外观
第 6 章 · 模型与供应商
工具与 Prompt 决定你能把任务交代得多清楚，模型决定 AI 能把任务完成到多好。本章讲透模型与供应商：它们是什么、如何配置切换、以及怎样在质量、速度、成本之间做聪明的取舍。
本章包含 5 个知识点：
- 模型与供应商：概念与三者关系
- 模型的关键差异：能力、速度、成本、窗口
- 查看、切换与收藏模型
- 供应商与凭证配置
- 按任务选型：质量 / 速度 / 成本的权衡
知识点 1：模型与供应商：概念与三者关系
① 定位
这是模型层的起点。很多人把「OpenCode、模型、供应商」混为一谈，导致答得差时乱换工具、或想换模型却找不到入口。先把概念分清，后面一切操作才有坐标。
② 是什么（What）
- 模型（Model）：真正做推理的大语言模型，例如某品牌的编程模型、通用模型等。它决定回答的「智力上限」。
- 供应商（Provider）：提供模型 API 访问服务的一方。一个供应商可能提供多个模型；同一个模型也可能由不同渠道提供。
- OpenCode：调用这些模型 API 的客户端（你正在用的 TUI）。它本身不生产智能，只负责把上下文送给模型、把回答与工具调用接回来。
三者关系一句话：供应商是「渠道」，模型是「大脑」，OpenCode 是「驾驶舱」。 你在驾驶舱里，通过某个供应商的渠道，选用某个大脑来工作。
还需要理解两个常见术语：
- 变体（Variant）：同一模型的不同版本 / 形态（可按
Ctrl+T循环切换）； - 上下文窗口：模型一次能处理的文本长度（第 3 章已讲，是选型的重要维度）。
③ 怎么做（How）
- 想知道当前用什么：看 TUI 状态栏的模型名；
- 打开模型列表：
Ctrl+X→M（或输入/models）； - 在列表中可区分模型属于哪个供应商；
- 更换渠道 / 登录凭证：通过认证相关命令或配置（知识点 4）；
④ 为什么这么做（Why）
- 分层认知才能准确定位问题。 回答差可能是模型能力不足，调不通可能是供应商凭证 / 网络问题，界面异常才是 OpenCode 的问题。概念清晰时，你能一步定位，而不是「答不好就重装」。
- 模型与渠道分离带来选择权。 理解二者独立，你才能自由地「保留习惯的客户端、切换更强的模型 / 更便宜的渠道」，不被单一供应绑定。
- 同一模型的变体差异真实存在。 新版本可能能力更强或行为有变；理解变体，才能解释「同一个模型名，表现却不一样」。
- 客户端不生产智能，因此配置模型是必经步骤。 这解释了为什么装好 OpenCode 还要配置供应商凭证才能对话。
⑤ 这样做的好处
- 问题可快速归因，排查不绕路。
- 选择自由：模型、渠道、客户端可独立更换。
- 能读懂版本与变体差异。
- 配置心智清晰：知道缺的是凭证还是模型权限。
- 为选型打基础：先分清概念，才谈得上按任务挑模型。
⑥ 不这么做的问题 / 坏处
- 概念混淆 → 答差时换客户端、渠道故障时换模型，全做无用功。
- 以为「一个模型 = 一个供应商」 → 忽略了多渠道的价格 / 速度差异。
- 忽视变体 → 升级后行为变化而毫无准备。
- 把客户端智能神秘化 → 不理解为什么必须配 API Key。
⑦ 举一反三：三个例子
例 1（基础）：看懂状态栏
📌 场景：你打开 TUI，状态栏显示当前模型与供应商信息。
✅ 正确动作：发任务前确认「用的是哪个模型」，复杂任务前尤其要确认是不是强模型。
🔍 讲解：状态栏是最廉价的仪表盘。许多「AI 突然变笨」的真相，只是模型被无意中切换过——看一眼即可排除这个变量。
例 2（进阶）：同一个模型，比较不同渠道
