何时该升级模型Sol Advisor一次纠正后的Luna尝试单一规则详解【免费下载链接】sol-advisorCodex-native architect orchestration with Luna and Terra implementation lanes and mandatory fresh Sol review.项目地址: https://gitcode.com/gh_mirrors/so/sol-advisor在 AI 编程与智能体编排中何时该升级模型常常让人纠结用太弱的模型做不完任务一直用最贵的模型又浪费成本。Sol Advisor 是一个面向 Codex 的架构师编排工作流它用一条简单明确的单一规则回答了这个问题——一次纠正后的 Luna 尝试默认让高性价比的 Luna 模型执行常规任务只要纠正规格书后重试一次仍暴露出任务被误判为常规工作就立即升级到更强推理能力的 Terra 模型。本文将用通俗的语言详解这条规则的设计思路、在源码中的落地位置以及规则触发后的完整工作流。一、先认识 Sol Advisor一条角色分明的 AI 编程流水线 Sol Advisor 的核心思想是按能力路由capability-routed不同难度交给不同档位的模型而不是全程使用同一个模型。整条流水线有四个固定角色阶段角色职责 规划Sol / High 主会话理解需求、设计架构、分解任务、写出完整规格书⚙️ 常规实现Luna / Max默认处理边界清晰、完全规格化的常规工作 显式升级Terra / High处理判断密集、高风险工作或 Luna 一次纠正后仍失败的工作✅ 最终审查全新的 Sol / High只读审查真实 diff给出 ship / fix-first / rethink 判定其中Luna / Max与Terra / High就是什么时候该升级模型问题中的主角前者便宜高效是默认车道后者能力更强是显式的升级车道。完整的路由设计可以查看 README.md 中的 Native routing 章节工作流细节在 plugins/sol-advisor/skills/orchestration/SKILL.md 中定义。二、为什么模型升级需要一条单一规则没有明确规则时升级模型的决定往往依赖临场感觉常见问题有两个升级太晚在弱模型上反复修补多次失败后才想起换个强模型试试白白消耗时间升级太早一点小挫折就切到最贵的模型成本失控也失去了低成本模型的效率优势。Sol Advisor 的解法是把升级条件压缩成一句话级别的规则让任何参与编排的人或主会话 Agent在同一个信号出现时做出同一个决定。这个信号就是一次纠正后的 Luna 尝试。三、一次纠正后的Luna尝试规则详解规则原文三处定义互相印证这条规则在项目文档中被反复强调且三处措辞一致属于写进契约而非口头约定编排技能文档 SKILL.md如果一次纠正后的 Luna 尝试表明任务属于判断密集、高风险或路由误判就把纠正后的规格书交给升级角色 Terra / High角色契约 role-contracts.md如果一次纠正后的 Luna 尝试显示任务被误判为常规工作把该信号回传给主会话升级到 Terra / HighLuna 角色自身的定义 sol-advisor-luna-implementer.tomlLuna 被要求如果一次纠正后的尝试显示任务被误判停下来返回该信号由父会话升级到 Terra / High。拆解规则的三个关键要素 把原文拆开后规则其实由三个动作组成#动作通俗解释1先纠正规格书Luna 做错时不是直接换模型而是先修正任务描述需求、接口、约束、验收方式再交给 Luna 重试一次2只给一次机会这是一次纠正后的尝试。若这一次仍暴露出任务判断密集、高风险或根本路由错误即触发升级3带着纠正后的规格书升级不是把旧任务原样扔给 Terra而是把修正过的规格书交给 sol_advisor_terra_implementer避免新模型重复旧错误这里有一个容易被忽略的细节写在 SKILL.md 中给失败车道的是纠正后的规格书永远不要重复一份未修改的提示词——先排除题目出错了再讨论学生行不行。为什么是一次而不是三次一次失败可能是题目问题规格书写得不清、约束遗漏所以先纠正规格书重试给 Luna 一个公平的机会纠正后再次失败大概率是能力问题任务本身超出了常规工作的范畴判断密集、高风险、影响面大。此时继续在同一模型上打补丁边际收益很低单一规则的价值就在可预测不数两次还是三次团队里任何人遇到同一个信号都执行同一个动作规则才立得住。