WorkBuddy技能评测 #212 | ai-sdk：把「调模型」写成生产代码，而不是 try/except 一把梭
2026-11-05silcano

基本信息

调用大模型的代码，从 demo 到生产有一道坎：流式输出怎么处理、超时与重试怎么配、多模型怎么切换、token 怎么算成本、工具调用（function calling）怎么组织、错误怎么分类。这些在示例代码里统统没有，自己写就容易变成「一个巨大的 try/except 包住全部」。

这个技能给的是工程化写法：统一的 provider 抽象、流式接口、结构化输出、可观测的中间层。

AI：强相关。你要给评测系统加「自动结论」「批量分类」「摘要」这类能力，写的就是这类代码。用它的模式，能让这些脚本从「跑通了」变成「跑几百次不出事」。技术：有价值（抽象与错误处理是通用功）。自媒体：可做选题（「为什么你的 AI 脚本跑一批就崩」）。读书：无关。

注意它偏 JS/TS 生态（Vercel AI SDK）。你的脚本是 Python，思路可以借鉴，代码要换 openai 或 litellm 这类库。

你要给 719 条技能数据批量生成一句话判断。做法：参考 ai-sdk 的结构设计脚本——分块并发（限流）、单条失败不拖垮整批、结果落盘可续跑、成本统计。成果：跑 719 条不会因为第 300 条超时就全废，也不会一夜烧掉几十块。这是把 AI 脚本工程化的最小必要投入。

要写生产级 AI 脚本就值得读，重点看它的重试、限流与结构化输出设计。