📌 场景：某模型可从多个供应商渠道调用，价格 / 延迟不同。
✅ 做法：用同一个小提示，分别通过不同渠道调用，对比响应速度与稳定性，再结合价格选择日常渠道。
🔍 讲解：模型相同、渠道不同，体验也可能有差异（延迟、限流）。把「大脑」和「线路」分开评估，才能找到性价比最高的组合。
例 3（挑战）：用「分层定位」诊断一次失败
📌 场景：AI 突然无法回复。
✅ 排查顺序：
- 凭证 / 渠道：该供应商是否鉴权失效、网络不通？
- 模型：该模型是否暂时不可用 / 未激活？
- 客户端：其它模型在同一 TUI 是否正常？
🔍 讲解：按「渠道 → 模型 → 客户端」从最可能处查起，通常第一步就能发现（凭证过期、限流）。这比慌乱重装高效得多。
⑧ 练习题 ×2
练习 1（巩固型）
📝 题目：用一句话分别定义模型、供应商、OpenCode，并说出三者关系。
💡 思路提示：大脑 / 渠道 / 驾驶舱。
✅ 参考答案：
text
模型是真正推理的大脑；供应商是提供模型 API 的渠道；
OpenCode 是调用模型的客户端（驾驶舱）。
关系：在 OpenCode 中通过某供应商渠道选用某个模型工作。🔍 讲解：能准确复述三者关系，模型层的坐标系就建立好了。
练习 2（迁移型）
📝 题目：迁移到流媒体：「电视机（客户端）/ 视频平台（渠道）/ 具体内容（模型）」的比喻如何对应？为什么把三者分清，换起来更灵活？
💡 思路提示：任一环节可独立更换。
✅ 参考答案（示例）：
text
- 电视机 ≈ OpenCode 客户端：负责呈现；
- 视频平台 ≈ 供应商：提供内容的渠道；
- 具体影片 ≈ 模型：真正消费的对象。
分清后：换电视不必换平台，换平台不必丢掉观看偏好——
各层独立可替换。模型 / 渠道 / 客户端的关系同理，
分层带来灵活选择与快速故障定位。知识点 2：模型的关键差异：能力、速度、成本、窗口
① 定位
知道「模型是什么」之后，要回答「模型之间到底差在哪」。没有一个模型在所有维度都最优；看懂这四个维度，你才能解释为什么不同任务该用不同模型。
② 是什么（What）
选模型主要看四个维度：
| 维度 | 含义 | 什么时候最关键 |
|---|---|---|
| 能力（质量） | 推理、代码、遵循指令的水平 | 复杂架构、难题、大改动 |
| 速度（延迟） | 响应快慢、吐字速度 | 高频小任务、实时引导 |
| 成本（价格） | 按 token 的费用 | 大量调用、长会话 |
| 上下文窗口 | 一次能处理的文本长度 | 大代码库、长资料、长对话 |
几个重要认知：
- 四维度常互相牵制。 一般而言，最强的模型往往更慢、更贵；轻量模型快且便宜，但复杂任务可能力不从心。
- 「最好」取决于任务。 对一个一句话改字段的任务，动用最贵最强模型是浪费；对支付核心重构，用最便宜模型可能因小失大。
- 窗口不仅看「大小」，还与成本挂钩。 大窗口允许更多上下文，但每轮携带大量 token 也更贵。
③ 怎么做（How）
面对一个任务，先判断它在四个维度上的要求：
- 这任务难在哪？（要深度推理 → 能力优先）
- 我在意等待吗 / 要来回高频交互吗？（是 → 速度优先）
- 调用量大吗 / 会话长吗？（是 → 成本要算）
- 需要同时放多少材料？（多 → 窗口要够）
④ 为什么这么做（Why）
- 模型由不同规模 / 训练目标的系统构成。 大模型通常能力强但计算重（慢、贵）；小模型轻量但容量有限。四维差异是技术与资源权衡的结果，不是产品定价随意。
