简诗 AI 模型推荐

在 VS Code 的 Copilot Chat Modes 或 Prompt 文件里写任务，模型往往只有一个 model: 字段，写错了要么能力不匹配，要么订阅额度被悄悄消耗。这份配置要面对三类约束：任务的真实难度、文件声明的工具能力，以及订阅层级下 0x/1x/10x 模型的成本差异。手动试错的代价不低，尤其是 Pro 层每月只有 1000 次高级模型调用。

核心机制

技能以单个文件路径为输入，可选参数包括订阅层级与优化优先级。处理流程分为几个阶段：

• 文件解析：读取 .agent.md 或 .prompt.md，提取 frontmatter 中的 description、mode、tools 与现有 model 字段，再对正文做内容分析，判定任务复杂度、推理深度、代码生成需求、多轮对话要求与上下文窗口需求。
• 任务分类：将内容归入 8 类之一——简单重复、代码生成、复杂重构与架构、调试排错、规划研究、代码审查、专业领域任务、高级推理与多步工作流。分类结果直接决定后续模型评估的基线。
• 能力提取：根据 frontmatter 工具列表反推所需模型能力。context7/*、sequential-thinking/* 这类高级工具指向复杂推理模型；只读工具如 search、fetch 可用轻量模型；涉及图像分析的引用需要视觉能力。
• 模型评估：对照 13 个可用模型的能力矩阵做匹配，覆盖 GPT-4.1、GPT-5 系列、Claude Sonnet 与 Opus 系列、Gemini 2.5 Pro、Grok Code Fast 1 等。每个推荐都附带乘数成本说明，明确这笔调用会消耗免费额度还是当月 1000/5000 的高级配额。
• 决策生成：给出唯一首选推荐及 1-2 个备选方案，说明各自的取舍场景。当任务适合自动选模型时，会解释 Copilot 自动选择的限制（排除 >1x 的 premium 模型），以及何时手动指定更划算。
• 集成指导：产出可直接粘贴的 frontmatter YAML 更新示例，包含 ## 摘要、## 分析、## 建议 与 ## 实现 四个结构化章节。

关键注意点

订阅层级是硬约束。Free 层只能用 0x 模型（GPT-4.1、GPT-5 mini、Grok Code Fast 1）；Pro 层需要在无限 0x 与每月 1000 次 1x 之间权衡；Pro+ 层每月有 5000 次 1x 额度，10x 的 Claude Opus 4.1 只在超大代码库或架构评审这类场景才值得破例。

已弃用模型会被主动标记。如果文件当前指向 o3、o4-mini 或 Gemini 2.0 Flash，技能会给出迁移路径和时间线，例如 o3 于 2025-10-23 弃用。

模型能力与工具声明需要对齐。选了 GPT-5 Codex 但文件里引用了图像，或工具列表含 context7/* 却配了 GPT-5 mini，都会被校验指出。对当前模型文档不确定时，技能会通过 Context7 拉取最新能力信息再作判断。

输入有明确边界：路径必须有效且文件类型为 .agent.md 或 .prompt.md。若从内容无法判定任务复杂度，流程会停下来请求更具体的文件，而不是猜测。