核心用法
Model Switcher 是一个智能化的模型调度技能，通过关键词检测自动判断用户任务的复杂程度，在轻量快速的 haiku 模型与深度强大的 sonnet 模型之间无缝切换。用户无需手动选择模型，系统实时分析对话内容中的触发词（如"分析""重构""架构""优化"等），自动调用 session_status 工具完成切换。
显著优点
智能化调度：无需用户介入，降低认知负担，新手友好；成本与性能平衡：简单问答用 haiku 快速响应，复杂任务用 sonnet 深度处理，兼顾 Token 成本；上下文感知：支持批量处理复杂任务后切回，避免频繁切换；多语言支持：内置中文关键词库，本土化适配良好。
潜在局限
关键词匹配存在误判可能，简单句子含"分析"一词可能误触发 sonnet；缺乏语义级复杂度评估，仅依赖字符串匹配；未定义"简单/复杂"的量化标准，边界模糊；频繁切换可能影响对话连贯性体验；对非中文场景需要额外配置关键词。
适合人群
日常需要处理混合复杂度任务的开发者、技术写作者、产品经理；希望降低模型选择决策成本的高频 Claude 用户；对响应速度和成本敏感的企业团队。
常规风险
关键词误判导致不必要的模型升级，增加 API 成本；自动切换若未清晰告知用户，可能造成困惑；复杂任务判定依赖预设词表，可能遗漏新型任务场景；切换过程中的上下文传递需依赖底层实现，存在状态丢失风险。