Claude Code按决策类型而非难度分配模型

在我的 Claude Code 会话中，69% 的输出来自顶级模型（Opus、Fable），包括阅读 changelog、应用我已经决定好的编辑、以及运行测试。

"困难任务 → 强模型"并不能解决问题。难度是错误的信号：一旦决定了重构方案，执行它不需要任何判断，不管代码多复杂。真正有效的是根据步骤所需的决策类型来路由：

决策已做出，只需读取或执行：Haiku

一个局部选择，比如修复一个不稳定的测试：Sonnet

下一步取决于它发现了什么：Opus

合并前的裁决：一个没有编辑工具的 Opus 审核者

我在一个叫 maddog 的插件中将其实现为 advisor-mode。你的主会话拆分目标，并将每个部分发送给子代理（一个独立的 Claude 实例，有自己的上下文），由正确的模型处理。只有一个简短的结果返回，主会话在接收前进行检查。合并和推送需要你的批准。这是一条代理遵守的规则，由子代理中的一个 hook 支持，不是硬锁。

我的数据，来自同一周内 49 个 advisor-mode 会话对比 30 个无 advisor-mode 会话（输出 tokens，不是成本或质量）：

57% 的输出运行在 Haiku 或 Sonnet 上，而无 advisor-mode 时只有 31%。

每个会话的输出增加了约 60%，而顶级模型输出保持平稳（两者都约 124K tokens）。所以是更多工作被路由到便宜模型，不是账单变小了。

在我的使用中，小改动 dispatch 的成本比直接做还高，而且 Haiku 会在那些看起来只是机械的任务上失败。

这个插件还有 section-by-section 模式，会和你一起逐节 review 一个 skill 或 agent 文件。

视频（约 100 秒）：https://youtu.be/b_mFbVY5jzk

试试：在 Claude Code 中，运行 /plugin 并在 Discover 标签页搜索 "maddog"，然后从 /maddog:advisor-mode <你的任务> 开始。主会话用 Sonnet 或更高级别的模型运行。MIT 协议，repo：https://github.com/Harish-here/maddog

你会跨模型路由工作，还是所有任务都用同一个模型处理？