- 任务难度呈幂律分布。 日常多数任务是简单 / 中等的，少数才是真正的难题。若一律用最强模型，大部分花费是浪费；一律用最便宜模型，则在少数关键任务上翻车。
- 速度影响协作节奏。 高频来回中，等待模型的几秒会打断心流；快模型让「提问—反馈」循环更紧凑，有时比单点质量更重要。
- 窗口决定能不能装下任务。 窗口不够，再聪明的模型也无法同时看到全部证据，可能漏看关键代码。
- 「满足关键维度」是决策优化而非最大化。 现实约束下没有免费最优解，明确任务最在意的维度，才能做出性价比最高的选择。
⑤ 这样做的好处
- 钱花在刀刃上：不为用不到的能力付费。
- 关键任务质量有保障：难题用好模型。
- 日常节奏轻快：简单任务用快模型。
- 大任务装得下：按窗口需求选模型。
- 决策可解释：知道为什么为某任务选某模型。
⑥ 不这么做的问题 / 坏处
- 永远用最强模型 → 多数任务为多余能力买单，账单虚高、等待变长。
- 永远用最便宜模型 → 复杂任务质量崩盘，返工成本远超省下的费用。
- 忽视窗口 → 频繁触发压缩 / 漏看代码，质量不稳。
- 只看单一维度 → 比如只图快，在高风险任务上出错。
⑦ 举一反三：三个例子
例 1（基础）：一句话改文案
📌 场景：让 AI 修改一处提示语。
✅ 选型：快、便宜的轻量模型即可——任务简单、上下文小，无需最强模型。
🔍 讲解：这种任务一天可能做几十次。用轻量模型，反馈快、成本低，且质量完全够用——简单任务不过度配置。
例 2（进阶）：支付核心重构
📌 场景：涉及资金、幂等、多文件的重构。
✅ 选型：能力优先，选强模型；确保窗口能装下相关代码；接受其更慢 / 更贵——因为一次资金事故的代价远超模型费用。
🔍 讲解：关键任务上省模型钱是典型的「省小钱、亏大钱」。按风险和难度把模型预算向高价值任务倾斜。
例 3（挑战）：长会话中的混合策略
📌 场景：一个长项目里，既有大量琐碎问答，又有阶段性的难任务。
✅ 策略：日常问答 / 引导用快模型保持节奏；遇到难题、架构决策时临时切强模型（F2 可在最近模型间快速循环），攻克后再切回。
🔍 讲解：不必整个会话锁定一个模型。按阶段难度动态切换，兼顾节奏与质量——这要求你对任务难度有实时判断，也依赖熟练的切换操作。
⑧ 练习题 ×2
练习 1（巩固型）
📝 题目：说出选模型的四个维度，并解释为什么「最强模型」不等于「最佳选择」。
💡 思路提示：能力 / 速度 / 成本 / 窗口；任务匹配。
✅ 参考答案：
text
四维度：能力、速度、成本、上下文窗口。
最强模型通常更慢更贵；当任务简单、对速度 / 成本敏感时，
它超出需求、造成浪费。最佳选择是「满足任务关键维度的最省模型」。🔍 讲解：理解「匹配」而非「最大化」，就掌握了模型选型的核心思想。
练习 2（迁移型）
📝 题目：迁移到出行选择：步行 / 公交 / 开车 / 飞机分别对应不同的「速度、成本、载重（能力）」，为什么没有一种方式适合所有出行？这与选模型有何共性？
💡 思路提示：按路途、时间、携带物选择，够用且最省。
✅ 参考答案（示例）：
text
- 短距离步行：慢但零成本、灵活（对应轻量小任务）；
- 赶远路乘飞机：快但贵（对应关键任务用强模型）；
- 没有单一方式在速度、成本、适配上全优。
共性：根据「目标难度 / 时间要求 / 预算 / 负载」选择
刚好满足需求、总体最省的方案——模型选型是同一决策逻辑。知识点 3：查看、切换与收藏模型
① 定位
理解了差异，还要操作熟练。本知识点讲模型的日常操作：如何列表、切换、在最近模型间循环、收藏常用模型——让「换模型」快到不打断思路。
② 是什么（What）
模型操作的默认键位（第 2 章接触过部分）：
