| name | roteamento-modelos |
| description | Use para escolher o modelo de IA por custo/tarefa no agente ROM — desonerar e acelerar sem perder qualidade. Escalona tarefas operacionais para modelos baratos (Haiku) e reserva os premium (Opus) para o julgamento jurídico; trava de qualidade impede rebaixar tarefas críticas; teto de custo por sessão. Trigger: 'qual modelo usar', 'reduzir custo', 'ficou caro', 'tarefa operacional', 'roteamento de modelos', 'orçamento de tokens'. |
Roteamento de modelos por custo (sem perder qualidade)
Princípio: o custo de um erro jurídico (admissibilidade errada, citação alucinada) supera de longe a economia de tokens. Por isso o cost-cutting só vale para o operacional; o julgamento jurídico permanece premium.
Escalonamento (política em ${CLAUDE_SKILL_DIR}/politica-modelos.json)
- Haiku ($1/$5) — operacional/alto volume: inventário de autos, triagem, formatação, anotação, roteamento.
- Sonnet ($3/$15) — intermediário: leitura estruturada, extração, jurimetria (interpretação), redação de apoio, RAG.
- Opus ($5/$25) — crítico: diagnóstico de admissibilidade, redação final de recurso, auditoria adversarial, pré-protocolo.
- Modelo aberto no Bedrock — só para o puramente mecânico, se a qualidade se mantiver (confirmar).
Trava de qualidade
As tarefas em criticas_nunca_rebaixar NÃO podem ser movidas para um tier mais barato. roteador.py escolher --forcar haiku numa tarefa crítica é bloqueado (exit 2). Subir de tier é permitido.
Alavancas de custo (usar antes de cortar qualidade)
- Cache de contexto (−90%) no que se repete: constituição ROM, súmulas, jurisprudência fixa.
- Batch (−50%) para o não urgente (jurimetria em lote, leitura de muitos acórdãos).
- Haiku no operacional; Sonnet como padrão; Opus só no crítico.
- Effort/adaptive thinking do Opus 4.8 (low/high/xhigh/max) calibrado à dificuldade.
Uso
roteador.py escolher --tarefa <nome> → modelo recomendado + tier.roteador.py custo --modelo <tier> --in <Mtok> --out <Mtok> [--batch] → estimativa.roteador.py registrar ... / status → ledger de gasto por sessão com teto e alerta.
Mapeamento de subagentes ao tier consta no frontmatter model: de cada um (agents/). Não existe API permanentemente gratuita da Anthropic; "gratuito/mais barato" = Haiku + batch + cache + (se preciso) modelo aberto no Bedrock para o mecânico.
