Anthropic 在 Claude API 工具箱里加入了 Advisor 策略。核心思路很简单：让便宜的模型（Sonnet/Haiku）跑全程，遇到拿不准的决策点时，自动咨询最强的模型（Opus），拿到建议后继续干活。整个过程在一次 API 请求中完成。

它解决了什么问题

以往用 AI Agent 的常见困境：全程用 Opus 太贵，全程用 Sonnet 遇到复杂决策容易出错。自己搭模型路由需要写额外工程逻辑，还得处理格式兼容。

Advisor 把这个"穷人版省钱工作流"变成了官方功能，一行代码开启。

工作原理

用一个类比说清楚：实习生干活，总监指点。

1. Sonnet（或 Haiku）作为执行者，全程跑任务 -- 调用工具、读取结果、迭代处理
2. 跑到决策拿不准时，Sonnet 主动发起一次 tool call，把当前上下文和具体问题发给 Opus
3. Opus 只返回一段简短建议（通常 400-700 个 token），不参与执行
4. Sonnet 收到建议，继续干活

整个过程对用户不可见，你只看到最终结果。

性能数据

Anthropic 公布的测试结果：

来自实际用户的反馈：

• Bolt CEO："复杂任务上架构决策明显更好，简单任务完全没有额外开销"
• Eve Legal ML 工程师："结构化文档提取任务上，Haiku 通过 advisor 达到了前沿模型质量，成本降 5 倍"

使用前提

Advisor 能工作的关键是：执行模型必须"知道自己什么时候不行"。

一个差的模型可能自信满满地选了错误方案，根本不会触发 advisor 调用。这时候你以为 Opus 在把控全局，实际上它从来没被叫到过。

这就是为什么目前 advisor 只支持 Sonnet 和 Haiku 作为执行者 -- 这两个模型经过训练，知道什么时候该举手提问。

需要注意的限制

生态锁定：Advisor 只支持 Claude 家族内部模型。执行者必须是 Sonnet 或 Haiku，顾问必须是 Opus。你不能用 GPT 当顾问，也不能用 Gemini 当执行者。

格式兼容性：Opus 给 Sonnet 的建议用的是 Sonnet 最容易理解和执行的格式。如果跨厂商混搭，执行精准度会打折扣 -- 就像母语者给外语很好的人下指令，大部分没问题，微妙处会有偏差。

性价比权衡：虽然帮你省钱，但花的还是美元。如果你的场景主要用国内模型，DeepSeek 的成本优势依然明显。

与自建模型路由的区别

开发者社区很早就在做"模型路由"：便宜模型处理简单任务，贵模型处理复杂任务。区别在于：

如果你已经在用 Claude API 并且追求性价比，Advisor 是最省心的选择。如果你需要跨厂商组合或完全掌控路由逻辑，自建方案更合适。

定价模式的趋势

Advisor 反映了一个更大的趋势：AI 定价从"按固定智能级别付费"转向"按任务复杂度动态分配智能"。你不再需要为简单任务付 100% 的 Opus 价格，系统会根据实际需求自动调节。

对于开发者来说，这意味着在保证质量的前提下，API 调用成本有了实质性的下降空间。