前言你有没有遇到过这种情况——让AI写一个简单的README它调用了Claude Sonnet花了几秒钟、消耗了昂贵的Token才完成或者让AI做复杂的架构设计它却用了轻量模型给出的方案一点都不深入。不同任务用不同模型才是真正的效率与成本的平衡。上篇我们给OpenCode装上了向量数据库让它有了长期记忆和语义检索能力。但现在所有任务都用同一个模型处理——不管是写注释还是做架构设计都消耗同样的成本。这就像开着大货车去取快递完全不合理。建议先点个关注收藏这个专栏这篇我们来给OpenCode装上“智能调度大脑”——根据任务类型自动选择最合适的模型在质量和成本之间找到最优解。上篇回顾上篇我们接入了向量数据库——用opencode-mem实现跨会话长期记忆用codebase-indexing实现语义代码索引OpenCode已经能记住项目的来龙去脉了。现在AI有了“记忆”但每次思考都还花着同样的钱。本篇就是给OpenCode装上“精算师”的大脑——简单任务用便宜模型复杂任务用强大模型让每一分钱都花在刀刃上。环境与前置说明本篇依赖上篇的产出成果OpenCode已安装并可用已配置多个Provider至少2个以上模型提供商熟悉opencode.json配置文件的用法本篇会用到以下依赖和插件# 安装路由器插件推荐opencode plugin opencode-router-gf# 或者手动配置使用已有的model-fallback-chain# 如果已经安装了model-fallback-chain可以直接扩展配置如果你不想安装额外插件OpenCode的fallbacks机制已经能实现基础的故障转移路由。本篇会从简单到复杂一步步带你构建完整的路由系统。文章目录前言上篇回顾环境与前置说明核心内容第一步理解“多模型路由”到底是什么第二步理解OpenCode的路由机制——三层调度体系第三步配置L1 L2——基础保障层第四步安装智能路由器——L3主动路由第五步任务复杂度评估——让路由更智能第六步负载均衡——在多个模型间分配流量第七步综合实战——构建“成本-质量”双目标路由系统异常处理与常见坑报错1路由器配置了但未生效始终使用默认模型报错2fallbacks和路由器同时生效导致模型选择混乱报错3路由器提示“No model available for this task”本章产出总结作者互动与资源引导下篇预告核心内容第一步理解“多模型路由”到底是什么目标搞清楚多模型路由在OpenCode中的含义以及它能解决哪些实际问题。你可能会问路由不就是选个模型吗有什么好设计的在OpenCode里多模型路由远不止“选个模型”这么简单。它是一个完整的决策系统需要考虑多个维度维度考虑的问题任务类型代码生成、代码审查、架构设计、问答、重构……不同任务需要不同能力成本Claude Sonnet比Claude Haiku贵得多但能力强速度有的模型响应快但能力弱有的模型能力强但响应慢可靠性某些模型在特定任务上表现不稳定可用性某些API可能有速率限制需要做负载均衡一个设计良好的路由系统能根据任务特征自动做出最优选择写文档、生成注释 → 用便宜的小模型Haiku、DeepSeek-V2-Lite代码生成、bug修复 → 用中等模型Sonnet、GPT-4o-mini架构设计、安全审查 → 用顶级模型Opus、GPT-4.5、DeepSeek-V3高并发场景 → 在多个模型间做负载均衡注意了路由的终极目标不是“选最贵的”而是“选最合适的”。用一个昂贵的模型做简单任务是一种浪费用一个便宜模型做复杂任务是一种冒险。运行验证这一步不需要跑代码。你需要记住一个核心原则——路由的核心是“任务-模型”匹配。第二步理解OpenCode的路由机制——三层调度体系目标了解OpenCode中已有的路由能力知道哪些是现成的、哪些需要自己实现。在你动手写任何代码之前先搞清楚OpenCode已经提供了什么。OpenCode的路由能力分为三个层次第一层基础故障转移fallbacks这是OpenCode最基本的路由机制。在opencode.json中配置{$schema:https://opencode.ai/config.json,model:anthropic/claude-sonnet-4-20250514,fallbacks:[openai/gpt-4.1,deepseek/deepseek-v4]}主模型失败时自动切换到备选模型。这是被动路由——出了问题才切换。第二层模型故障转移链插件opencode-model-fallback-chain我们之前在错误处理篇安装过这个插件。它提供了更智能的路由能力{experimental:{modelFallbackChain:{timeoutMs:60000,chains:[[opencode/kimi-k2.5-free,opencode/kimi-k2.5,nvidia/moonshotai/kimi-k2.5]]}}}这是带超时的主动路由——主模型超时或失败时自动切换。第三层智能路由器opencode-router这是本篇的主角——任务感知的主动路由。它能分析任务的类型和复杂度主动选择最合适的模型。层级名称路由方式适用场景L1fallbacks被动失败切换可用性保障L2model-fallback-chain半主动超时切换响应速度保障L3opencode-router主动任务感知成本与质量优化这三层可以叠加使用——用L3做主动路由L2做超时保护L1做最终兜底。运行验证如果你已经安装了opencode-router在TUI中输入/models——你应该能看到路由器自动选择的模型标注。