一、冰蓄冷+分时电价的负荷匹配优化

任务背景

l 冷负荷：日内随机波动，夏季峰值高、夜间谷电便宜

l 目标函数：全天单位供能成本最低

l 约束：制冷机组出力上限、蓄冰槽容量、电网契约容量

l 手段：谷电时段多制冰蓄冷，峰电时段融冰供冷削峰

我怎么下指令（口语化即可，不用写代码）

"帮我用 Python 写一个冰蓄冷空调系统的日运行优化模型：目标是全天购电成本最低，考虑分时电价（峰平谷），制冷机组和蓄冰槽出力约束，用 scipy 求解。先生成一组模拟的 24 小时冷负荷曲线，再求解并画出机组出力、蓄冰量、成本分时的图。"

WorkBuddy 直接：

1. 拆解成「数据生成 → 建模 → 求解 → 可视化」四步

2. 写出完整可运行脚本（含注释）

3. 跑通后把三张图（负荷曲线、机组出力、成本构成）一并交付

关键点是——我全程没打开 IDE 写一行代码，只看了结果和调整了参数。

下面就是 WorkBuddy 实际产出、我已在本机跑通的完整脚本（依赖 numpy / scipy / matplotlib，Python 3.11+ 可直接运行）：

python

代码语言：javascriptAI代码解释

跑出来的关键结论（我本机实测）：全天最低购电成本约 2810 元，其中峰段电费占比被压到 8.1%——也就是靠「谷电制冰 + 峰电融冰」把最贵那部分负荷基本挪走了。这正好印证了项目「单位供能成本最低」的调度目标。

小提示：把 price 换成你当地真实的分时电价档位、load 换成站内实测负荷，模型立刻就能用于实际调度测算。

二、进阶玩法：让它"多想一步"

真正拉开差距的是多轮追问，而不是一次交付。我常用的几个追问：

这等于一个任务同时产出：模型代码 + 分析图 + 决策建议 + 领导汇报 + 运维手册，以前要找五个人干一周。

三、它和"普通 AI 对话"的本质区别

我用下来最直观的三点：

1. 能操作本地文件：直接读我的 Excel 负荷数据、CSV 历史曲线，改完写回，不用复制粘贴来回倒。

2. 多模态交付：文档、表格、PPT、数据分析一起给，而不是一段文字建议。

3. 自主规划：我说"目标"，它拆"步骤"再执行，不像传统对话只会等我问下一步。

四、给新手的实操建议（照着做就能上手）

1. 从"一句话任务"开始：别写需求文档，直接说你要什么结果。

2. 给足上下文：把数据文件、背景约束直接喂给它，结果会准很多。

3. 用多轮追问逼近目标：第一轮拿骨架，后面几轮精修，比一次性写超长 prompt 更有效。

4. 结果留档：它生成的脚本、图表、报告都会留在结果区，方便复用和版本对比。