用途：当被问到“该用哪个模型”“是否要升级或降级模型”时，该技能帮助在质量、成本、延迟和约束之间做出明确、可辩护的取舍，而不是简单选最大或最便宜的模型。核心思路是：选能通过任务质量门槛的最小模型，并为困难案例保留升级路径。
主要能力：根据任务简报推断任务难度、请求量和延迟敏感度，标注假设后直接给出具体推荐，而非只回答“看情况”；按小/快、均衡、前沿三个层级比较候选模型，从质量、延迟、相对成本、适配度打分；给出默认层级及改变该选择的唯一条件；设计“默认走便宜层级、检测低置信或困难案例再升级”的路由策略；并建议用小规模评测集按层级打分，结合真实请求量估算成本与延迟。
使用方式：若未提供，需询问或推断以下输入——任务内容与示例输入输出、质量门槛与错误代价、每日请求量与延迟要求（交互式或批处理）、预算、上下文长度、工具调用、隐私/地区、输出是否需可复现。输出格式包含决策标准排序、选项对比表、一句话推荐、路由策略和验证方法。
适用场景：为摘要、抽取、推理、开放式生成等任务选型；评估是否升级或降级模型；设计分层路由与升级机制。
限制：资料未提供具体模型名称、价格、平台或性能数据；建议按层级而非硬编码单一模型，以免随模型发布而过时。避免默认选最大模型、只看价格、无评测就推荐、忽略长尾困难案例。