| 操作 | 默认按键 |
|---|---|
| 打开模型列表 | Ctrl+X → M（或 /models） |
| 在最近模型间循环 | F2（反向 Shift+F2） |
| 在收藏模型间循环 | 对应循环命令（默认未绑定，可在 cli.json 设置） |
| 收藏 / 取消收藏（模型对话框中） | Ctrl+F |
| 从模型对话框进入供应商列表 | Ctrl+A |
| 循环模型变体 | Ctrl+T |
要点：
- 列表选择适合不频繁、需要看清说明时；
F2循环最近模型适合在「日常快模型 ↔ 攻坚强模型」两个常用项间秒切；- 收藏把最常用的模型固定下来，减少在长列表里翻找。
③ 怎么做（How）
- 日常把一个快模型、一个强模型用熟，用
F2在二者间切换； - 在模型列表中用
Ctrl+F收藏高频模型； - 需要尝试同模型新版本时，用
Ctrl+T切变体； - 切换后扫一眼状态栏确认；
④ 为什么这么做（Why）
- 切换成本决定你会不会切。 如果换模型要翻很多层菜单，人会懒得换、全程锁定一个；当切换只需
F2，按阶段换模型才真正可行。操作效率直接影响策略落地。 - 「最近循环」利用了使用的幂律。 你绝大多数时候只在两三个模型间切换；循环键正好服务这个高频小集合，比每次从全量列表选择快。
- 收藏把选择成本前置一次。 精心挑出常用模型并收藏，以后不必重复在长列表中识别，长期省时。
- 列表与循环分工：探索 / 不常用走列表（信息全），高频切换走循环（速度快）。
- 确认状态栏防止误切，成本极低却避免在错误模型下连续操作。
⑤ 这样做的好处
- 换模型几乎零成本，思路不断。
- 混合策略可落地：难时切强、平时切快。
- 常用项触手可及，少翻列表。
- 误切能立刻发现。
- 可个性化：按手型在 cli.json 绑定习惯键位。
⑥ 不这么做的问题 / 坏处
- 切换路径不熟 → 懒得换，策略沦为空谈。
- 每次从长列表找 → 浪费时间、打断心流。
- 不收藏 → 反复识别同样的模型。
- 切了不确认 → 用错模型做了一串任务才发现。
⑦ 举一反三：三个例子
例 1（基础）：两模型来回用
📌 场景：日常快模型 + 攻坚强模型。
✅ 操作：平时用快模型；一遇到复杂推理，按 F2 切强模型，攻克后再 F2 切回。
🔍 讲解：两个键即可支撑「按难度换挡」。熟练后这是肌肉记忆，不占注意力。
例 2（进阶）：收藏一组常用模型
📌 场景：你发现自己总在列表里找同样三四个模型。
✅ 做法：在模型对话框用 Ctrl+F 收藏它们；之后优先在收藏集合中选择 / 循环。
🔍 讲解：把「从几十个里找」变成「在三四个里选」，选择负担骤降。
例 3（挑战）：对比同一模型的变体
📌 场景：某模型推出新版本，你想知道是否值得切换。
✅ 做法：用 Ctrl+T 切到新变体，挑两三个代表性任务实测对比，确认更好再固定使用。
🔍 讲解：变体切换让 A/B 比较很方便。用真实任务评估、而非默认新版一定好，是稳妥的升级方式。
⑧ 练习题 ×2
练习 1（巩固型）
📝 题目：写出打开模型列表、循环最近模型、收藏模型、循环变体的默认按键。
💡 思路提示：<leader>m、F2、对话框中 Ctrl+F、Ctrl+T。
✅ 参考答案：
text
模型列表：Ctrl+X → M（/models）；
最近循环：F2（反向 Shift+F2）；
收藏：模型对话框中 Ctrl+F；
变体循环：Ctrl+T。🔍 讲解：这组键是模型操作的核心，建议真实切换一二十次形成肌肉记忆。
练习 2（迁移型）
📝 题目：迁移到输入法 / 快捷键习惯：为什么把「高频动作」绑定到最顺手的键、并减少备选项，能显著提速？
