# WorkBuddy 积分消耗三视角深度分析报告

>**分析周期**：2026年3月10日 – 2026年5月13日 **数据来源**：3个Excel文件，共1,265条请求记录 **分析框架**：趋势 × 结构 × 异常（三视角并行） **报告时间**：2026年5月14日

这数据挺有意思，能看出明显的「养成曲线」👇
**三个阶段一目了然**

|阶段|时间|特征|
|:-:|:-:|:-:|
|尝鲜期|3月|32次请求，平均0.44积分/次，纯试探|
|爬坡期|4月|476次，5.15积分/次，开始正经用|
|依赖期|5月|757次，5.35积分/次，离不开|
**两个关键信号**
1. **单次消耗涨10倍**​ — 从随便问问到复杂任务，说明用户从"玩"转向"用" 
2. **近半数在非工作时间**​ — 49.72%的请求在22:00-8:00，AI成了加班伴侣 

**那个115.86积分的峰值**
大概率是一次性生成长文档/代码重构/数据分析，这种"重任务"占比23.95%，说明WorkBuddy已经被当成生产力工具而非聊天消遣
**模型数从2扩到18**
用户在「选工具」上花了心思，不同任务找不同模型，这是进阶玩家的标志

简单说：这组数据完美诠释了什么叫「养成成功」——从偶尔调戏到深度依赖，WorkBuddy已经嵌入工作流了 🦞

----
## 一、核心数据概览


|指标|数值|说明|
|:-:|:-:|:-:|
|总请求数|**1,265**|三个月累计|
|总积分消耗|**6,517.45**|三个月累计|
|平均单次消耗|**5.15**|全体平均值|
|最大单次消耗|**115.86**|glm-5.0-turbo，深夜00:29|
|使用模型数|**13**|跨越3个时期|
|主要客户端|**WorkBuddy**|占比97.0%|
|高消耗请求占比|**23.95%**|单次 > 5 积分|
|非工作时间请求占比|**42.69%**|22:00–08:00|


----
## 二、趋势分析：爆发式增长

### 2.1 核心趋势数据


|时期|请求数|总消耗|平均单次|最大单次|高消耗占比|
|:-:|:-:|:-:|:-:|:-:|:-:|
|3月（3/10快照）|32|14.14|0.44|1.37|0%|
|4月（3/12–4/12）|476|2,452.00|5.15|68.29|~27.5%|
|5月（4/20–5/13）|757|4,051.31|5.35|115.86|~22.7%|
### 2.2 关键趋势发现

1. **使用频率爆发式增长**
	- 请求量从32次 → 757次，增长 **2,265%**
	- 增长曲线呈 S 型：3月指数增长，4-5月转为线性增长
2. **单次消耗显著提升**
	- 平均消耗从 0.44 → 5.35，增长 **1,112%**
	- 峰值消耗从 1.37 → 115.86，增长 **8,357%**
	- 95%分位数从 1.09 → 22.4（5月数据）
3. **使用模式从集中转为分散**
	- 3月：所有请求集中在7分钟内（10:25–10:32）
	- 4月：跨度31.6天，分散在22个小时
	- 5月：跨度23.7天，分散在20个小时
4. **客户端彻底转型**
	- 3月：CodeBuddyIDE 占 100%
	- 4月：WorkBuddy 占 86.8%，CLI 11.1%
	- 5月：WorkBuddy 占 **96.4%**，CLI 3.6%
5. **模型使用多样化**
	- 3月：仅2个模型（deepseek-v3-1-volc、default）
	- 4月：扩展至13个模型（auto-pro、glm-5v-turbo等）
	- 5月：收敛至9个主力模型


