Turbo 是一个通过托管 LLM（Cerebras）进行直接代码生成的技能，属于 speed-run 流水线的一部分。其核心思路是：Claude 编写契约提示，Cerebras 实现代码，文件直接写入磁盘。使用时需声明："I'm using speed-run:turbo for hosted code generation."
适用场景 Turbo 适用于：算法类代码（限流器、解析器、状态机）；多个文件（3 个以上）；样板代码繁多的实现；token 受限的会话。以下情况应改用 Claude 直接生成：CRUD/存储操作（由于无修复开销，Claude 更便宜）；需要复杂协调的单一实现；修复周期成本高昂的速度关键任务。
权衡对比 在速度上，Claude Direct 约 10 秒，Turbo 约 0.5 秒；在 token 成本上，Turbo 节省约 90%；首次通过质量方面，Claude Direct 约 100%，Turbo 为 80-95%；所需修复次数方面，Claude Direct 为 0，Turbo 通常为 0-2 次。
工作流程 步骤 1：编写契约提示。按照精确规格组织提示，包含 DATA CONTRACT（使用精确的模型）、API CONTRACT（使用精确的路由）、ALGORITHM（逐步逻辑、状态管理细节、边界情况处理）、RULES（技术栈、存储机制、错误返回、重置行为等）。示例中给出了 Task 与 TaskCreate 的 Pydantic 模型，以及 POST /tasks、GET /tasks、GET /tasks/{id}、DELETE /tasks/{id}、POST /reset 等路由契约，并使用 FastAPI 与 uvicorn。
步骤 2：生成代码。调用 mcp__speed-run__generate_and_write_files，传入 prompt 与 output_dir。该调用仅返回元数据（写入的文件、行数），Claude 不会看到生成的代码。
步骤 3：运行测试。对生成的代码运行测试套件。
步骤 4：修复（如需要）。对失败项使用 Claude Edit 工具进行外科式修复，通常每个修复 1-4 行。常见修复包括：缺失的工具函数（偶发，约 4 行）、逻辑边界情况（偶发，1-2 行）、导入顺序（罕见，1 行）。
步骤 5：重新测试。重复步骤 3-4 直到所有测试通过。即使加上修复，总 token 成本也远低于由 Claude 生成全部内容。
托管 LLM 做得对的部分（约 90%） 数据模型与契约完全匹配；路由/端点正确；核心算法逻辑；基础错误处理。
配置 变量 CEREBRAS_API_KEY 为必填，是 API 密钥；CEREBRAS_MODEL 默认 gpt-oss-120b，用于指定模型。可用模型包括：gpt-oss-120b（价格 $0.35/$0.75，3000 t/s，默认，性价比最好，输出干净）；llama-3.3-70b（$0.85/$1.20，2100 t/s，可靠备选）；qwen-3-32b（$0.40/$0.80，2600 t/s，带有冗长的 <think> 标签）；llama3.1-8b（$0.10/$0.10，2200 t/s，最便宜，可能需要更多修复）。