/advisor 模式: 开源 Python 编码代理，在决策点将廉价工作模型与昂贵审查模型配对（无需支付整个会话的 Opus 费用）

大多数代理 CLI 都让你只选一个模型——Opus 很出色但烧钱，Haiku 便宜但会错过架构决策。这个 Claude Code 功能被嵌入到一个名为 ClawCodex 的开源项目中的 /advisor 模式，将两者配对。你可以在 GitHub 上搜索它，或查看本帖子后的讨论线程以获取链接。工作原理：一个廉价的工作模型（例如 haiku-4-5 或 deepseek-v4-pro）执行繁重工作——文件读取、编辑、测试运行。在决策点（在做出解释之前、在声明完成之前、卡住时），工作模型暂停并咨询更强的审查模型（例如 opus-4-7）。审查模型查看整个对话——每个工具调用、每个结果——并返回简短的 差距/风险/下一步 建议。然后工作模型继续。在典型会话中，净成本比全程运行 Opus 低数倍，而不会在关键决策上失去架构判断。内部有两种执行模式：\\- 服务器端（Anthropic 1P）：advisor beta 头部——一次往返，对提示缓存友好。工作模型和审查模型都在 Anthropic 上。\\- 客户端（任何提供商）：工作模型发出常规的 tool\\_use，代理拦截并单独调用配置的审查模型。两次往返，但你可以混合提供商——例如 DeepSeek 工作模型 + Claude Opus 审查模型，或 Gemini 工作模型 + GLM 审查模型。配置在 REPL 中只需一行：/advisor anthropic:claude-opus-4-7 /advisor deepseek:deepseek-v4-pro 状态栏分别显示工作模型令牌、审查模型令牌和美元成本，以便你了解支出去向。它是 Claude Code 的 Python 移植版的一部分，原生支持 Anthropic、OpenAI、Gemini、DeepSeek、GLM、Minimax、OpenRouter。在 SWE-bench Verified 上，该代理在 Gemini 2.5 Pro 上得分为 58.2%，而 openclaude 在同一测试框架下为 53%。真正困难的部分是让审查模型提示停止重复工作模型的计划——早期版本因回音而消耗了工作模型的上下文。修复方法是严格的"不使用第一人称，不重复"规则，加上 差距/风险/下一步 模板。如果有人好奇，我很乐意深入探讨提示设计。源代码链接在下方评论中。