第三步配置L1 L2——基础保障层目标先配置好基础的路由保障确保在任何情况下AI都能有模型可用。在配置智能路由之前先确保基础的路由保障已经到位。这是“兜底方案”——即使智能路由判断失误系统也能自动恢复。在opencode.json中配置完整的L1 L2{$schema:https://opencode.ai/config.json,// L1: 基础故障转移model:anthropic/claude-sonnet-4-20250514,fallbacks:[openai/gpt-4.1,deepseek/deepseek-v4],cooldown_seconds:300,// L2: 超时切换plugin:[opencode-model-fallback-chain],experimental:{modelFallbackChain:{timeoutMs:45000,chains:[[anthropic/claude-sonnet-4-20250514,openai/gpt-4.1,deepseek/deepseek-v4]]}}}这个配置的效果主模型是Claude Sonnet如果主模型返回5xx错误或限流 →fallbacks自动切换到OpenAI GPT-4.1或DeepSeek如果主模型超时45秒没响应→modelFallbackChain触发切换某个模型失败后 → 冷却300秒期间被自动跳过注意了fallbacks和modelFallbackChain的路由逻辑是互补的不是冲突的。fallbacks处理“错误响应”modelFallbackChain处理“超时无响应”。两者可以同时启用。运行验证保存配置后重启OpenCode。在TUI中发送一个请求然后模拟一个超时场景可以用一个非常复杂的prompt或者断开网络观察是否自动切换到了备用模型。第四步安装智能路由器——L3主动路由目标安装opencode-router实现任务感知的智能模型选择。基础保障层搞定了现在来安装真正的“大脑”——智能路由器。# 安装路由器插件opencode plugin opencode-router-gf然后在opencode.json中配置路由规则{$schema:https://opencode.ai/config.json,plugin:[opencode-router],// 路由器的核心配置router:{// 启用智能路由enabled:true,// 路由规则列表rules:[{// 规则1简单任务 → 小模型name:simple-tasks,// 匹配条件任务包含这些关键词match:{any:[文档,注释,格式化,README,翻译]},// 使用这些模型按优先级排序models:[anthropic/claude-haiku-4-20250514,deepseek/deepseek-v2-lite],// 优先考虑成本strategy:cost},{// 规则2中等复杂度 → 中等模型name:medium-tasks,match:{any:[代码生成,bug修复,单元测试,代码审查]},models:[anthropic/claude-sonnet-4-20250514,openai/gpt-4.1],strategy:balanced},{// 规则3复杂任务 → 顶级模型name:complex-tasks,match:{any:[架构设计,安全审计,性能优化,重构]},models:[anthropic/claude-opus-4-20250514,openai/gpt-4.5],strategy:quality}],// 默认规则没有匹配时使用default:{models:[anthropic/claude-sonnet-4-20250514],strategy:balanced}}}逐行解释一下rules路由规则列表从上到下匹配命中的第一条生效match.any任务内容包含任意一个关键词时匹配models该规则可用的模型列表按优先级排序strategy路由策略——cost优先省钱、balanced平衡、quality优先质量default没有规则匹配时的兜底方案运行验证安装并配置后重启OpenCode。在TUI中分别发送三个不同的请求1. 帮我写一个README文档 2. 帮我修复这个bug附上bug描述 3. 帮我对这个项目做架构设计附上项目信息观察TUI中的模型切换提示——你应该能看到不同任务使用了不同的模型。第五步任务复杂度评估——让路由更智能目标学会用experimental.chat.messages.transform钩子分析任务复杂度让路由决策更精准。关键词匹配虽然简单有效但有时候太死板——同一个关键词“分析”可能指“分析一下这个变量名”这种简单任务也可能指“分析整个系统的架构”这种复杂任务。更智能的做法是在请求发送前用一个小模型快速评估任务复杂度然后根据评估结果路由。