AI按需智能：实习生执行+总监指导的新竞争维度
真的想隔空喊Anthropic别再卷了，他们又双叒叕推出新功能了：
Advisor策略已纳入Claude的API工具库，当Sonnet或Haiku在运行中遇到难题时，会向Opus咨询解决方案，随后继续运行，所有操作都在一次API请求内完成。
说实话，这种做法在开发者社区里一点都不新鲜，很多（预算有限的）开发者在自己的工作流中就是这么操作的：用低成本模型处理简单任务，仅在需要深度推理时才调用高价模型，只是需要手动切换模型。如今Anthropic将这个「经济型」工作流产品化，变成了一行代码就能启用的官方功能。
「实习生」执行任务，「总监」提供指导
在常规的AI agent架构中，常见的做法是让最强的模型担任指挥，将任务拆解成小块，分配给低成本模型执行。强模型在上层管理，弱模型在下层执行，呈现自上而下的结构。
而Anthropic的advisor策略却反其道而行之，让弱模型作为主力，强模型充当顾问。
具体来说，Sonnet（或更便宜的Haiku）作为「执行者」全程处理任务——调用工具、读取结果、迭代操作。当它遇到自己不确定的决策点时，比如代码架构的选择，用方案A还是方案B？它不会盲目猜测，而是主动发起一次「举手提问」的tool call，把当前上下文和具体问题发送给Opus。
Opus作为「顾问」查看后，不会直接参与执行，不编写代码也不修改逻辑，仅返回简短建议（通常400-700个token）：「选择方案A，原因是XYZ，注意Z部分。」Sonnet收到建议后继续执行。整个过程对用户不可见。
换个通俗的比喻：这就像实习生工作时遇到难题，举手向总监请教。总监指明方向后，实习生继续工作。总监按总监的薪资标准计费（Opus价格），但只说了几句话，所以费用不高；实习生全程工作（Sonnet/Haiku价格），但单价较低，因此总成本很低。
Anthropic自身的测试数据显示：
- Sonnet+Opus advisor在SWE-bench Multilingual上的表现比单独使用Sonnet高2.7个百分点，同时成本降低11.9%；- Haiku+Opus advisor在BrowseComp上得分41.2%，是单独使用Haiku（19.7%）的两倍多，但成本仅为Sonnet的15%；- Bolt的CEO评价：「复杂任务的架构决策明显更优，简单任务完全没有额外开销」；- Eve Legal的机器学习工程师表示：「在结构化文档提取任务中，Haiku通过advisor动态提升智能，达到前沿模型质量，成本降低5倍」。
即使是实习生也不能太笨拙
这个模式有一个容易被忽视的前提：实习生必须足够聪明，能准确判断自己何时能力不足。
这本质上是advisor功能的核心支撑，是整个功能能运作的前提。一个真正能力差的模型，根本不知道自己不懂，还可能自信地选择错误方案，无知者无畏。这种情况下不会触发advisor调用，比直接用差模型全程运行更危险：由于对话仅在模型间进行，不会推送给用户，你以为Opus掌控全局无需担心，实际上它从未被调用过。
这就是为什么Anthropic的advisor工具目前只支持Sonnet和Haiku作为执行者，而非任意模型。这两个模型在Claude家族内部经过充分训练，知道何时该求助、何时能独立完成。
这个策略的好处很明显：降低用户门槛，无需懂工程就能采用最佳实践。但它也有一个微妙的副作用：省了钱，但没有完全省到位。
当开发者自己搭建模型路由时，可以自由组合任何公司的模型：用DeepSeek做筛选，用GPT-5做推理，用Gemini做摘要，哪家便宜用哪家。这是一种开放、完全自主设计、跨平台的省钱策略。
但advisor工具仅支持Claude家族内部的模型，执行者必须是「嫡系」的Sonnet或Haiku，顾问必须是Opus。不能用GPT当顾问，也不能用Gemini当执行者。
理论上任何模型都可以通过tool call调用另一个模型，Anthropic这样做完全出于产品策略。
既然思路并非原创，自己动手做一个类似的，组合不同模型可行吗？Advisor工具是模型间有交互的场景，假设希望DeepSeek作为主力，遇到难题时把上下文发给Claude咨询建议，Claude返回后DeepSeek继续执行，可能会出现几个问题：
- 输出格式：Claude返回建议时的结构化方式（比如用XML标签包裹计划步骤），DeepSeek不一定能准确解析和遵循。嫡系模型之间的格式是对齐的。
-「语言」差异：每个模型有自己偏好的思考和表达方式。Opus给Sonnet的建议，措辞和逻辑结构是Sonnet最容易理解和执行的。Claude给DeepSeek的建议，DeepSeek能读懂，但执行精准度会打折扣——就像英语母语者给英语很好但非母语的人下指令，大部分情况没问题，但在细微之处会有理解偏差。
- tool use格式不兼容：不同厂商的function calling格式有细微差异。Claude的tool use和DeepSeek的tool use在JSON schema、参数传递方式上不完全相同。跨厂商构建agent链路时，中间的格式转换是个难题。
使用官方原生功能自然最好，但一旦工作流加入advisor，就意味着被锁定在Claude生态中。这是一个精妙的商业设计，Anthropic没有阻止用户省钱，显然还帮用户省钱，但它把「省钱」这个行为本身用作加固平台黏性的手段。
那性价比真的高吗？毕竟，DeepSeek再怎么说花的也是人民币，Claude烧的可是美金啊。
社区先实现，Anthropic只是加了个按钮
Advisor的思路并不新鲜，更像是Anthropic把已存在的实践包装成官方产品。
开发者社区中最常见的省钱技巧就是「模型路由」（model routing）：用低成本模型处理简单任务（分类、摘要、格式化），仅在需要深度推理时调用高价模型，有大量开源项目实现这种模式。
现在我们常用的很多功能，都曾是开发者社区手动组装的：如今各家AI几乎标配的「Project」项目空间，曾是开发者在API层面手动拼接system prompt+文档上下文，所有内容围绕一个项目；Artifacts的雏形也是开发者用Claude/GPT/Gemini生成HTML/React组件，然后手动粘贴到预览器运行，现在这个功能也能在各家终端实现。
最近的一次是Anthropic推出Dispatch（手机遥控桌面）和Channels（IM集成），这就是Claude自己的OpenClaw，随后却转头「卸磨杀驴」，禁用了OpenClaw。
从产品策略来看，刚发布的Advisor策略反映出在算力紧张的情况下，性价比不仅是用户的追求，也是企业的痛点，是AI定价模式的一大趋势。
常规的AI定价很简单，选一个模型，按token付费：要顶级质量就用Opus，要便宜就用Haiku，选定后就是固定价格。本质上是在卖「算力时间」，即购买了多少token的处理能力。
Advisor模式更灵活，不再选择固定的智能级别，而是让系统根据任务复杂度动态分配智能，厂商也能更灵活地分配算力资源。
对最终用户而言，这是好事：不用为仅需2分难度的任务，支付需要深度推理的100%Opus价格。但对AI企业来说，这也意味着新的竞争维度，不再只是单一的参数、价格比拼，而是转向智能性价比的竞争。
本文来自微信公众号“APPSO”，作者：Selina，编辑：李超凡，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com