💡 思路提示：选择成本、肌肉记忆、认知负荷。
✅ 参考答案（示例）：
text
- 高频动作若路径短，重复成千上万次后节省可观；
- 备选项越少，决策越快、越不易出错；
- 固定映射形成肌肉记忆后，动作不经思考。
共性：模型切换、输入法、任何高频操作都适用——
为高频小集合优化路径、一次收藏长期复用。知识点 4：供应商与凭证配置
① 定位
模型要用起来，前提是渠道打通、凭证有效。本知识点讲供应商的接入方式、凭证从哪里来、本地与自动化环境的不同配置，以及凭证安全。
② 是什么（What）
接入一个供应商通常需要：
- 拥有该渠道的访问凭证（如 API Key）；
- 让 OpenCode 知道凭证（交互登录或写入配置 / 环境变量）；
- 该账号有权使用目标模型（模型已开通 / 激活）。
常见的两种配置通道：
| 通道 | 适用场景 | 特点 |
|---|---|---|
| 交互式登录（如认证命令） | 本地日常开发 | 引导式，省心 |
| 环境变量 / 配置文件 | 服务器、CI、无人值守 | 可脚本化、可注入 |
安全要点：
- API Key 等同于密码，不要写进 AGENTS.md、不要提交到 Git；
- 凭证应通过环境变量或本机的安全配置保存；
- 怀疑泄露时及时在供应商控制台吊销并轮换。
③ 怎么做（How）
- 本地：用认证 / 登录相关命令按引导完成（具体命令名以官方 Providers / CLI 文档为准）；
- 自动化：把对应 API Key 放入环境变量，由运行环境注入；
- 配完发一条只读测试消息验证全链路；
- 需要多个供应商时分别配置，在模型列表中按渠道区分选择；
④ 为什么这么做（Why）
- 模型是远程 API 服务，调用必须鉴权。 供应商靠凭证识别身份、计量收费；没有有效凭证，请求无法完成——这是调用链的必经环节。
- 交互与环境变量分流，匹配不同使用场景。 人在本地适合引导式登录；CI / 服务器没有交互界面，只能靠注入。理解分工才能在两类环境都配得通。
- 「能调用」还需「有权限」。 有些模型需要在账号下开通 / 激活；凭证有效但模型未授权，依然会失败。这解释了一类「登录成功却报无权限」的问题。
- 凭证泄露代价高。 别人拿到 Key 可冒用你的额度、访问你的资源；且一旦写进 Git 历史，删除文件也未必能消除影响，必须从源头防护。
- 多供应商是议价与冗余手段。 配置多个渠道，可在某方限流 / 涨价 / 故障时切换，降低单点依赖。
⑤ 这样做的好处
- 本地配置省心、自动化可控。
- 故障可快速区分：凭证、权限、网络分别排查。
- 安全有保障：密钥不入库。
- 不被单一渠道绑定：可多渠道切换。
- 协作一致：团队通过统一方式注入凭证。
⑥ 不这么做的问题 / 坏处
- 在 CI 里用交互登录 → 无人值守时无法完成。
- 把 Key 写进仓库 → 凭据泄露，可能造成损失。
- 登录成功就以为模型可用 → 忽略模型需开通，调用时报无权限。
- 只配一个渠道 → 限流 / 故障时无处可退。
⑦ 举一反三：三个例子
例 1（基础）：本地首次接入
📌 场景：刚装好 OpenCode，要配置第一个供应商。
✅ 做法：运行认证 / 登录命令，按引导填入凭证；完成后发「请回复链路正常」验证。
🔍 讲解：交互引导 + 端到端验证，是本地接入最稳的开局。
例 2（进阶）：CI 中注入凭证
📌 场景：流水线中需要调用模型。
✅ 做法：在 CI 的密钥管理中配置 API Key，运行时以环境变量注入，日志中避免打印明文。
