Use Other Model

目标

通过智能地将任务委托给成本更低的 AI 模型,优化 token 使用和成本:

识别适合委托的任务类型
使用 MCP 工具或独立会话驱动其他 AI 模型
在保证质量的前提下降低 token 消耗
为用户提供清晰的成本收益分析

核心原则

Token 优化不是目的,而是手段。始终优先考虑任务质量和用户体验,只在合适的场景下使用替代模型。

何时使用其他模型

✅ 适合委托的场景(Token 节省 50-80%)

复杂多文件操作
- 需要修改 10+ 个文件
- 需要创建 4+ 个独立的 git 提交
- 预计执行时间超过 5 分钟
批量重复任务
- 批量文件格式转换
- 批量数据处理
- 批量代码生成(如生成多个相似的 CRUD 接口)
可并行的独立任务
- 多个独立功能模块的开发
- 多个独立的测试用例编写
- 多个独立的文档生成
简单但耗时的任务
- 代码格式化和 lint 修复
- 简单的文本处理和转换
- 基础的文件操作

❌ 不适合委托的场景(直接执行更高效)

简单快速任务
- 单文件编辑
- 执行时间 < 1 分钟的任务
- 简单的信息查询
需要上下文的任务
- 依赖对话历史的任务
- 需要理解复杂业务逻辑的任务
- 需要实时用户交互的任务
高质量要求的任务
- 核心业务逻辑实现
- 安全相关的代码
- 需要深度思考和创造性的任务

决策流程

在开始任务前,按以下步骤评估:

评估任务复杂度
- 文件数量:< 3 个(简单)/ 3-10 个(中等)/ > 10 个(复杂)
- 预计时间:< 1 分钟(快速)/ 1-5 分钟(中等)/ > 5 分钟(耗时)
- 并行度:单线程 / 可部分并行 / 高度并行
计算预期收益
- 简单任务:协调成本 ≈ 直接执行成本,收益 < 10%,不推荐委托
- 中等任务:收益 20-40%,可以考虑委托
- 复杂任务:收益 50-80%,强烈推荐委托
向用户确认 使用 AskUserQuestion 工具向用户说明:
- 任务评估结果(复杂度、预期收益)
- 推荐的执行方式(直接执行 vs 委托)
- 需要的配置信息(如果委托)

两种实现方案

方案对比

方案	适用场景	Token 节省	实现复杂度
方案 A:MCP 工具	简单任务、单次调用	20-40%	低
方案 B:独立会话	复杂任务、批量操作	50-80%	中

推荐策略:

简单任务(< 5 分钟):使用方案 A(MCP 工具)
复杂任务(> 5 分钟):使用方案 B(独立会话)

方案 A:使用 MCP 工具

适用场景:单次调用、简单任务、执行时间 < 2 分钟

可用工具:

MiniMax MCP Server:mcp__MiniMax__web_search、mcp__MiniMax__understand_image
Gemini MCP Server:mcp__gemini__gemini

详细实现:参见 references/method-a-mcp-tools.md

方案 B:启动独立 Claude Code 会话

适用场景:多步骤、批量操作、执行时间 > 5 分钟

核心技术:

绕过嵌套检查:unset CLAUDECODE
Bash 后台任务:run_in_background: true
Heredoc 任务传递
文件通信机制

详细实现:参见 references/method-b-independent-session.md

方案 B 快速实施指南

7 步完整流程

向用户索要 API 配置
- 使用 AskUserQuestion 工具
- 参见 references/environment-variables.md 了解用户可能提供的格式
主会话分析任务并编写执行计划
- 创建 task-plan.md 文件
- 参见 references/code-templates.md 中的"执行计划模板"
主会话生成启动脚本
- 创建 execute-task.sh 文件
- 参见 references/code-templates.md 中的"启动脚本模板"

主会话启动后台任务

Bash({
	command: "chmod +x execute-task.sh && bash execute-task.sh 2>&1",
	description: "启动独立的 [模型名称] 会话执行任务",
	run_in_background: true,
	timeout: 300000,
});

