核心用法
Switchboard 是一套成本优化的模型路由决策框架，核心思想是"用最便宜的模型完成能胜任的任务"。它将模型分为三个层级：
- Tier 1（$0.1-0.5/M tokens）：DeepSeek V3、GPT-4o-mini、Claude Haiku 等，处理单步操作、文件读写、状态检查等日常任务
- Tier 2（$1-5/M tokens）：Claude Sonnet、GPT-4o、Gemini Pro，处理代码生成、摘要综合、数据分析等多步骤任务
- Tier 3（$10-75/M tokens）：Claude Opus、GPT-4.5、o1/o3-mini，处理复杂调试、架构设计、安全代码审查等高难度任务
显著优点
1. 成本效益极致：采用 80/15/5 分配策略，月成本可从纯 Opus 的 $225 降至约 $19，实现 10 倍成本削减
2. 决策算法清晰：提供可编程的分类规则和决策流程，支持自动任务分级和失败升级机制
3. 实战验证充分：包含 OpenClaw、Claude Code 等多平台集成示例，可直接落地
4. 扩展性强：允许根据具体预算和提供商自定义层级定义，添加领域特定的分类信号
潜在局限性
- 依赖人工或启发式任务分类，误判可能导致"该用高级模型时用了便宜模型"
- 模型价格波动频繁（标注为 2026年2月价格），需持续维护
- 对于边界模糊的任务，分级标准存在主观性
- 未涉及模型间能力差异的量化评估方法
适合人群
- 运行高频 AI Agent 的团队（日均 100K+ tokens）
- 预算敏感但不愿牺牲关键任务质量的产品团队
- 需要为多 Agent 系统建立标准化成本控制的开发者
常规风险
- 质量风险：过度降级可能导致子任务失败，需配合失败检测和升级机制
- 维护成本：价格表和模型可用性需定期更新，OpenRouter 等中介服务商的模型列表变化频繁
- 供应商锁定：框架默认假设 OpenRouter 生态，迁移至其他平台需调整层级映射