在.opencode/plugins/complexity-router.ts中写入importtype{Plugin}fromopencode-ai/pluginexportconstComplexityRouterPlugin:Pluginasync(ctx){return{// 在消息发送给LLM之前先评估复杂度experimental.chat.messages.transform:async(input,output){// 获取用户最近的一条消息constlastUserMessageoutput.messages.filter((m:any)m.roleuser).pop()if(!lastUserMessage)returnoutputconstcontentlastUserMessage.contentasstring// 用简单的启发式规则评估复杂度letcomplexitysimple// simple | medium | complex// 评估维度1消息长度constlengthcontent.lengthif(length500)complexitycomplexelseif(length200)complexitymedium// 评估维度2关键词constcomplexKeywords[架构,设计,优化,重构,安全,审计,系统]consthasComplexWordcomplexKeywords.some(kwcontent.includes(kw))if(hasComplexWord)complexitycomplex// 评估维度3文件引用consthasFileRefcontent.includes()||content.includes(文件)if(hasFileRefcomplexity!complex)complexitymedium// 根据复杂度注入提示词引导路由器选择模型letroutingHintif(complexitysimple){routingHint\n\n【路由提示】这是一个简单任务请使用便宜的小模型处理。}elseif(complexitymedium){routingHint\n\n【路由提示】这是一个中等复杂度任务请使用平衡型模型处理。}else{routingHint\n\n【路由提示】这是一个复杂任务需要最强大的模型处理。}// 把路由提示注入到消息中output.messagesoutput.messages.map((m:any){if(m.roleusermlastUserMessage){return{...m,content:contentroutingHint}}returnm})console.log( 复杂度评估:${complexity}(长度:${length}, 关键词匹配:${hasComplexWord}))returnoutput}}}这个插件虽然简单但效果立竿见影。它用几个启发式规则评估任务复杂度然后把评估结果作为“路由提示”注入到用户消息中——路由器看到提示后就会选择对应的模型。运行验证保存插件文件重启OpenCode。发送一个短消息如“帮我格式化这段代码”和一个长消息如“分析项目架构给出重构建议”观察日志输出中复杂度评估的结果是否准确。第六步负载均衡——在多个模型间分配流量目标配置路由器在多个模型间做负载均衡避免单个模型过载。除了任务感知路由另一个重要的路由场景是负载均衡——当多个模型都能胜任某个任务时在它们之间分配流量。负载均衡策略有三种策略说明适用场景轮询Round Robin依次轮流使用每个模型各模型能力相近权重Weighted按权重比例分配流量模型能力或成本不同最少连接Least Connections优先使用当前空闲的模型高并发场景在opencode.json中配置负载均衡{$schema:https://opencode.ai/config.json,router:{enabled:true,rules:[{name:code-generation,match:{any:[代码生成,写代码,创建函数]},// 多个模型做轮询负载均衡models:[anthropic/claude-sonnet-4-20250514,openai/gpt-4.1,deepseek/deepseek-v4],strategy:balanced,// 负载均衡配置loadBalance:{mode:roundRobin,// roundRobin | weighted | leastConnectionsweights:[40,30,30]// 权重百分比仅weighted模式}}]}}运行验证配置完成后连续发送多个代码生成请求观察TUI中模型切换的规律——在轮询模式下模型应该交替出现。第七步综合实战——构建“成本-质量”双目标路由系统目标把任务路由、负载均衡、成本控制结合起来构建一个完整的双目标路由系统。现在我们把所有技能整合起来构建一个同时优化成本和质量的路由系统。{$schema:https://opencode.ai/config.json,// L1 L2: 基础保障model:anthropic/claude-sonnet-4-20250514,fallbacks:[openai/gpt-4.1,deepseek/deepseek-v4],cooldown_seconds:300,plugin:[opencode-model-fallback-chain,opencode-router,opencode-cost-tracker// 需要额外安装追踪每次请求的成本],// L3: 