用途：把工作负载拆成「廉价默认模型」与「受门控的升级模型」两档，降低 LLM 花费，并把拆分写成可验证的配置。适用场景：用户抱怨 AI 账单过高，或大部分请求并非高难度任务。
主要能力：定义升级门槛（任务类型、难度信号或首次失败重试）；默认经 OpenAI 兼容网关，便于日后一行替换；写出 routing.json（base_url、default_model、escalate_model、escalate_when）作为决策契约，可翻译为 LiteLLM 路由器、OpenRouter 预设或自有客户端；附带校验脚本，若默认不是廉价模型、未设升级模型或缺失门控则失败。
用法：先确认对当前负载而言「困难」指什么，说不清时以「重试即升级」为默认门控；再选模型对，文中示例以 z-ai/glm-5.2 为默认、anthropic/claude-opus-4.8 为升级；随后生成 routing.json 并运行校验。
限制：排行榜成绩不等于用户任务的表现，需以自己的提示词做对比测试；每 token 更便宜不等于每任务更便宜，廉价模型可能需要额外推理循环或重试；需关注数据驻留地，开放权重不代表提示词落地位置；网关最便宜的路径常是量化变体，质量敏感时应固定提供方。文中价格与时点数据请以当前为准。