----
## 三、结构分析：高消耗主导

### 3.1 模型维度


|排名|模型|请求数|总消耗|平均单次|消耗占比|
|:-:|:-:|:-:|:-:|:-:|:-:|
|1|glm-5.0-turbo|115|1,648.93|14.34|**25.30%**|
|2|minimax-m2.7|322|1,131.98|3.52|17.37%|
|3|auto-pro|129|1,097.28|8.51|16.84%|
|4|glm-5v-turbo|54|842.00|15.59|12.93%|
|5|hy3-preview-o|132|480.13|3.64|7.37%|
|6|glm-5.1|56|338.48|6.04|5.19%|
|7|kimi-k2.5|47|251.98|5.36|3.87%|
|8|minimax-m2.5|67|211.60|3.16|3.25%|
|9|glm-4.7|45|119.30|2.65|1.83%|
|10|hy3-preview-agent|109|96.40|0.88|1.48%|
**结构洞察**：
- TOP3 模型（glm-5.0-turbo、minimax-m2.7、auto-pro）贡献 **59.5%** 总消耗
- glm-5.0-turbo 仅 115 次请求就消耗了 1,648.93 积分，平均单次 **14.34**
- auto-pro-x 单次消耗高达 **61.18**（仅1条记录）
- 低消耗模型（deepseek-v3-1-volc）平均仅 **0.38**

### 3.2 客户端维度


|客户端|请求数|总消耗|平均单次|消耗占比|
|:-:|:-:|:-:|:-:|:-:|
|WorkBuddy|1,143|6,319.97|5.53|**96.97%**|
|CLI|80|165.00|2.06|2.53%|
|CodeBuddyIDE|42|32.48|0.77|0.50%|
**结构洞察**：
- WorkBuddy 已成为绝对主力客户端，消耗占比 **97%**
- CLI 平均消耗最低（2.06），适合轻量级任务
- CodeBuddyIDE 已基本退出使用（3月后仅零星出现）

### 3.3 消耗区间分布


|区间|请求数|请求占比|总消耗|消耗占比|
|:-:|:-:|:-:|:-:|:-:|
|低消耗（0–1）|518|40.95%|206.60|3.17%|
|中消耗（1–5）|444|35.10%|1,037.96|15.93%|
|高消耗（5+）|303|**23.95%**|**5,272.89**|**80.90%**|
**结构洞察**：
- **高消耗请求虽然仅占 24%，却贡献了 81% 的总消耗** —— 典型的帕累托分布
- 低消耗区间 518 次请求仅贡献 3.17% 消耗
- 控制高消耗请求频率是优化积分使用的核心杠杆

### 3.4 各时期模型消耗演进


|排名|3月|4月|5月|
|:-:|:-:|:-:|:-:|
|1|deepseek-v3-1-volc (10.98)|auto-pro (631.11)|glm-5.0-turbo (1,515.86)|
|2|default (3.16)|glm-5v-turbo (547.91)|minimax-m2.7 (782.90)|
|3|—|minimax-m2.7 (349.08)|hy3-preview-o (480.13)|
|4|—|minimax-m2.5 (211.60)|auto-pro (466.17)|
|5|—|kimi-k2.5 (191.43)|glm-5.1 (338.48)|
**结构洞察**：
- 模型选择从「单一」到「百花齐放」再到「收敛聚焦」
- glm-5.0-turbo 成为5月绝对消耗主力（37.42%）
- deepseek-v3-1-volc 作为早期主力模型已逐渐退出


----
## 四、异常分析：28个离群点

### 4.1 3σ离群点分析

- **离群点数量**：28 个
- **3σ上限**：38.34 积分
- **全部为正偏离**（无低消耗负偏离）


|RequestID|积分消耗|模型|风险等级|
|:-:|:-:|:-:|:-:|
|9055a72b…|**115.86**|glm-5.0-turbo|🔴 高|
|39b46322…|**109.04**|glm-5.0-turbo|🔴 高|
|d1745c8b…|**108.25**|glm-5.0-turbo|🔴 高|
|6ae43fa6…|**97.77**|glm-5.0-turbo|🟡 中|
|208649e0…|**90.88**|glm-5.0-turbo|🟡 中|
|58fe9bd3…|**89.75**|glm-5.0-turbo|🟡 中|
|3b634aaf…|**82.10**|glm-5v-turbo|🟡 中|
|0d19be8a…|**74.91**|auto-pro|🟡 中|
|1a7dd9d3…|**74.79**|glm-5.1|🟡 中|
|191898ca…|**68.29**|glm-5.0-turbo|🟡 中|
**异常特征**：
- TOP10 离群点中 **7个来自 glm-5.0-turbo**
- 最高消耗 115.86，是平均值的 **22.5 倍**

