Claude 的「顾问策略」：让便宜模型遇到难题时自动请教贵模型

Anthropic 前几天发了一篇官方博客，核心就一句话：让便宜模型跑日常任务，只在遇到难题时请教贵模型。这个思路叫「顾问策略」（Advisor Strategy），效果出乎意料地好，而且普通人在现有的智能体平台里就能实现。

先说这个策略到底在做什么。

传统做法是拿最强的模型跑所有任务。但最强的模型又贵又慢。比如，Claude 系列模型分成三档，分别是最贵的 Opus、中等的 Sonnet 和最便宜的 Haiku。让 Claude Opus 帮你做一个简单的文件整理，就像请一个年薪百万的顾问帮你收拾桌面，能做，但太浪费了。

还有一种常见做法叫「大脑指挥，小兵干活」。用一个强模型当总指挥，把任务拆成小块，派给便宜模型去执行。这种模式在很多 Agent 框架里都能看到。

Anthropic 的顾问策略反过来了。让便宜模型全程当主力干活，只有遇到搞不定的问题时，才去请教贵模型。

具体来说，Sonnet（或者更便宜的 Haiku）作为「执行者」，负责跑主循环、调用工具、读取结果、一步步推进任务。当它遇到一个自己拿不准的决策，就把上下文打包发给 Opus，也就是「顾问」。Opus 看到的是跟执行者完全一样的上下文，对话历史、工具调用记录，全都能看到。但 Opus 不会自己去调工具，也不会直接产出面向用户的内容，它只做一件事：给执行者提建议。比如一个行动计划，或者帮小模型纠正方向。建议给完，执行者接着干。

效果怎么样？Anthropic 给了实测数据。

Sonnet 加上 Opus 顾问，在 SWE-bench Multilingual 编程测试上比 Sonnet 单跑高出 2.7 个百分点，同时每个任务的成本反而降了 11.9%。性能提升的同时还省了钱。这是因为，Opus 每次只生成一段简短的建议，通常 400 到 700 个 token，大部分工作还是 Sonnet 在做。另一方面，有了 Opus 的指导，Sonnet 少走弯路、减少无效重试，总 token 消耗反而更低了。

更夸张的是 Haiku 那组。Haiku 单独跑 BrowseComp 网页搜索测试，得分 19.7%。加上 Opus 顾问之后，直接飙到 41.2%，翻了一倍多。而这个组合的成本，只有 Sonnet 单独跑的 15%。

也就是说，大部分时候，便宜模型就够用了。但在关键节点让最强模型把一下关，整体效果就能大幅拉升。你把它理解成给你的智能体装了一部「电话」就行。平时自己干活，遇到拿不准的事，拿起电话打给一个更资深的专家问一下，问完继续干。

那普通人怎么实现这个？

如果你是开发者，或者会 AI 编程，Anthropic 在 API 层面已经提供了一个原生的 advisor tool，开发者在调用 Messages API 时加一行配置就能用。

但是，大部分人用的是扣子、Dify 这类智能体搭建平台，或者 Claude Code、Trae、GitHub Copilot 这类 AI 编程工具。这些平台有一个共同的限制，运行任何指令的时候，都只能固定选一个模型。没有一个选项叫「平时用 Sonnet，遇到困难自动切 Opus」。

怎么办？

思路其实很简单：在智能体里面再嵌套一层调用，让它在需要的时候自己去请求另一个模型。

我在成长圈里给大家分享过一个 Skill，叫 invoking-llm。它的作用就是让你的智能体在执行过程中，随时可以调用任意一个大模型的 API。你的智能体主体跑的是 Sonnet，当它碰到一个特别复杂的推理问题或者关键决策，就可以通过这个 Skill 临时去调一次 Opus 或者 o3，拿到结果之后继续按原来的流程走。