可通过标准化指令与隔离环境实现WorkBuddy中多AI模型响应速度的可复现批量测量：统一输入文档与提示词、关闭非必要插件、用CLI轮询调用模型、启用DEBUG日志提取性能字段，并通过小程序沙箱并行验证。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
如果您需要在 WorkBuddy 中对比多个 AI 模型的实际响应表现，但手动逐个切换测试耗时低效，则可通过标准化指令与隔离环境实现可复现的批量响应速度测量。以下是执行该测试的具体步骤：
一、准备统一测试指令与文档样本
为确保测试结果具备横向可比性，必须固定输入内容、上下文长度与任务类型，排除因提示词差异或文件解析波动导致的干扰。所有模型均使用同一套输入进行触发。
1、新建一个纯文本文件，命名为speed_test_prompt.txt，内容为：“请用不超过80字概括以下会议纪要的核心结论，并列出3个待办事项，每项以‘●’开头。”
2、另准备一份标准测试文档：test_meeting_minutes.pdf（共4页，含2处表格、1段加粗标题、无图片），存放于桌面固定路径，如~/Desktop/test_data/。
3、关闭所有非必要 Skills 插件与后台集成通道，仅保留「PDF文字提取」与「文本摘要」两个基础技能，避免插件调度引入额外延迟。
二、配置模型轮询执行环境
WorkBuddy 支持通过命令行参数或配置文件驱动模型切换，无需反复点击界面，可规避 GUI 渲染开销，使测得时间更贴近真实推理耗时。
1、打开终端（macOS/Linux）或 PowerShell（Windows），进入 WorkBuddy 安装目录下的 bin/ 子目录。
2、依次执行以下四条命令（每条命令间隔 15 秒，确保前序进程完全释放内存）：
./workbuddy-cli --model hunyuan-local-tiny --input ~/Desktop/test_data/test_meeting_minutes.pdf --prompt-file ~/Desktop/test_data/speed_test_prompt.txt --output /dev/null
./workbuddy-cli --model glm-4-flash --input ~/Desktop/test_data/test_meeting_minutes.pdf --prompt-file ~/Desktop/test_data/speed_test_prompt.txt --output /dev/null
./workbuddy-cli --model deepseek-v3.2 --input ~/Desktop/test_data/test_meeting_minutes.pdf --prompt-file ~/Desktop/test_data/speed_test_prompt.txt --output /dev/null
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
./workbuddy-cli --model kimi-k2.5 --input ~/Desktop/test_data/test_meeting_minutes.pdf --prompt-file ~/Desktop/test_data/speed_test_prompt.txt --output /dev/null
三、启用内置性能日志捕获
WorkBuddy 在 CLI 模式下会自动记录各阶段耗时（模型加载、文档解析、推理、格式化输出），启用详细日志可导出结构化时间戳数据，用于精确比对。
1、在执行任一上述命令前，先运行：export WORKBUDDY_LOG_LEVEL=DEBUG
2、每条命令后，立即执行：tail -n 20 ~/.workbuddy/logs/perf_$(date +%Y%m%d).log
3、从输出中提取形如 [PERF] model_inference_ms=4278、[PERF] total_response_ms=6132 的字段，记录至本地 CSV 表格。
四、使用沙箱模式并行验证
为排除本地硬件资源争抢影响，可在微信小程序端启动云端沙箱实例，同步发起多模型请求，利用腾讯云分布式节点实现真正并行压测。
1、微信内搜索「WorkBuddy」小程序，登录同一账号，进入「开发者工具」→「沙箱压力测试」。
2、上传同一份 test_meeting_minutes.pdf，在「模型并发组」中勾选 Hunyuan-Local-Tiny、GLM-4-Flash、DeepSeek-V3.2 三项。
3、设置并发数为 1，单次请求超时阈值设为 12000ms，点击「开始批量测试」。
4、等待结果页生成三列独立耗时曲线图，直接截图保存，图中每条线段终点数值即为该模型在云端环境下的实测响应毫秒值。
