agentsop-cost-tiered-models
Split a multi-call LM workflow by cognitive load, not by accuracy: let one strong model make the few reasoning decisions and a cheap model do the many mechanical executions (Aider architect+editor, DSPy optimizer-LM vs task-LM, vLLM speculative draft+target, LangGraph supervisor+worker are the same shape). Use when designing or cost-optimizing a pipeline that calls an LM many times, when deciding which steps need a strong reasoner vs a cheap executor, or when adding an escalation valve for when the cheap tier degrades. Search keywords: reduce LLM cost, cheaper model, lower token cost, model ca
npx skills add agentsope/SkillAlchemy --skill agentsop-cost-tiered-models --agent claude-code
Same command for any agent — swap --agent for codex, cursor, copilot.
Weekly change comes from our own snapshots, not the repository page — it measures attention, not adoption.
# Cost-aware Model/Role Split — "强推理者 + 廉价执行者" > 一句话：一条多次调用 LM 的工作流里，**少数调用需要推理，多数调用是机械执行**。让一个强模型做决策，让一个便宜模型干活——按认知负荷拆分，不是按"哪个更准"拆分。 > **统一声明**：Phase B 发现这个模式在 4 个 SOP 里以 4 个名字反复出现——DSPy 的 optimizer-LM vs task-LM、Aider 的 architect+editor、vLLM 的 speculative draft+target、LangGraph 的 supervisor+worker。它们是**同一个形状**。本技能把这个形状抽出来，命名为 cost-tiered models。详见 §7 跨框架对照。 --- ## 1. 何时激活 (When to activate) 任一情形成立时激活本技能： - 工作流会**对 LM 发起多次调用**，且这些调用**认知负荷不均**——有的需要规划/推理/判断，有的只是改写、抽取、格式化、应用一个已定好的决定。 - 你正在为一条 LM 流水线**选模型**，并且默认想"全程用同一个最强模型"——这是本技能要挑战的反射。 - 你有一个**强 reasoner 但执行差**的模型（典型：o1/o3 推理强但编辑代码格式脏），需要给它配一个干净的执行者。 - 你在**成本/延迟压力**下，想知道哪些调用可以降级到便宜模型而不掉质量。 - 你在设计 **agent 编排**（supervisor 路由 + worker 执行），或 **推理加速**（speculative draft + target verify），意识到这和上面是同一个决策。 **不应激活**（见 §6）： - 单次调用、无内部步骤的工作流——没有可拆分的角色。 - 微型工作流（2–3 次调用、总成本可忽略）——拆分的协调开销 > 节省。 - 质量是唯一目标、成本无关紧要的场景——直接全程用最强模型。 --- ## 2. 核心心智模型 (Core Mental Model) **按认知负荷拆分：一个强模型做决策，一个便宜模型执行——而且绝大多数调用是执行。** ### 2.1 两层，不是一层 绝大多数团队的默认是"全程一个模型"。这把两种本质不同的工作混在了一个价位上： | 层 | 工作性质 | 调用频率 | 模型要求 | 选谁 | |---|---|---|---|---| | **Tier-S（决策层）** | 规划、推理、路由、判断、提案 | **少**（每任务 1–N 次） | 推理强；执行干不干净不重要 | 最强 reasoner | | **Tier-E（执行层）** | 改写、抽取、格式化、应用决定、生成草稿 | **多**（占总调
- 1. 何时激活 (When to activate)
- 2. 核心心智模型 (Core Mental Model)
- 2.1 两层，不是一层
- 2.2 为什么"强 reasoner 执行差"是常态而非例外
- 2.3 三种省钱方向，同一个形状
- 2.4 升级阀门（escalation valve）
- 3. SOP 工作流 (SOP Workflow)
- 4. 操作模型 (Operation Model)
- OP-1: Role-tier mapping（角色→层映射）
- OP-2: The architect+editor recipe（架构师+编辑者配方）
- OP-3: Fallback-escalation（回退-升级阀门）
- OP-4: Format-by-tier（按层选输出格式）
- OP-5: Cheap-optimizer / expensive-task（廉价优化器 + 昂贵任务模型）
- OP-6: Distill-after-split（拆分后蒸馏）
What does the agentsop-cost-tiered-models skill do?
Split a multi-call LM workflow by cognitive load, not by accuracy: let one strong model make the few reasoning decisions and a cheap model do the many mechanical executions (Aider architect+editor, DSPy optimizer-LM vs task-LM, vLLM speculative draft+target, LangGraph supervisor+worker are the same shape). Use when designing or cost-optimizing a pipeline that calls an LM many times, when deciding which steps need a strong reasoner vs a cheap executor, or when adding an escalation valve for when the cheap tier degrades. Search keywords: reduce LLM cost, cheaper model, lower token cost, model ca
How do I install it?
Run `npx skills add agentsope/SkillAlchemy --skill agentsop-cost-tiered-models --agent claude-code` — it drops the skill into your project so the agent can pick it up. Swap the --agent value for codex, cursor or copilot if you use one of those.
Where does this skill come from?
From agentsope/SkillAlchemy, a repository with 255 stars. We read it straight from the repository tree rather than a submitted listing, so what you see here is what is actually published.
Is a popular skill a good skill?
Not necessarily. Stars measure attention, not adoption — a repository can trend for a week and be abandoned. That is why we show the weekly change from our own snapshots next to the total, instead of a single flattering number.