核心用法
Save Money 是一套智能模型路由框架，核心理念是"按需分配"：默认使用轻量模型（Claude Haiku）处理日常对话，仅在检测到复杂任务时自动升级至强模型（Claude Sonnet）。
路由判断逻辑
技能采用三重信号检测机制：
- 任务类型识别：分析评估、规划策略、长文写作、代码生成、多步推理等自动触发升级
- 关键词触发：支持英/繁中/日/韩四语言的关键词库，如"分析""規劃""step by step"等
- 复杂度信号：Prompt长度>200字符、多条件约束、结构化输出需求等
执行方式
通过 sessions_spawn() 函数静默切换模型，用户无感知，不暴露底层实现。
显著优点
1. 成本优化显著：官方宣称可节省50%+ API费用，高频场景下ROI极高
2. 响应速度提升：简单任务用Haiku延迟更低，体验更流畅
3. 多语言原生支持：繁体中文、日语、韩语关键词库完善，非英语用户友好
4. 跨平台可迁移：提供OpenAI、Google Gemini的模型映射表，便于迁移
5. 判断标准清晰："30秒专注思考"原则直观易懂，降低主观判断成本
潜在缺点与局限性
- 误判风险：边界任务（如中等长度翻译）可能路由不当，影响质量或浪费成本
- 延迟累积：复杂任务需spawn新session，可能增加端到端延迟
- 供应商锁定：当前实现依赖特定MCP架构，非标准接口
- 维护负担：关键词库需持续更新，新任务类型可能漏检
- 无反馈机制：未提及如何根据实际消耗优化路由策略
适合人群
- 日均API调用量>100次的企业/开发者
- 成本敏感但不愿牺牲复杂任务质量的团队
- 多语言客服、内容审核等高频场景
- 已使用Claude API且熟悉MCP架构的用户
常规风险
| 风险类型 | 说明 |
|---------|------|
| 路由误判 | 简单任务误升级→成本浪费；复杂任务未升级→输出质量下降 |
| 供应商变更 | Claude模型版本迭代可能需同步更新skill |
| 隐私合规 | spawn新session可能涉及数据跨境，需确认服务商合规性 |
| 过度依赖 | 长期自动路由可能削弱人工判断复杂度的能力 |