🔍 讲解：既实现无人值守调用，又保护密钥——环境变量 + 平台密钥管理是标准做法。
例 3（挑战）：怀疑凭证泄露的处置
📌 场景：你误把某 Key 提交，或发现异常用量。
✅ 处置：立刻在供应商控制台吊销该 Key、生成新 Key；更新各处注入配置；检查仓库历史并评估影响范围。
🔍 讲解：凭证安全遵循「最小信任 + 快速轮换」。一旦疑似泄露，第一时间吊销比追查来源更紧急。
⑧ 练习题 ×2
练习 1（巩固型）
📝 题目：接入一个供应商需要满足哪三件事？为什么 API Key 不应写进 AGENTS.md / Git？
💡 思路提示：凭证、配置、模型权限；Key 等于密码。
✅ 参考答案：
text
三件事：拥有 API Key；让 OpenCode 通过交互登录或环境变量知道它；
账号有权使用目标模型（已开通）。
不写进文件：Key 等同密码，提交进版本库即可能泄露、被冒用，
且历史记录难以彻底清除。🔍 讲解：理解接入三件套与密钥安全，供应商配置就能既通又安全。
练习 2（迁移型）
📝 题目：迁移到公司门禁 / 账号管理：为什么「权限分级 + 凭证定期轮换 + 离职即收回」是安全通行做法？这与 API Key 管理有何共性？
💡 思路提示：最小权限、泄露窗口、及时失效。
✅ 参考答案（示例）：
text
- 权限分级：只给完成工作所需的最小权限，控制误用影响；
- 定期轮换：即使凭证泄露，缩短其有效窗口；
- 离职 / 异常即收回：立刻切断不再可信的访问。
共性：API Key 管理同样遵循最小权限、定期轮换、疑似即吊销——
本质是对「可信身份」的统一风险管理。知识点 5：按任务选型：质量 / 速度 / 成本的权衡
① 定位
本章收口：把前四个知识点综合成可执行的选型决策。给你任意任务，你应能快速判断用哪个模型 / 渠道，并在质量、速度、成本间有意识地取舍。
② 是什么（What）
选型本质是一个三问题决策：
- 这个任务失败的代价有多大？（大 → 偏向质量，用强模型）
- 我对等待 / 高频交互敏感吗？（是 → 偏向速度，用快模型）
- 调用规模 / 预算压力如何？（大 → 偏向成本，用便宜模型）
配合窗口约束（材料多 → 大窗口模型），形成最终选择。
一个实用的任务分层：
| 任务类型 | 推荐取向 |
|---|---|
| 琐碎改动、简单问答、格式化 | 快而省的轻量模型 |
| 常规功能、普通 bug | 均衡型模型 |
| 架构、难题、资金 / 高风险改动 | 强模型（能力优先） |
| 超大代码库 / 长资料分析 | 大窗口模型 |
③ 怎么做（How）
建立一个稳定的决策习惯：
- 接任务先定级（琐碎 / 常规 / 高难 / 超大上下文）；
- 按层级选模型取向，不必每次重新分析四个维度；
- 用
F2在预设的快 / 强模型间快速换挡； - 任务进行中发现「当前模型吃力」→ 果断升级模型，而不是硬聊；反之简单阶段切回省模型；
④ 为什么这么做（Why）
- 决策疲劳是真实成本。 若每个任务都重新权衡四维度，一天几十次会很累；用任务分层把常见情形模板化，决策快速且稳定。
- 失败代价应驱动质量投入。 高风险 / 高价值任务上，模型能力的边际投入回报极高；低风险琐事上则相反。按代价分配是理性的资源配置。
- 模型「吃力」时硬聊是双输。 弱模型在超纲任务上反复出错，浪费时间还污染上下文；及时升级模型往往一两轮就解决。
- 回顾校准让分层越来越准。 你的初版分层必然有偏差；通过返工与花费的反馈持续修正，选型会越来越贴合实际。
- 没有全局最优，只有情境最优。 理解这点，就不会执着于「最好的模型」，而是追求「当下最合适」。
