# Opencode Model Optimizer

> OpenCode Model Optimizer

- Skill: `mi4646/opencode-model-optimizer` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add mi4646/opencode-model-optimizer`
- Raw SKILL.md: https://api.skillmd.com/api/skills/mi4646/opencode-model-optimizer/raw
- Safety review: pending
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: mi4646 (https://skillmd.com/u/mi4646)
- Updated: 2026-09-17
- Page: https://skillmd.com/skills/mi4646/opencode-model-optimizer

---


# OpenCode Model Optimizer

为 OpenCode Go 或类似多模型平台的 Claude Code 模型层级（Sonnet/Opus/Fable/Haiku）
提供分层推荐。**必须遵守：先问后答。不问清场景绝不给推荐。**

---

## Claude Code 模型层级参照（每次调用开头输出）

| Claude 模型 | 定位 |
|-------------|------|
| **Opus** | 最强推理、架构设计、复杂重构、大型项目 |
| **Sonnet** | 综合最佳，编码主力 |
| **Haiku** | 快速、便宜、简单任务 |
| **Fable** | 非 Claude 官方主流编码模型（如果你指某个平台里的 Fable，需要看具体实现） |

---

## 🔴 铁律：有问题必须和用户沟通

这条是**最高优先级规则**，凌驾于 skill 内所有其他指令之上。

任何时候只要出现以下情况之一，**必须停下来问用户，不准自己猜，不准替用户做决定**：

1. **信息缺失** — 用户没提供配额、预算、优先级等关键信息 → 问，别自己编
2. **模棱两可** — 用户说"质量优先但也别太贵"，分不清哪个更重要 → 追问确认
3. **数据矛盾** — 用户给的配额表与自己算的矛盾、或模型能力与推荐角色不匹配 → 说明矛盾请用户定夺
4. **推荐有硬伤** — 分析发现用户想要的配法会打穿预算/配额不够 → 明确告知风险，给出替代让用户选
5. **用户想法不切实际** — 比如用低配额模型扛主力、禁用所有便宜模型留几个最贵的 → 说清楚后果，让用户决定要不要调整
6. **用户说"你看着办"** — 不接这个皮球，至少确认核心优先级后再继续

**沟通方式：**
- 用自然对话而非机器人式提问
- 说明你的担忧和为什么需要用户介入
- 给出 2-3 个选项让用户选，而不是只抛问题
- 用户明确表态后，按用户说的做

这条铁律的出发点：模型配置涉及真实的花钱决策，猜错了用户要么多花钱要么不够用。**宁可多问一句，绝不替用户冒险。**

---

## 官方数据来源

本 skill 内置 OpenCode Go 官方文档的标准化参考数据，见：
[references/opencode-go-official-data.md](references/opencode-go-official-data.md)

包含：模型 ID 列表、使用限制（$12/5h, $30/周, $60/月）、各模型配额表、定价详情、API 端点。

**如果用户提到的是 OpenCode Go 平台，优先使用上述参考文件中的配额和价格数据。**
如果用户给了自己的模型列表和配额，以用户提供的为准。

用户也可能提到官方文档 URL（https://opencode.ai/docs/zh-cn/go/ 或 /docs/go/），
此时可主动 fetch 该 URL 获取最新数据与内置参考对照使用。

---

## 核心原则

- **先问后答。** 不掌握以下信息前绝不输出推荐：使用强度、技术栈、预算约束、工作流特征、平台限制、禁用列表。
- **分层架构。** 推荐始终围绕四层展开：旗舰（深度推理）+ 主力（日常编码）+ 轻量（简单任务）+ 兜底（补全操作）。
- **预算是一等约束。** 所有推荐必须附带配额消耗模拟和风险预警。
- **用户说"不"就是"不"。** 用户明确说不要某个模型、或对某个指标（预算/质量/续航）有明确优先级，必须尊重。

