我近期开发了一款Rust命令行工具Everyday CLI，
配合自带的Skill，
可为 AI Agent 提供便捷的邮箱、日历、RSS 订阅、笔记、待办事项及书签管理能力。。
我几乎全程在腾讯推出的 WorkBuddy 上进行开发，期间不断切换模型与工作流，推动项目逐步迭代至较完善版本，也积累了不少实践经验。
WorkBuddy 除腾讯混元模型外，还集成了多款国产开源模型，其中包括业界公认的领先模型 GLM-5.2。
Everyday CLI项目的基础搭建和前期开发使用的就是GLM 5.2模型，总体质量令人满意。
然而 GLM-5.2 调用成本较高，迅速消耗了我大部分的积分余额。此前我因参与 WorkBuddy 早期营销活动累计获赠七千余积分，仅不到两天就由 GLM-5.2 耗去了三四千。
这一消耗速度相当惊人——WorkBuddy 每月 70 元的基础订阅仅赠送 4000 积分，重度使用下往往一两天便告罄。
积分告急后，我转而使用腾讯自研的 HY3 模型（近期刚由 HY3-Preview 升级为正式版，目前在 WorkBuddy 及 OpenRouter 平台限时免费）。
HY3的总体参数量和GLM 5.2还是有一定的差距，不过在成熟的 Harness 框架支撑下，项目推进依然顺畅。
此外，我还另行订阅了 MiniMax Token Plan，并在 WorkBuddy 中手动接入了 MiniMax M3 模型。
体验时发现M3模型有些过度思考的倾向，在很多场景下可能还不如HY3模型的体验好。
针对这一问题，我手动安装并启用了 Caveman
Skill，强制压缩输出风格，取得了显著的优化效果。
我认为 Rust 在 Code Agent 场景下具备独特优势：其质量门禁（rust fmt与 Clippy）及编译器反馈均十分明确，能有效弥补模型能力的波动。
此前使用 GitHub Copilot 时，我习惯于先通过 /plan规划模式制定方案，确认后再着手开发。
鉴于 WorkBuddy 未内置规划模式，我改为使用planning-with-files skill，
依托 task_plan.md、progress.md与 findings.md三类文档，分别追踪项目计划、实施进度及关键决策与技术要点。
本周末我接触到了grill-with-docs Skill，
该技能会在方案制定前深入质询各项关键设计决策，并将其固化为 ADR（架构决策记录，过程中虽消耗较多 Token），最终助力我顺利完成了 Timeline 模块的开发。
Everyday CLI 目前仍在高频迭代中，欢迎各位关注、试用并提出宝贵意见与建议。
参考链接：
- Everyday CLI项目: https://github.com/duyixian1234/everyday
- WorkBuddy: https://www.codebuddy.cn/work/
- GLM 5.2: https://z.ai/blog/glm-5.2
- HY3: https://hy.tencent.com/research/hy3
- Minimax M3: https://www.minimaxi.com/blog/minimax-m3
- Caveman Skill: https://www.skills.sh/juliusbrussee/caveman/caveman
- Planning-with-files Skill: https://www.skills.sh/othmanadi/planning-with-files/planning-with-files
- Grill-with-docs Skill: https://www.skills.sh/mattpocock/skills/grill-with-docs