四、规则在源码中的落地三份角色定义文件Sol Advisor 的每个角色都由一份 TOML 文件钉死模型与推理档位升级不是临时换参数而是切换到另一条预设车道角色文件模型 / 推理档位定位sol-advisor-luna-implementer.tomlgpt-5.6-luna / max默认常规车道执行规格化任务遇到误判信号主动上报sol-advisor-terra-implementer.tomlgpt-5.6-terra / high显式升级车道判断密集、高风险或误判纠正后的任务sol-advisor-sol-reviewer.tomlgpt-5.6-sol / high只读沙箱全新上下文的最终审查员值得注意的设计是升级决定权在主会话Sol 架构师手中而不是由 Luna 自己悄悄换模型。Luna 的职责是发现并上报信号主会话验证后才路由到 Terra这保证了升级是可追溯、可审计的。五、升级触发后的完整工作流 规则触发后并不是换模型就完事而是进入一条闭环纠正规格书→ 主会话根据 Luna 的失败证据修正任务描述路由到 Terra / High→ 使用精确角色名sol_advisor_terra_implementer派生不附加任何临时模型参数父会话验证→ 主会话亲自检查真实 diff、重新运行验证命令而不是相信工人报告全新 Sol 复审→ 验证通过后必须再派生一个全新上下文的 sol_advisor_sol_reviewer 做只读审查返回ship可交付、fix-first先修复或rethink重新设计任何修复都会作废旧判定→ 修复后必须再来一轮全新审查审查员自己永远不写代码。完整流程与证据规则见 role-contracts.md其中 How routing works 部分README.md给出了最简短的路由说明。六、快速上手安装 Sol Advisor 的完整步骤按 README.md 的 Install 章节把 Sol Advisor 仓库添加为 Codex 插件市场源并安装插件单独安装三个角色模板并做完整性校验脚本本身是只读检查不会覆盖已有文件install-agents.sh加上--check参数可验证三份已安装文件与模板逐字节一致开启一个全新的 Codex 任务角色是在任务创建时被发现的老任务看不到新安装的角色主会话选择 Sol / High需要时显式调用编排技能Use $sol-advisor:orchestration ...技能入口定义在 openai.yaml。运行时如何确认这次到底用的哪个模型项目提供了只读的本地检查脚本 inspect-agent-runtime.sh输入子线程 ID 即可输出实际的角色、模型与推理档位证据——升级是否真的发生靠证据说话。七、新手常见问题FAQQ1常规任务一定要从 Luna 开始吗是的。Luna / Max 是默认车道只有一开始就明确属于判断密集、高风险、影响面大的任务才直接走 Terra / High 显式升级。Q2Luna 一次纠正后成功了还要升级吗不需要。规则只在纠正后的一次尝试仍然暴露误判时触发一次纠正后成功说明任务确实是常规工作。Q3主会话自己偷偷修一下 Luna 的补丁行不行不行。SKILL.md 明确要求不要悄悄修复失败的子任务补丁或掩盖未解决的纠正要么走同一车道派一次有限纠正要么按规则升级到 Terra。Q4换模型后之前的审查结论还有效吗无效。任何修复包括升级模型后产生的新代码都会作废先前审查判定必须重新派生全新审查员。八、总结一条规则背后的成本思维Sol Advisor 的一次纠正后的 Luna 尝试规则本质上回答了新手使用 AI 编程时最常见的困惑——何时该升级模型✅ 升级的依据不是感觉做不完而是一个可观察的信号纠正规格书后重试一次仍暴露任务被误判为常规工作✅ 升级时携带的是纠正后的规格书让更强模型站在修正过的起跑线上✅ 升级后仍有父会话验证 全新只读审查双保险换更强的模型不等于可以放松验收。先便宜、后升级、信号驱动——这条单一规则把模型升级从玄学变成了流水线上的一个标准动作值得所有在用 AI 编程工具的团队借鉴。【免费下载链接】sol-advisorCodex-native architect orchestration with Luna and Terra implementation lanes and mandatory fresh Sol review.项目地址: https://gitcode.com/gh_mirrors/so/sol-advisor创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考