Smart Model Switching

核心用法

Smart Model Switching 是一个纯文档型 Skill，提供 Claude 模型的三层级智能切换策略：Haiku（默认）→ Sonnet（标准）→ Opus（复杂）。用户或代理系统先对任务进行分类，再选择对应模型执行。

决策流程：
1. 问候、状态检查、1-2句问答 → Haiku
2. 代码>10行、分析、报告、多步推理 → Sonnet
3. 架构决策、复杂调试、深度研究 → Opus

黄金法则：若人类需>30秒专注思考，则升级模型；若 Sonnet 处理困难，再升至 Opus。

显著优点

• 成本优化显著：Haiku 成本仅为 Opus 的 1/60，按文档策略可节省 50-90% API 费用
• 规则清晰实用：将模糊的"模型选择"转化为具体的任务特征判断，降低决策门槛
• 覆盖场景全面：从日常对话到复杂架构设计，三层级几乎覆盖所有常见用例
• 易于落地：提供决策树、快速参考卡、代码示例，可直接融入代理系统

潜在局限

• 纯指导性文档：无自动分类或模型切换功能，依赖人工或外部系统执行
• 成本数据时效性：基于特定时间点定价，Claude 模型价格调整时策略需同步更新
• Claude 专属：不适用于 GPT、Gemini 等其他模型族
• 任务边界模糊：某些任务（如"中等长度代码"）的层级判断存在主观性

适合人群

• 高频使用 Claude API 的开发团队与成本敏感用户
• 构建多代理系统的架构师，需为子代理分配模型
• 希望建立模型选择标准作业程序的组织

常规风险

• 误判任务复杂度可能导致：该用 Sonnet 时用了 Haiku（输出质量差）或该用 Haiku 时用了 Opus（成本浪费）
• 无自动兜底机制，分类错误时无内置纠错
• 建议配合"先尝试便宜模型，不满意再升级"的渐进策略降低风险

核心用法

Smart Model Switching 是一套 Claude 模型路由决策框架，核心逻辑是「从最便宜开始，按需升级」。将任务按复杂度划分为三层：

• Haiku（💚 默认层）：处理事实问答、状态检查、简单文件操作、1-2 句话能完成的简短任务
• Sonnet（💛 标准层）：处理代码编写（>10 行）、分析对比、多步骤推理、长文写作（>3 段）、报告总结等常规工作
• Opus（❤️ 复杂层）：专用于架构决策、复杂调试、多文件重构、深度研究、关键生产决策等需要深度思考的场景

决策黄金法则：如果人类需要超过 30 秒专注思考，则升级模型。

显著优点

1. 成本效益极致：Haiku 成本仅为 Opus 的 1/60，Sonnet 为 1/12。按指南路由可节省 50-90% API 费用
2. 决策清晰：提供具体可操作的分类标准（代码行数、段落数、思考时长），减少主观判断
3. 场景覆盖全面：从 cron 任务到架构设计，提供完整的模型选择矩阵和快速决策树
4. 即插即用：为 subagent 和定时任务提供直接可用的代码示例，降低落地门槛

局限性与潜在缺点

1. 分类开销：每次请求前需进行任务分类判断，在极高频场景下可能引入轻微延迟
2. 边界模糊：某些任务处于分类边界（如恰好 10 行代码、恰好 3 段文字），需要人工经验调节
3. Claude 专属：策略基于 Haiku/Sonnet/Opus 的定价和能力梯度设计，迁移至其他模型家族需重新校准
4. 动态降级缺失：框架主要设计为「升级触发」，对「过度使用 Opus 时自动降级」缺乏明确机制

适合人群

• 大量使用 Claude API 的开发者与团队
• 需要优化 AI 成本结构的中小企业
• 构建多 agent 系统的架构师（含 subagent 路由示例）
• 对模型能力边界有清晰认知的进阶用户

常规风险

• 误判导致质量损失：将复杂任务留在 Haiku 可能导致输出质量下降，需严格遵循升级规则
• 版本漂移：Claude 模型持续更新，定价和能力边界可能变化，建议定期复核策略有效性
• 过度优化：为追求成本节省而频繁在边界试探，可能损害用户体验