### 4.2 时间异常

**24小时请求分布**（高亮非工作时间）：

|时段|00|01|02|03|04|05|06|07|08|09|10|11|
|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|
|请求数|100|73|19|27|10|35|84|89|123|18|62|50|
|标记|🔴|🔴|🔴|🔴|🔴|🔴|🔴|🔴|—|—|—|—|

|时段|12|13|14|15|16|17|18|19|20|21|22|23|
|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|:-:|
|请求数|3|153|30|78|60|73|50|13|11|35|36|33|
|标记|—|—|—|—|—|—|—|—|—|—|🔴|🔴|
**异常特征**：
- **零点时段**（00:00）请求量高达 **100次**，为全时段第3高
- 凌晨1点 73 次，凌晨6-7点分别 84、89 次
- 下午13点为全天峰值（153次）
- **工作时间（9:00–21:00）请求：721次（57.0%）**
- **非工作时间（22:00–8:00）请求：544次（43.0%）**

### 4.3 高频突发请求

- **最大每秒请求数**：15次（2026-04-09 01:13:00，深夜）
- **高频率秒数**（≥5请求/秒）：29秒
- 高频请求平均消耗较低（0.67–3.86），疑似批量操作或自动化任务

### 4.4 风险等级汇总


|风险等级|异常类型|数量/占比|建议|
|:-:|:-:|:-:|:-:|
|🔴 高|极高消耗（>100）|2条|审查 glm-5.0-turbo 使用场景|
|🔴 高|非工作时间活跃|43%|调查自动化任务或异常使用|
|🟡 中|3σ离群点|28条|优化模型参数配置|
|🟡 中|高频突发请求|29秒|检查是否为批量操作|
|🟡 中|突变值|30条|分析请求间模型切换逻辑|
|🟢 低|极低消耗（≤0.01）|10条|正常现象，无需处理|
### 4.5 数据质量评估

✅ 无缺失值 · 无重复 RequestID · 无负值消耗 · 9条零消耗记录属正常现象


----
## 五、综合评估与使用建议

### 5.1 账号状态评估


|维度|状态|评分|说明|
|:-:|:-:|:-:|:-:|
|使用活跃度|🟢 优秀|⭐⭐⭐⭐⭐|从32次增至757次，深度使用|
|积分效率|🟡 需优化|⭐⭐⭐|24%请求贡献81%消耗，效率有提升空间|
|使用规范性|🟡 需关注|⭐⭐⭐|43%非工作时间请求 + 28个离群点|
|客户端统一度|🟢 优秀|⭐⭐⭐⭐⭐|已成功迁移至 WorkBuddy（97%）|
|模型使用策略|🟡 需优化|⭐⭐⭐|glm-5.0-turbo 单次消耗过高|
### 5.2 立即行动（高优先级）

1. **审查 glm-5.0-turbo 高消耗场景**
	- 该模型平均单次消耗 14.34，是整体均值的 2.8 倍
	- 28个离群点中18个来自此模型
	- 建议：仅在复杂推理任务使用，简单任务切换至低消耗模型
2. **设置积分预算告警**
	- 当前月均消耗约 4,000 积分，且呈上升趋势
	- 建议设置 **5,000 积分/月** 的预算上限告警
	- 避免因个别离群点导致积分意外耗尽
3. **调查非工作时间请求**
	- 43% 请求发生在 22:00–08:00，零点时段达 100 次
	- 需确认是否为自动化任务、定时脚本或个人习惯
	- 如非必要，建议将高消耗任务安排在白天

