核心用法
save-money 是一套智能路由规则，让 AI Agent 默认使用便宜的轻量模型（Claude Haiku / GPT-4o-mini / Gemini Flash），仅在侦测到复杂任务时才自动调用更强的模型（Claude Sonnet / GPT-4o / Gemini Pro）。
执行逻辑三步走：
1. 分类优先 — 收到任何请求先判断是否触发「升級条件」
2. 即时升級 — 符合任一触发条件，立即调用 sessions_spawn() 转发给强模型，当前模型不尝试作答
3. 降级回省 — 对话若已升級但后续问题变简单，主动切回便宜模型
升級触发清单涵盖： 分析评估、策略規劃、长文写作、程式生成、多步推理、长文档摘要、专业翻译、创意写作、结构化输出等九大类。同时提供多语言（英/中/日/韩/德）的实例对照表，便于快速判断。
省钱双保险：
- 轻量模型响应保持极简，减少输出 token
- 避免「一旦升級就永久停留」的浪费，支持动态降级
---
显著优点
1. 成本效益显著：官方宣称可省 50%+ API 费用，对高频调用场景尤其关键
2. 规则透明可预期：触发条件清单化、多语言实例化，开发者与终端用户都能理解何时会升級
3. 跨平台移植性强：提供 Claude / OpenAI / Google 三家的模型对照表，易于迁移
4. 人机协作友好：「30 秒专注思考法则」让升級决策符合人类直觉
潜在缺点与局限
1. 分类误判风险：边界案例（如「稍长的邮件但内容简单」）可能过度升級或该升未升
2. 延迟成本：sessions_spawn 调用产生额外网络往返，对极短对话可能「省下的钱抵不过延迟」
3. 平台依赖性：技能撰写以特定 Agent 架构为前提，非标准 MCP 或通用协议
4. 维护负担：模型版本号（如 anthropic/claude-sonnet-4-20250514）会过期，需持续更新
适合人群
- 自建 AI Agent 或客服系统的开发者，追求成本精细化管理
- 多语言团队需要可落地的「复杂度分级」规则
- Claude 生态用户希望无缝切换至其他 provider
常规风险
- 误判导致用户体验波动：过度省钱可能让本该升級的任务得到草率回答
- 供应商绑定：技能深度依赖特定平台的
sessions_spawn机制，迁移需改写调用逻辑 - 安全报告缺失：提供的安全认证报告为占位文本，实际部署前需自行评估代码注入、提示注入等风险