⑤ 这样做的好处
- 决策快：分层定级，几秒选型。
- 关键任务稳、日常任务省，整体性价比最高。
- 能动态纠偏：吃力即升级。
- 标准持续进化：靠反馈校准。
- 心态成熟：接受权衡，不追求不存在的完美。
⑥ 不这么做的问题 / 坏处
- 凭心情选模型 → 结果不稳定、难以复盘。
- 高风险任务用弱模型 → 出错代价远超节省。
- 琐事用强模型 → 预算浪费、节奏变慢。
- 吃力不升级 → 反复返工，上下文越滚越乱。
⑦ 举一反三：三个例子
例 1（基础）：给任务定级后直接选
📌 场景：「把这段日志里的错误统计成表」。
✅ 选型：常规信息整理，选均衡型或轻量模型即可；若还要严格 JSON 输出，确保模型遵循格式能力够。
🔍 讲解：先定级（常规），选型几乎不费思考。注意格式要求可能抬高一点能力门槛——任务细节会微调层级。
例 2（进阶）：发现吃力立刻升级
📌 场景：均衡模型在一个并发 bug 上连续两轮没分析对。
✅ 做法：按 F2 切强模型，附全证据重新提问；通常更强的推理能力能打开局面。
🔍 讲解：判断「模型能力」而非「Prompt」是瓶颈时，升级模型最有效。信号是：证据齐全、任务确实难、模型反复在同一类推理上失败。
例 3（挑战）：为团队制定选型规范
📌 场景：你希望团队统一模型使用、控制成本。
✅ 做法：给出任务分层表（琐碎 / 常规 / 高难 / 超大）+ 每层默认模型与例外审批；定期用用量与返工数据复盘调整。
🔍 讲解：把个人选型方法制度化，既控成本又保关键质量。默认值 + 例外机制兼顾规范与灵活，是成熟团队常见做法。
⑧ 练习题 ×2
练习 1（巩固型）
📝 题目：为下列任务各选模型取向：（a）改正一个错别字；（b）普通表单 bug；（c）设计分布式事务方案；（d）让模型一次性阅读整个中型代码库并总结架构。
💡 思路提示：琐碎 / 常规 / 高难 / 超大上下文。
✅ 参考答案：
text
(a) 轻量（快而省）；
(b) 均衡型；
(c) 强模型（能力优先）；
(d) 大窗口模型。🔍 讲解：四类任务对应四个典型取向，能快速定级，选型决策即已成型。
练习 2（迁移型）
📝 题目：迁移到项目 / 资源分配：为什么管理者常说「好钢用在刀刃上」？这与「按任务失败代价分配模型能力」有何共性？
💡 思路提示：稀缺资源、投入回报、保底事项。
✅ 参考答案（示例）：
text
- 优质资源有限，平均撒开则处处平庸；集中到回报最高 / 失败代价
最大的环节，整体收益最大；
- 次要环节用达标即可的资源，避免浪费。
共性：模型能力也是稀缺资源，按任务的价值与风险分配——
关键任务用好模型保底、日常任务用省模型控成本，
正是「好钢用在刀刃上」的工程化表达。🔍 讲解：选型方法论与通用资源配置同构。理解这一层，你不仅会选模型，也具备了资源优先级管理的思维。
本章小结
| 知识点 | 一句话核心 |
|---|---|
| 1. 概念关系 | 供应商是渠道、模型是大脑、OpenCode 是驾驶舱 |
| 2. 四维差异 | 能力 / 速度 / 成本 / 窗口，按任务匹配而非最大化 |
| 3. 切换操作 | <leader>m 列表、F2 循环、收藏高频模型 |
| 4. 供应商凭证 | 本地交互登录、自动化走环境变量；密钥不入库 |
| 5. 按任务选型 | 按失败代价 / 速度 / 成本定级，吃力即升级 |
下一章进入工具生态：《工具、MCP 与联网》——AI 手里的机械臂具体能做什么、如何接入 MCP 扩展能力、何时以及如何让 AI 联网检索，为 Agent 装上更广阔的手脚与信息来源。