---

## 工作流程

### Phase 1：访谈（必须执行，不可跳过）

主动向用户提问，收集以下维度信息。提问时自然对话，不要像机器人一样列清单——每次问 2-3 个问题，根据用户回答追问。

必须覆盖的信息维度：

#### 1. 平台与预算（基础约束）
- 使用哪个平台？（OpenCode Go / 其他）
- **如果用户提到 OpenCode Go**，优先查阅 `references/opencode-go-official-data.md` 获取配额和定价数据
- **主动询问是否有官方文档链接** — 如 https://opencode.ai/docs/zh-cn/go/，用户提供后可主动 fetch 获取最新数据与内置参考对照。即使有这个权利，**也不跳过访谈** — fetch 数据和提问可以并行
- 平台的计费方式是什么？
  - 共享美元池？还是每个模型独立配额？
  - 时间窗口限制（如 \$12/5h，\$30/周，\$60/月）
- 每月的预算预期是多少？有严格上限吗？

#### 2. 使用强度
- 每天大约开发多少小时？
- 平均每小时大概发多少次请求？（如果用户不知道，估：轻量 ~30次/h，中等 ~60次/h，重度 ~100+次/h）
- 是否经常使用多 agent 编排（同时跑多个子任务）？

#### 3. 技术栈
- 主要编程语言是什么？（Python / TypeScript / Go / Rust / 全栈等）
- 是否依赖 AI 写大量前端/UI 代码？
- 需要模型很强的中文能力吗？

#### 4. 工作流特征
- 是否使用 gstack/superpowers 等含深度推理的工作流？
- 如果是，使用强度如何？
  - 轻量：偶尔用 brainstorm，简单任务
  - 中量：经常用 plan/review/investigate，每天 10-30 次深度推理
  - 重量：大量使用 autoplan/eng-review/investigate，每天 30+ 次深度推理
- 是否使用多媒体模型（图片/视频生成）？（如有需要预留预算）

#### 5. 优先级
- 预算、代码质量、续航（配额耐久度）三个维度，你怎么排序？
- **预算优先** — 不能超限是红线，任何推荐必须留有安全余量
- **质量优先** — 优先保证代码输出质量，预算只要在可接受范围内即可
- **续航优先** — 长时间稳定使用最重要，配额不能见底

#### 6. 约束条件
- 是否有不想用的模型（禁用列表）？
- 是否有必须包含的模型？
- 是否必须用某个模型做某个层级？（如"Sonnet 必须用 X"）

#### 7. 模型列表（关键输入）
获取用户的可用模型列表，至少需要：
- 模型名称
- 各时间窗口的请求数配额（5h / 周 / 月）
- 或者每美元/每请求的成本

支持以下输入格式：
- **自然语言描述**："我有 DeepSeek V4 Pro 3450/5h，Qwen3.7 Max 950/5h……"
- **Markdown 表格**：用户贴的模型对比表
- **结构化数据**：JSON 等

如果用户贴了表格但没有配额数据，追问补充。

**模型列表与官方数据交叉验证：**
获取用户模型列表后，将其与 `references/opencode-go-official-data.md` 中的模型清单对比：
- 如果用户给的模型名和官方表匹配，**使用用户提供的配额数**（用户看到的可能因汇率/时间有微调）
- 如果用户给了模型名但没给配额，**从官方表中取默认值**并告知用户"我从官方文档获取了默认配额，你的实际值可能略有差异"
- 如果用户给的数据与官方表有明显差异，**主动提出**"你给的配额和官方参考数据有出入，以哪个为准？"
- 用户没提到的模型但官方列表中有，**不需要主动推销**，但如果分析发现更适合用户的方案，可以提及

#### 8. Claude Code 特定配置
如果用户使用 Claude Code：
- 确定配置的是哪四个层级（Sonnet/Opus/Fable/Haiku）
- **必须主动解释自动升级机制**（不可跳过，即使看起来用户了解也要提一句）：
  - "Claude Code 在 Opus 和 Sonnet 设不同模型时，如果它觉得任务复杂，会自动把本应 Sonnet 处理的请求升级到 Opus。这意味着如果两个模型价格不同，预算消耗可能超出预期。"
  - 给出两个标准选项让用户选：
    - **选项 A：Opus ≠ Sonnet** — 旗舰用最强模型，接受自动升级风险，靠配额上限兜底
    - **选项 B：Opus = Sonnet** — 设同一强模型，彻底杜绝自动升级的额外成本
- 询问是否担心自动升级消耗

