使用文档使用优化

AI 编程模型选择教程

按任务复杂度、上下文长度、失败成本和预算选择 AI 编程模型,把简单任务和复杂推理任务分层处理。

模型选择

模型选择不应只看榜单或单价。简单解释、摘要和小改动可以用基础模型;跨文件重构、疑难排错和架构判断再切到更适合复杂推理的模型。先拆小任务,再选择模型,通常更稳也更省。

选择标准

按任务复杂度、上下文长度、失败成本和预算选择模型,而不是只看榜单或单次价格。

任务场景

简单解释、补全和文案可用基础模型;跨文件重构、复杂排错和架构判断再使用更适合复杂推理的模型。

成本控制

先用基础模型整理问题和缩小范围,再把明确任务交给更适合复杂推理的模型完成关键实现。

常见问题

是不是越强的模型越适合所有代码任务?

不是。简单解释、摘要和小改动用基础模型通常足够;复杂推理、跨文件改动和高失败成本任务再使用更适合复杂推理的模型。

模型选择和成本控制怎么配合?

先用基础模型整理问题和缩小范围,再把明确的关键实现交给更适合复杂推理的模型,可以减少无效调用。