ClawCodex /режим советника: Объедините дешевого работника с дорогим рецензентом, чтобы сократить расходы без потери качества

Большинство CLI-агентов заставляют выбирать одну модель: Opus принимает отличные решения, но сжигает бюджет, а Haiku дёшев, но упускает критически важные архитектурные моменты. ClawCodex, открытый Python-порт Claude Code, решает эту проблему с помощью режима /advisor, который на ключевых этапах принятия решений сочетает дешёвую рабочую модель с дорогой рецензирующей моделью.

Как это работает

Дешёвая рабочая модель (например, haiku-4-5, deepseek-v4-pro) выполняет основную работу — чтение файлов, редактирование, запуск тестов. На этапах принятия решений — перед фиксацией интерпретации, перед объявлением задачи выполненной или при возникновении затруднений — рабочая модель приостанавливается и обращается за советом к более сильной рецензирующей модели (например, opus-4-7). Рецензент просматривает весь диалог (каждый вызов инструмента, каждый результат) и возвращает краткую подсказку в формате Пробелы / Риски / Что делать дальше. Затем рабочая модель продолжает работу.

Два режима выполнения

• Серверный (Anthropic 1P): Использует бета-заголовок советника — один раунд, дружественный к кэшированию промптов. И рабочая, и рецензирующая модели работают на стороне Anthropic.
• Клиентский (любой провайдер): Рабочая модель генерирует обычный вызов tool_use, агент перехватывает его и выполняет отдельный вызов к настроенной рецензирующей модели. Два раунда, но можно комбинировать провайдеров — например, рабочая модель DeepSeek + рецензент Claude Opus, или рабочая модель Gemini + рецензент GLM.

Настройка и мониторинг

Настройка выполняется одной строкой в REPL:

/advisor anthropic:claude-opus-4-7
/advisor deepseek:deepseek-v4-pro

Строка состояния показывает токены рабочей модели, токены рецензента и стоимость в USD отдельно, так что вы точно видите, на что уходят средства.

Бенчмарки и совместимость

ClawCodex изначально поддерживает Anthropic, OpenAI, Gemini, DeepSeek, GLM, Minimax и OpenRouter. На SWE-bench Verified агент набирает 58,2% с Gemini 2.5 Pro против 53% у OpenClaude в тех же условиях.

Сложнее всего: промпты

Самая сложная инженерная задача заключалась в том, чтобы рецензент не просто повторял план рабочей модели — ранние версии тратили контекст на дословные повторы. Решением стало строгое правило «никаких местоимений первого лица, никаких повторений» в сочетании с шаблоном Пробелы / Риски / Что делать дальше.

Для кого это

Для разработчиков, использующих ИИ-агенты кодирования, которые хотят получать архитектурные решения уровня Opus, не платя по тарифам Opus за каждый вызов.