Cost-Aware LLM Pipeline Skill

成本感知 LLM 管道，根据任务复杂度选择合适模型，管理上下文预算。

何时激活

• 需要优化模型选择以控制成本
• 需要管理上下文使用预算
• 需要为不同复杂度任务选择合适模型
• 需要在长会话中避免上下文溢出

模型选择策略

Haiku (轻量级)

使用场景:

• 简单任务：语法修正、格式化、小改动
• 频繁调用：grep、glob、文件探索
• 工具调用规划

成本: ~$0.001/1K tokens

Sonnet (主开发)

使用场景:

• 主要开发工作
• 复杂编码任务
• 多文件重构
• 代码审查

成本: ~$0.01/1K tokens

Opus (深度推理)

使用场景:

• 复杂架构决策
• 深度推理任务
• 新技术调研
• 关键问题调试

成本: ~$0.05/1K tokens

上下文预算管理

预算规则

| 上下文位置 | 可用空间 | 建议 | |-----------|---------|------| | 前 20% | 宽松 | 探索、研究、讨论 | | 中间 60% | 谨慎 | 核心实现、详细代码 | | 最后 20% | 压缩 | 整理、总结、收尾 |

避免的错误

• ❌ 在上下文最后 10% 做大型重构
• ❌ 在低上下文空间启动复杂任务
• ❌ 用 Opus 处理 Haiku 就能完成的任务

正确做法

• ✅ 在上下文中间启动复杂任务
• ✅ 在低空间使用 Haiku 做简单任务
• ✅ 定期压缩上下文避免溢出

任务复杂度分级

L1: 简单（用 Haiku）

• 语法修正
• 文件格式化
• 简单搜索替换
• README 更新

L2: 中等（用 Sonnet）

• 函数实现
• 单元测试编写
• 代码审查
• Bug 修复

L3: 复杂（用 Sonnet 或 Opus）

• 多文件重构
• 架构设计
• 复杂调试
• 新模块设计

L4: 深度（用 Opus）

• ADR 编写
• 架构决策
• 性能优化
• 跨系统设计

成本优化技巧

1. 批处理相似任务

bash
# 不好：多次调用，每次都加载上下文
/edit file1.ts
/edit file2.ts
/edit file3.ts

# 好：一次调用处理多个文件
/multi-edit file1.ts file2.ts file3.ts

2. 使用上下文压缩

长会话后运行: /compact
保留决策和结论，丢弃中间追踪

3. 选择正确模型

markdown
# 不好的做法
用 Opus 写 README

# 好的做法
用 Haiku 写 README
用 Sonnet 实现核心逻辑
用 Opus 做架构决策

与其他 Skills 的关系

| Skill | 关系 | |-------|------| | Strategic Compact | 提供上下文压缩以保持低使用率 | | Continuous Learning | 从成本数据中学习优化模型选择 | | Memory Persistence | 保存会话摘要以支持上下文重建 |

命令接入

• /cost-estimate <task> - 估算任务成本
• /model-select <complexity> - 建议模型选择
• /context-budget - 显示当前上下文预算