智能路由router:{enabled:true,rules:[{name:docs-and-comments,match:{any:[文档,注释,README,翻译]},models:[anthropic/claude-haiku-4-20250514],strategy:cost},{name:code-generation,match:{any:[代码生成,写代码,实现]},models:[anthropic/claude-sonnet-4-20250514,openai/gpt-4.1,deepseek/deepseek-v4],strategy:balanced,loadBalance:{mode:weighted,weights:[40,30,30]}},{name:complex-analysis,match:{any:[架构,设计,审计,优化,重构]},models:[anthropic/claude-opus-4-20250514,openai/gpt-4.5],strategy:quality}],default:{models:[anthropic/claude-sonnet-4-20250514],strategy:balanced},// 成本控制costControl:{enabled:true,// 每日预算上限美元dailyBudget:5.0,// 超出预算后的降级模型fallbackOnBudgetExceeded:anthropic/claude-haiku-4-20250514}},// 成本追踪costTracker:{enabled:true,provider:{anthropic:{inputCostPer1k:0.003,outputCostPer1k:0.015},openai:{inputCostPer1k:0.005,outputCostPer1k:0.015}}}}这个配置实现了完整的“成本-质量”双目标路由文档/注释类任务→ 只用Haiku最便宜代码生成类任务→ 三个模型做加权负载均衡Sonnet 40%GPT-4.1 30%DeepSeek 30%复杂分析类任务→ 只用Opus或GPT-4.5最强大成本控制→ 每日预算$5超出后自动降级到Haiku运行验证配置完成后正常使用OpenCode一天。观察日志或成本追踪界面验证不同任务是否使用了正确的模型以及每日成本是否在预算控制范围内。异常处理与常见坑报错1路由器配置了但未生效始终使用默认模型所有请求都使用同一个模型路由规则没有生效原因路由器的匹配规则可能写错了——关键词不匹配、JSON格式错误、或者插件加载顺序问题。解决方案检查match中的关键词是否与实际任务内容匹配区分大小写确认opencode-router插件已成功安装opencode plugin list检查opencode.json的JSON格式是否正确完全退出并重启OpenCode在router配置中添加debug: true启用调试日志查看路由决策过程报错2fallbacks和路由器同时生效导致模型选择混乱明明路由器选择了模型A但fallbacks却切换到了模型B原因路由器和fallbacks的职责边界不清楚。路由器选择模型后如果该模型出错fallbacks会尝试切换到备选模型。解决方案这是正常行为不是bug——路由器负责“初始选择”fallbacks负责“故障恢复”如果你希望路由器完全控制模型选择可以将fallbacks配置为空数组fallbacks: []但不推荐这样做——失去fallbacks意味着失去故障自动恢复能力更好的做法确保路由器选择的模型都在fallbacks列表中这样故障转移时仍然在路由器的“候选池”内报错3路由器提示“No model available for this task”Router Error: No model available for task type architecture-design原因某个规则配置的模型列表为空或者所有模型都不可用冷却中、API不可达等。解决方案检查规则中models数组是否为空确保每个规则的模型列表中至少有2个可用的模型配置default规则作为兜底检查模型名称是否正确——用/models查看当前可用的模型列表如果某个模型在冷却中可以等待冷却结束或者手动清除冷却状态本章产出总结完成本篇后你获得了以下能力/产出序号产出物/能力说明1理解三层路由体系知道L1 fallbacks、L2 fallback-chain、L3 router的区别和配合方式2L1L2基础保障配置了故障转移和超时切换确保可用性3L3智能路由器安装opencode-router实现任务感知的模型选择4任务复杂度评估用启发式规则分析任务复杂度辅助路由决策5负载均衡配置在多个模型间实现流量分配轮询、权重6成本-质量双目标路由构建了完整的成本控制和路由系统多模型路由是把OpenCode从“实验室工具”变成“生产级工具”的关键一步。从今天开始你的OpenCode不再只用一个模型死磕到底——它会根据任务自动选择最合适的模型在保证质量的同时控制成本真正做到了“好钢用在刀刃上”。作者互动与资源引导你在配置多模型路由的过程中有没有遇到什么困惑或者你有什么独特的路由策略想跟大家分享欢迎在评论区留言我看到就会回复——路由策略的设计没有标准答案每个团队、每个项目的权衡都不一样。如果觉得这个专栏对你有帮助关注我后续每一篇更新你都不会错过关注后私信我发送暗号“爱学Python”我会把Python全栈学习路线图和本专栏的源码包发给你我们还有一个技术交流群群里的小伙伴们每天都在讨论OpenCode的各种进阶玩法。想进群的朋友在评论区扣个“1”我拉你进来。下篇预告下一篇是[[进阶篇15] 实现OpenCode流式响应与进度回调机制]我们会进入OpenCode的“实时反馈”领域——怎么让AI的思考过程实时显示、怎么在长任务中展示进度、怎么让用户知道AI“正在做什么”。如果本篇对你有帮助点赞、收藏、关注走一波咱们下篇见