 AI 服务，但彼此割裂
很多开发者、研究人员和 AI 重度用户，同时拥有：
- OpenAI Codex 订阅
- Grok 使用权限
- Gemini / Google AI 服务
- 其他 CLI Agent 工具
这些服务本身已经支付费用，但通常只能在自己的客户端中使用。
WorkBuddy 虽然支持多模型调用，但很多用户仍需要额外配置 API。
这个 Skill 的目标，就是打通这些能力。
2. 高阶模型调用成本越来越高
AI Agent 的价值在于持续执行复杂任务：
- 长文档分析
- 项目规划
- 代码重构
- 数据处理
- 自动化工作流
这些任务如果全部使用最高等级模型，消耗会非常明显。
因此，一个更合理的方式是：
简单任务使用低成本模型；
复杂任务调用高能力模型；
已有订阅资源优先复用。
Skill 的工作流程
WorkBuddy CLI Model Bridge Skill 会自动完成以下步骤：
第一步：检测本地 CLI Agent
它会扫描当前环境中已经安装并登录的 AI CLI 工具。
例如：
- Codex
- Grok CLI
- Gemini 相关工具
确认哪些模型能力已经存在。
第二步：自动安装或修复 CLIProxyAPI
如果环境中没有 CLIProxyAPI，Skill 会自动完成安装。
如果已有安装但配置异常，也会尝试修复。
用户不需要理解底层代理逻辑。
第三步：获取真实模型列表
Skill 会从实际环境中读取可用模型，而不是让用户手动填写模型名称。
这样可以避免：
- 模型名称错误
- API 版本不匹配
- 配置遗漏
第四步：自动验证模型能力
不仅仅测试“能不能调用”。
它会进一步验证：
- 普通文本生成
- 工具调用能力
- 图片处理能力
- 推理能力
- Fast 路由
确保写入 WorkBuddy 的模型是真正可用的。
第五步：自动写入 WorkBuddy 配置
验证通过后，Skill 会将模型加入 WorkBuddy。
同时：
- 保留已有手工配置
- 不覆盖用户原来的设置
- 避免破坏已有工作流
当前已经跑通的模型
目前测试通过的包括：
- GPT-5.6 SOL / Fast
- Grok 4.5
- Gemini 3.6 Flash
这些模型已经可以通过 WorkBuddy 调用。
对于日常办公、技术开发、内容创作、企业培训等场景，可以明显扩展 WorkBuddy 的模型能力。
为什么选择 CLIProxyAPI？
核心原因是它提供了一种更灵活的连接方式。
传统方式：
用户 → API Key → 官方接口 → 模型
而 CLIProxyAPI 提供：
本地 CLI Agent
↓
CLIProxyAPI
↓
WorkBuddy
↓
GPT / Grok / Gemini
这样可以复用已有登录状态，让不同 AI 工具之间形成协同。
对普通用户意味着什么？
最大的价值是降低使用门槛。
以前：
想在 WorkBuddy 中使用 GPT、Grok、Gemini，需要：
- 注册 API
- 创建 Key
- 查接口地址
- 修改配置
- 调试模型参数
现在：
只需要：
- 安装 Skill
- 运行 Agent
- 等待自动配置完成
复杂工作交给 AI 自己完成。
AI Agent 的下一阶段：不是拥有更多模型，而是连接更多模型
过去几年，大家关注的是：
“哪个模型最强？”
但随着模型数量越来越多，新的问题出现：
“如何让这些模型协同工作？”
未来的 AI Agent，不应该只是绑定某一个模型，而应该成为一个智能调度中心：
- 根据任务选择模型
- 根据成本选择路线
- 根据能力自动切换
- 调用用户已有资源
WorkBuddy CLI Model Bridge Skill 只是一个尝试。
希望它能够帮助更多用户，把已经拥有的 AI 能力真正连接起来。
如果你也在使用 WorkBuddy，或者电脑中已经登录了多个 AI Agent，不妨尝试这种方式，让 AI 工作流真正实现“一处调用，多模型协同”。