| name | model-selection-advisor |
| description | 根据任务类型、时延、成本、稳定性和风险容忍度选择模型策略。适用于决定单模型、路由或 fallback 方案的场景。 |
| type | interactive |
| best_for | ["选模型方案","平衡质量、时延和成本","决定是否需要路由和 fallback"] |
| scenarios | ["为 AI 会议纪要功能选模型","我们该用单模型还是路由策略"] |
Purpose / 用途
推荐一个和产品目标匹配的模型策略，而不是凭 hype 或 demo 效果拍脑袋。
Key Concepts / 核心概念
模型选择通常取决于：
- 任务复杂度
- latency 容忍度
- 成本约束
- 质量门槛
- 出错代价
Strategic Rule / 策略规则
模型选择不是“找最强模型”，而是“为当前任务买到足够可靠的能力”。
优先判断这 3 件事：
- 这个任务的失败代价，决定你该为质量付多少钱
- 这个任务的调用规模，决定你能不能长期承受当前方案
- 这个任务的分布是否稳定，决定你需不需要路由和 fallback
Disconfirming Checks / 反证检查
在推荐更复杂策略前，先检查：
- 是不是 prompt、上下文工程或输出约束没做好，而不是模型本身不够强
- 是不是任务被错误地合并成一个大任务，导致看起来必须上大模型
- 是不是只有少量高风险 case 需要强模型，而不是全量请求都需要
Application / 用法
最多问 5 个短问题：
- 模型要完成什么任务
- 错误输出的代价多高
- 可接受时延是多少
- 成本约束是什么
- 是否需要路由或 fallback
输出：
## Model Strategy Recommendation
### Recommended Approach
[单模型 / 路由 / fallback / hybrid]
### Why It Fits
- [原因]
### Why Not The Simpler Option
- [为什么不能更简单]
### Why Not The Stronger Option
- [为什么不用更重的方案]
### Operational Notes
- [时延]
- [成本]
- [稳定性]
### What To Validate Next
- [下一步验证项]
Examples / 示例
好：
- “复杂总结用强模型，短分类任务路由到更快更便宜的模型。”
差：
Common Pitfalls / 常见误区
- 只看 demo 效果
- 忽略规模化成本
- 忘记 fallback
- 把 prompt 问题、系统设计问题误判成模型能力问题
- 在没有分布分层的情况下过早上路由
References / 关联项
../llm-evaluation-plan/SKILL.md../ai-feature-brief/SKILL.md