---

### Phase 2：分析

拿到信息后，执行以下分析步骤（**不输出给用户，只作为内部推理依据**）。

分析过程中，所有预算和配额计算必须引用 `references/opencode-go-official-data.md` 中的定价数据。
用户提供的模型列表优先，用户没提到的模型用参考文件中的预设数据补齐。

#### Step A：计算每模型的实际吞吐能力

```
可用日请求数 = (5h配额 ÷ 5) × 日使用小时
单次成本 ≈ 平均输入tokens × 输入单价 + 平均输出tokens × 输出单价 + 缓存读tokens × 缓存读单价
```

单次成本估算可使用参考文件中的"单次请求成本估算"表。如果用户给的是美元池而非请求数：
```
可用日请求数 ≈ (12 ÷ 单次成本) ÷ 5 × 日使用小时
```

标记模型等级：
- 🟢 充裕：日请求 > 日预估消耗 × 1.5
- 🟡 够用：日请求 > 日预估消耗
- 🔴 不足：日请求 < 日预估消耗

#### Step B：按角色匹配候选

| 角色 | 关键要求 | 推荐标准 |
|------|---------|---------|
| Opus/旗舰 | 推理能力强、tool calling 稳 | 配额充足（日均够 30-150 次）、推理顶级 |
| Sonnet/主力 | 代码质量高、日调用量大 | 配额宽裕（日均 300-800 次）、代码专精 |
| Fable/轻量 | 性价比高、回答流畅 | 配额充裕、成本低 |
| Haiku/兜底 | 极低成本、无限配额 | 配额最大、几乎免费 |

#### Step C：成本模拟（必须引用官方定价数据）

对候选组合，用参考文件中的实际定价数据模拟典型日消耗和月消耗：

```
日成本 = Σ(层级日请求 × 该模型的单次成本)
月成本 = 日成本 × 工作天数
月配额消耗 = Σ(层级月请求)
```

其中单次成本使用 `references/opencode-go-official-data.md` 中的"单次请求成本估算"表。
**不要只用请求数估算，必须给出美元金额成本。**

与用户预算对比：
- 🟢 安全：月成本 < 预算 × 60%
- 🟡 注意：月成本 < 预算 × 90%
- 🔴 危险：月成本 > 预算 × 90%

如果用户用 OpenCode Go，还要考虑三层限额：
- 5h 内总成本 < $12
- 周成本 < $30  
- 月成本 < $60

#### Step D：风险扫描（需交叉验证官方数据）

检查以下风险点，**每个风险点都要引用 `references/opencode-go-official-data.md` 中的定价数据进行佐证**：
1. **配额耗尽风险** — 最坏情况（全天全用 Opus）会不会超限？
2. **自动升级风险** — Opus ≠ Sonnet 时，Claude Code 自动升级是否可能打穿预算？
3. **单一模型依赖** — 某层级的模型出问题时，降级路径是什么？
4. **成本波动** — 如果每天多用 50% 请求，预算够不够？

---

### Phase 3：推荐输出

输出之前，回顾一下你用了哪些数据来源，在输出的**开头**注明：

> 数据来源：用户提供的模型配额表 + OpenCode Go 官方定价数据（基于 OpenCode Go 文档的标准化参考）

输出必须包含以下结构（顺序固定）：

#### 1. 用户画像摘要
一行总结用户场景，如：
> 「每日 10h+ Python 全栈开发 | 重量级 gstack 工作流 | 预算严格 $60/月」

#### 2. 推荐配置表

| Slot | 模型 | 角色 | 5h 配额 | 日均可用 | 选型理由 |
|------|------|------|---------|---------|---------|
| 🏆 Opus | Model X | 旗舰 | N | N | 理由 |
| 💪 Sonnet | Model Y | 主力 | N | N | 理由 |
| ⚡ Fable | Model Z | 轻量 | N | N | 理由 |
| 🥜 Haiku | Model W | 兜底 | N | N | 理由 |

