核心用法
SwitchBoard 是一套模型路由决策系统，用于根据任务复杂度选择性价比最优的 AI 模型。核心流程为：
1. 任务分类：将任务判定为 ROUTINE（常规）、MODERATE（中等）、COMPLEX（复杂）三级
2. 模型分层：
- Tier 0（免费）：Aurora Alpha、Free Router 等，适合非关键后台任务
- Tier 1（$0.02-0.50/M tokens）：DeepSeek、Qwen3 Coder、GPT-4o-mini 等，处理 80% 的常规工作
- Tier 2（$1-5/M）：o3-mini、Gemini 2.5 Pro、Claude Sonnet，中等复杂度任务
- Tier 3（$5+）：Claude Opus、o1、GPT-4.5，复杂推理和关键决策
3. 决策算法：先过滤硬性约束（工具支持、上下文长度、多模态），再按复杂度选最便宜的符合条件的模型
显著优点
- 成本优化极致：推荐 80/15/5 分配策略，月成本可从 $75（纯 Opus）降至 $8-12
- 延迟感知：区分实时交互（用 Tier 1，TTFT 200-800ms）和异步任务（可用 Tier 3）
- 集成友好：OpenClaw 原生支持
/model切换和sessions_spawn子代理指定模型 - 规则清晰：提供明确的任务分类标准和反模式警示，降低决策成本
潜在局限
- 依赖 OpenRouter：需要 API key，模型可用性和定价受第三方影响
- 分类主观性：ROUTINE/MODERATE/COMPLEX 的边界需要实践经验
- 免费层不稳定：速率限制和可用性波动，不适合关键路径
- 上下文陷阱：需手动检查 context window，否则可能静默截断
适合人群
- 高频使用 AI 代理的开发者与团队
- 需要控制多代理系统运营成本的技术负责人
- 已在 OpenClaw 生态中工作的用户
常规风险
- 配置遗漏：未配置
openrouter_api_key会导致路由失败 - 升级惰性：用户可能因习惯停留在高成本模型
- 子代理默认继承：
sessions_spawn不指定模型时会继承会话模型（通常 Tier 2），造成意外开销
建议每周审查 OpenRouter 面板，跟踪实际消耗，微调 80/15/5 的比例。