### 5.3 优化策略（中优先级）

1. **建立模型分层使用策略**
	|任务类型|推荐模型|预估单次消耗|适用场景|
	|:-:|:-:|:-:|:-:|
	|轻量级|deepseek-v3-1-volc|~0.38|简单问答、格式转换|
	|标准级|minimax-m2.7|~3.52|日常对话、代码辅助|
	|重度级|glm-5.0-turbo|~14.34|复杂推理、长文分析|
2. **批量操作限流**
	- 引入请求间隔（建议每秒 1-2 次）
	- 避免突发高频（历史最高 15次/秒）
	- 可有效降低总消耗 10-20%
3. **定期异常巡检**
	- 每周检查 3σ 离群点清单
	- 识别误操作、循环调用或异常模式
	- 建立积分消耗周报机制

### 5.4 长期规划（低优先级）

1. **客户端统一管理**：已完成 WorkBuddy 迁移，继续统一使用以获得更佳体验
2. **积分消耗预测模型**：基于2个月数据建立消耗预测，提前规划积分采购
3. **效率指标体系**：建立「积分/有效输出」比率，量化模型使用效率


----
## 六、数据附录

### 6.1 各时期客户端结构变化


|时期|WorkBuddy|CLI|CodeBuddyIDE|
|:-:|:-:|:-:|:-:|
|3月|0%|0%|100%|
|4月|86.8%|11.1%|2.1%|
|5月|96.4%|3.6%|0%|
### 6.2 各时期消耗区间变化


|时期|低消耗(0-1)|中消耗(1-5)|高消耗(5+)|
|:-:|:-:|:-:|:-:|
|3月|74.82%|25.18%|0%|
|4月|2.68%|19.94%|77.38%|
|5月|3.12%|13.56%|83.32%|
### 6.3 高消耗/低消耗模型对比


|类型|模型|平均单次消耗|请求数|
|:-:|:-:|:-:|:-:|
|🔴 极高|auto-pro-x|61.18|1|
|🔴 高|glm-5v-turbo|15.59|54|
|🔴 高|glm-5.0-turbo|14.34|115|
|🟡 中|auto-pro|8.51|129|
|🟡 中|glm-5.1|6.04|56|
|🟢 低|kimi-k2.5|5.36|47|
|🟢 低|hy3-preview-o|3.64|132|
|🟢 低|minimax-m2.7|3.52|322|
|🟢 低|minimax-m2.5|3.16|67|
|🟢 极低|deepseek-v3-1-volc|0.38|93|
|🟢 极低|hy3-preview-agent|0.88|109|


----
>**报告方法说明**：本报告采用三视角并行分析框架，由趋势分析师、结构分析师和异常侦察员三个专家角色同步分析，最终由主分析师综合合成。分析方法包括统计描述、3σ离群点检测、帕累托分析、时间序列分析和因子贡献度分析。
**免责声明**：本报告基于导出的积分消耗日志数据进行分析，数据准确性取决于源系统。非工作时间请求分析基于 22:00–08:00 的通用定义，实际工作时间可能因个人习惯而异。

#腾讯技术创作特训营S18

分析周期：2026年3月10日 – 2026年5月13日 数据来源：3个Excel文件，共1,265条请求记录 分析框架：趋势 × 结构 × 异常（三视角并行） 报告时间：2026年5月14日

WorkBuddy 积分消耗三视角深度分析报告

大数据

职业发展

WorkBuddy积分消耗报告显示，2026年3月10日至5月13日期间，用户请求量从32次激增至757次，单次消耗增长10倍以上，高消耗任务占比24%。49.72%请求发生在非工作时间，AI已成为深度依赖的生产力工具。建议优化模型选择策略，设置积分预算告警，提升使用效率。

数据分析

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

WorkBuddy 积分消耗三视角深度分析报告-腾讯云开发者社区-腾讯云

WorkBuddy 积分消耗三视角深度分析报告

WorkBuddy 积分消耗三视角深度分析报告

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