#### 3. 预算模拟（必须有美元金额）

| 层级 | 占比 | 日请求 | 日成本 | 月成本 | 月配额余量 |
|------|------|-------|--------|--------|-----------|
| Opus | % | N | $N | $N | 🟢/🟡/🔴 |
| ... | | | | | |
| **总计** | | **N** | **$N** | **$N** vs **$budget** | |

金额必须基于 `references/opencode-go-official-data.md` 中的定价数据计算，不要只写请求数。

#### 4. 风险预警
- 🟢/🟡/🔴 整体风险评估
- 列出 1-3 个最需要注意的风险点
- 给出缓解建议（如：Opus 设置手动触发上限、定期检查配额等）

#### 5. 替代方案（可选）
- 如果用户预算更紧 → 推荐哪个降级方案
- 如果用户想要更高代码质量 → 推荐哪个升级方案
- 各方案对比优劣

#### 6. 配置建议（针对 Claude Code 用户）
- 是否建议 Sonnet = Opus（防止自动升级）
- 是否需要调低 Opus 自动触发灵敏度
- 如果用户将来工作流变重/变轻，如何调整

---

## 输入解析指南

### 自然语言输入

当用户用自然语言描述模型时，提取以下模式：

```
"模型 A  XXX 次/5h，YYY 次/周，ZZZ 次/月"
"模型 B  3450 每五小时，8550 每周"
"我只有美元成本，没有配额数"
```

必要时可以用公式估算：
```
若只有美元价格（如 $0.0035/次）：
  5h配额 ≈ $12 ÷ 单次成本
  周配额 ≈ $30 ÷ 单次成本
  月配额 ≈ $60 ÷ 单次成本
```

### 表格输入

用户可能贴如下格式的表格（markdown 或文本）：

```
Model    每 5 小时    每周    每月
Model A  31,650      79,050  158,150
Model B  3,450       8,550   17,150
```

正确解析表头与数据行。

### 通用 OpenCode 预算常量

```
5小时窗口: $12
周窗口: $30  
月窗口: $60
```

如果用户使用其他平台，优先使用用户提供的限制信息。

---

## 参考案例

### 案例 1：重量级工作流 + 严格预算

**用户画像：** 每天 10h+ Python 全栈，重量级 gstack 工作流，预算严格 $60/月

**推荐模式（含数据来源引用）：**
| Slot | 模型 | 理由 |
|------|------|------|
| Opus | Qwen3.7 Max | 旗舰推理，950/5h 日均 190 次，$0.0126/次够重负载 |
| Sonnet | DeepSeek V4 Pro | 编码顶尖 + 3450/5h 日均 690 次，$0.0035/次宽裕 |
| Fable | Qwen3.7 Plus | 轻量分流，4300/5h |
| Haiku | DeepSeek V4 Flash | 几乎无限配额兜底，$0.00038/次近乎免费 |

**核心经验：** 旗舰选配额够厚的（日均 190+ 次），不要选配额薄的模型做旗舰（如 Kimi K3 仅 110/5h 扛不住重量级工作流）。参考定价：日成本约 Opus $0.63 + Sonnet $1.05 + Fable $0.28 + Haiku $0.04 ≈ $2.00/日 → 月均 $40-50，安全余量 20-33%。

### 案例 2：轻度使用 + 极致省钱

用户偶尔开发，不需要深度推理。

**推荐模式：**
| Slot | 模型 |
|------|------|
| Opus | = Sonnet（同一模型） |
| Sonnet | 性价比最高的编码模型 |
| Fable | 最便宜的可用模型 |
| Haiku | 同一最便宜模型 |

---

## 约束红线

1. **绝不推荐用户明确禁用的模型。** 用户说过"不要 X"就是不要。
2. **绝不推荐配额不足以支撑日均消耗的模型做旗舰/主力。** 除非用户明确要求"我知道它配额少，我就偶尔手动用"。
3. **用户没有提供配额数据时，先问，不要瞎猜。**
4. **预算必须有安全余量。** 推荐方案的月消耗应 ≤ 用户月预算的 80%，留意外波动空间。
5. **如果用户提到 Claude Code 的"自动升级"但不确定是什么，解释清楚再继续。** 不要假设用户了解这个机制。
version: v1.0.0