主会话监控任务进度(可选)
- 定期检查 execution-log.md 文件

主会话获取执行结果

TaskOutput({
	task_id: "bwlly90kq",
	block: true,
	timeout: 300000,
});

主会话验证结果并清理
- 验证输出质量
- 删除包含 API 密钥的脚本文件
- 向用户报告执行摘要

成本收益分析

Token 使用对比

场景类型	直接执行	委托执行	节省比例
简单单文件	2,000	2,100	-5% ❌
中等多文件	11,500	5,000 + 6,500	~51% ✅
复杂批量	40,000	10,000 + 30,000	~68% ✅

决策矩阵

任务复杂度 × 文件数量 = 推荐策略

简单 × 少量(1-2)    → 直接执行
简单 × 大量(10+)    → 考虑委托(批量处理)
中等 × 中量(3-10)   → 考虑委托
复杂 × 任意数量       → 强烈推荐委托

实际案例

案例:批量 Git 提交

场景:创建 4 个独立的 git 提交

执行结果:

✅ 成功完成 4 个提交
⏱️ 执行时间:3 分 24 秒
💰 Token 使用:主会话 5,200 + 子会话 8,500 = 13,700
📊 Token 节省:约 65%(相比直接执行预计 39,000 tokens)

详细案例:参见 references/case-study-git-commits.md

方案选择建议

任务特征	推荐方案	理由
单次 API 调用	方案 A(MCP 工具)	简单直接,无需额外配置
批量重复操作	方案 B(独立会话)	显著节省 token
需要多步骤执行	方案 B(独立会话)	可以编写详细计划
需要实时交互	方案 A(MCP 工具)	可以在主会话中处理
执行时间 < 2 分钟	方案 A(MCP 工具)	启动开销小
执行时间 > 5 分钟	方案 B(独立会话)	token 节省显著

注意事项

安全性

敏感信息保护
- 绝对不要在 prompt 中包含 API 密钥、密码等敏感信息
- 使用环境变量或配置文件管理凭证
- 向用户明确说明需要哪些配置信息
- 方案 B:执行完成后立即删除包含 API 密钥的脚本文件
输出验证
- 始终验证其他模型的输出质量
- 对关键代码进行人工审查
- 必要时进行测试验证
- 不要盲目信任子会话的输出
权限控制
- 使用 --dangerously-skip-permissions 时要特别小心
- 在执行计划中明确限制子会话的操作范围
- 避免让子会话执行危险操作(如 rm -rf)

用户体验

透明沟通
- 明确告知用户将使用哪个模型和方案
- 说明为什么选择该方案
- 报告任务完成情况和成本节省
- 提供详细的执行日志
失败处理
- 如果其他模型失败,回退到直接执行
- 向用户解释失败原因和解决方案
- 不要让用户感到困惑或沮丧
- 提供清晰的错误信息和调试建议
配置管理
- 首次使用时引导用户配置
- 记住用户的配置偏好(如果可能)
- 提供清晰的配置文档链接
- 验证配置的正确性
进度反馈
- 对于长时间运行的任务,提供进度估计
- 建议子会话定期写入进度文件
- 主会话可以定期检查进度并向用户报告

参考资料

技能内部参考文档

本技能包含以下详细参考文档,按需阅读:

references/method-a-mcp-tools.md - 方案 A(MCP 工具)的详细实现
references/method-b-independent-session.md - 方案 B(独立会话)的完整技术细节
references/environment-variables.md - 环境变量格式识别与提取规则
references/case-study-git-commits.md - 批量 Git 提交实战案例
references/code-templates.md - 完整的代码模板(执行计划、启动脚本、主会话调用)
references/faq.md - 10 个常见问题解答

官方文档

技术报告(本技能的核心参考)

在 Claude Code 会话中驱动其他 AI 模型的技术方案
- 详细记录了方案 B(独立 Claude Code 会话)的完整技术实现
- 包含核心技术点、实施流程、实际案例和最佳实践
- 本技能的方案 B 完全基于此报告实现
Token 节省分析报告
- 详细分析了不同场景下的 token 节省效果
- 提供了决策框架和成本收益分析
- 本技能的决策流程基于此报告的分析结果

use-other-model