# Claude Code多模型路由实战：Opus规划+Sonnet编码+Haiku执行 > **适用人群**：已掌握Claude Code基础操作的开发者，希望在实际项目中通过智能模型路由策略降低80%成本而不牺牲代码质量。 > > **学习目标**：理解Opus/Sonnet/Haiku三模型的能力边界与定价差异，掌握opusplan内置路由、subagent模型覆写、第三方路由器三种方案，并能根据任务特征构建自己的混合调度策略。 ## 一、为什么需要多模型路由 Claude Code默认使用Sonnet模型——它在速度、成本和能力之间取得了最佳平衡。但一个真实的开发会话中，并非所有操作都需要同等推理能力： | 操作类型 | 推理需求 | 占会话Token比例 | |----------|----------|-----------------| | 架构设计与技术决策 | 极高 | ~10% | | 核心业务逻辑编写 | 高 | ~25% | | 测试用例生成 | 中 | ~20% | | 代码格式化/JSDoc/注释 | 低 | ~15% | | 文件搜索/Grep/目录遍历 | 极低 | ~30% | 一组来自社区的真实数据：在连续一周的Claude Code使用中，**85%的Token消耗发生在不需要Opus级推理能力的操作上**。如果全部使用Opus，你正在为搜索文件和添加注释的操作支付5倍溢价。 ## 二、三模型能力画像与基准数据 ### 2.1 模型规格一览 当前Claude家族的三个主力模型： | 维度 | Opus 4.7 | Sonnet 4.6 | Haiku 4.5 | |------|----------|------------|-----------| | 定位 | 旗舰推理 | 日常全能 | 高速执行 | | 上下文窗口 | 1M tokens | 1M tokens | 1M tokens | | 输入价格 ($/MTok) | $5.00 | $3.00 | $0.80 | | 输出价格 ($/MTok) | $25.00 | $15.00 | $4.00 | | 首Token延迟 (TTFT) | ~3.2s | ~1.4s | ~0.5s | | 输出速度 (Tok/s) | ~45 | ~80 | ~150 | ### 2.2 编码基准实测 SWE-bench Verified是衡量AI模型解决真实GitHub Issue能力的金标准，包含500个人工验证的真实软件工程问题： | 基准 | Opus 4.7 | Opus 4.6 | Sonnet 4.6 | Haiku 4.5 | |------|----------|----------|------------|-----------| | SWE-bench Verified | 87.6% | 80.8% | 79.6% | 62.4% | | HumanEval+ | 96.8% | 95.2% | 94.8% | 89.1% | | LiveCodeBench | 78.3% | 73.5% | 72.1% | 58.7% | | Aider Polyglot | 82.1% | 79.4% | 77.8% | 63.2% | **关键洞察**：Opus与Sonnet在编码基准上的差距仅约1-2个百分点，但价格差距高达67%。对于绝大多数编码任务，Sonnet是性价比之王。Opus的价值体现在需要深度推理的复杂架构决策上。 ### 2.3 模型性格差异 三个模型不仅是"快慢贵便宜"的区别，它们有本质不同的"思维方式"： - **Opus**：深思熟虑型。喜欢全局考量，给出建议前会把所有角度想一遍。擅长发现隐蔽的边界条件和安全隐患。 - **Sonnet**：执行力型。理解需求快速精准，直接给解决方案，不绕弯子。适合日常编码的主战模型。 - **Haiku**：反应速度型。对简单指令的响应极快，但在复杂推理场景下是弱项。批处理重复性任务的最佳选择。 ## 三、方案一：opusplan——内置混合路由 ### 3.1 opusplan是什么 `opusplan`是Claude Code内置的模型别名，它实现了一种**自动化的两阶段路由**： ``` Plan Mode（规划阶段）→ 自动使用 Opus Execution Mode（执行阶段）→ 自动切换到 Sonnet ``` 这是Anthropic官方推荐的"甜点"方案——用Opus的大脑做规划，用Sonnet的效率做执行。 ### 3.2 启用方式 三种方式，按优先级排列： **方式一：会话内命令** ```bash # 在Claude Code对话中直接输入 /model opusplan ``` **方式二：启动参数** ```bash claude --model opusplan ``` **方式三：配置文件持久化** 在项目的`.claude/settings.json`中设置： ```json { "model": "opusplan" } ``` 或在全局配置`~/.claude/settings.json`中设置，对所有项目生效。 ### 3.3 opusplan工作流程  > *图表 1* ### 3.4 实际效果对比 在一个中型React项目重构任务中（12个组件迁移到Server Components）： | 指标 | 全程Opus | 全程Sonnet | opusplan | |------|----------|------------|----------| | 总Token消耗 | 285K | 268K | 271K | | 总成本 | $5.12 | $2.85 | $3.21 | | 规划质量 | 优秀 | 良好 | 优秀 | | 代码质量 | 优秀 | 良好 | 良好+ | | 犀利发现Bug数 | 4 | 2 | 4 | opusplan以Sonnet 1.13倍的成本获得了与全程Opus相当的规划质量。关键的4个隐蔽Bug全部在Plan阶段被Opus发现。 ## 四、方案二：Subagent模型覆写 ### 4.1 逐Agent指定模型 opusplan是粗粒度的"规划/执行"二分法。更精细的控制是在每个subagent（子代理）级别指定模型。 Claude Code的Task工具支持`model`参数，可以为每个子代理单独选择模型： ```json { "subagent_type": "general-purpose", "model": "haiku", "description": "批量添加JSDoc注释", "prompt": "为src/目录下所有TypeScript文件添加JSDoc注释..." } ``` ### 4.2 模型选择的优先级链 当Claude Code需要决定使用哪个模型时，遵循以下优先级：  > *图表 2* ### 4.3 实战：三层路由架构 在`.claude/subagents/`目录下创建专门的子代理配置文件，实现精细化的模型路由： **探索型代理（用Haiku）—— `.claude/subagents/explore.md`** ```markdown --- model: haiku description: 快速代码探索与搜索 tools: - Glob - Grep - Read --- 你是一个代码探索代理。你的任务是快速搜索代码库， 找到相关文件和代码位置。不需要修改任何文件。 保持输出简洁，直接返回搜索结果。 ``` **编码型代理（用Sonnet）—— `.claude/subagents/coder.md`** ```markdown --- model: sonnet description: 通用编码实现 --- 你是一个编码代理。根据提供的规格说明编写代码。 遵循项目现有的代码风格和模式。 确保代码通过项目的所有lint检查。 ``` **架构型代理（用Opus）—— `.claude/subagents/architect.md`** ```markdown --- model: opus description: 架构设计与技术决策 --- 你是一个架构师代理。负责分析复杂的技术决策、 评估不同方案的trade-off、发现潜在的架构风险。 输出结构化的分析报告，包含明确的建议。 ``` ### 4.4 在Skill中调用三层路由 创建一个Skill来编排这三层路由： ```markdown --- name: smart-refactor description: 智能重构工作流 --- ## 工作流 1. 首先启动architect代理（Opus），分析重构范围和方案 2. 然后启动explore代理（Haiku），搜索所有受影响文件 3. 最后启动coder代理（Sonnet），按计划执行重构 请按顺序执行以下步骤： ### Step 1: 架构分析 使用architect子代理分析当前请求的技术影响。 ### Step 2: 影响范围搜索 使用explore子代理搜索所有需要修改的文件。 ### Step 3: 执行重构 根据前两步的结果，使用coder子代理执行代码修改。 ``` ### 4.5 成本计算 以一个实际重构任务为例（重构15个文件的API层）： | 阶段 | 模型 | Token消耗 | 成本 | |------|------|-----------|------| | 架构分析 | Opus | 12K input + 3K output | $0.14 | | 范围搜索 | Haiku | 45K input + 5K output | $0.06 | | 代码实现 | Sonnet | 120K input + 30K output | $0.81 | | 测试生成 | Haiku | 60K input + 15K output | $0.12 | | **总计** | **混合** | **290K** | **$1.13** | 对比全程使用Opus：290K tokens → $5.65。**三层路由节省了80%的成本**。 ## 五、方案三：第三方路由器 ### 5.1 claude-router 社区项目`claude-router`（github.com/0xrdan/claude-router）提供了更智能的自动路由： **安装：** ```bash # 作为Claude Code Skill安装 claude skill add https://github.com/0xrdan/claude-router ``` **核心路由逻辑：**  > *图表 3* ### 5.2 自定义路由规则 在项目的`.claude/settings.json`中配置路由规则： ```json { "routing": { "rules": [ { "condition": "task_type == 'architecture'", "model": "opus" }, { "condition": "task_type == 'search' && context_length < 50000", "model": "haiku" }, { "condition": "default", "model": "sonnet" } ], "fallback": "sonnet" } } ``` ### 5.3 三种方案对比 | 维度 | opusplan | Subagent覆写 | 第三方路由器 | |------|----------|-------------|-------------| | 配置复杂度 | 极低 | 中 | 高 | | 粒度 | 粗（规划/执行） | 细（逐Agent） | 最细（自动判断） | | 成本节省 | ~37% | ~80% | ~75-85% | | 代码质量 | 高 | 高 | 依赖路由准确性 | | 维护成本 | 零 | 低 | 中 | | 推荐场景 | 日常开发 | 结构化项目 | 大型团队 | ## 六、完整实战案例：从零搭建混合路由 ### 6.1 项目背景 假设我们要为一个Next.js项目实现混合路由策略。项目包含： - 50+ API路由 - 30+ React组件 - 20+ 数据库模型 - 完整的测试套件 ### 6.2 Step 1：创建目录结构 ```bash mkdir -p .claude/subagents ``` ### 6.3 Step 2：配置默认模型 编辑`.claude/settings.json`： ```json { "model": "opusplan", "permissions": { "allow": [ "Bash(npm test:*)", "Bash(npm run lint:*)", "Read", "Glob", "Grep" ] } } ``` ### 6.4 Step 3：创建子代理配置 **文件：`.claude/subagents/code-explorer.md`** ```markdown --- model: haiku description: 高速代码探索 allowedTools: - Glob - Grep - Read --- 快速搜索代码库，定位文件和代码段。 只读取和搜索，不修改任何文件。 输出格式：文件路径 + 行号 + 关键代码片段。 ``` **文件：`.claude/subagents/test-generator.md`** ```markdown --- model: haiku description: 测试用例生成器 allowedTools: - Read - Write - Bash(npx jest:*) --- 根据提供的函数签名和实现，生成完整的单元测试。 遵循项目现有的测试模式和mock策略。 覆盖率目标：80%以上。 ``` **文件：`.claude/subagents/code-reviewer.md`** ```markdown --- model: opus description: 深度代码审查 allowedTools: - Read - Grep - Glob --- 进行深度代码审查，关注以下维度： 1. 安全漏洞（OWASP Top 10） 2. 性能瓶颈 3. 架构一致性 4. 边界条件处理 5. 错误处理的完整性 输出结构化审查报告，按严重程度分级。 ``` ### 6.5 Step 4：创建路由编排Skill **文件：`.claude/skills/smart-dev.md`** ```markdown --- name: smart-dev description: 智能混合模型开发工作流 --- # 智能开发工作流 根据任务类型自动选择最优模型组合。 ## 工作流步骤 1. **需求分析**（Opus）： 使用code-reviewer子代理理解需求和现有架构 输出：技术方案文档 2. **代码定位**（Haiku）： 使用code-explorer子代理快速搜索所有受影响文件 输出：文件清单和修改范围 3. **代码实现**（Sonnet，通过opusplan自动路由）： 根据方案和范围直接执行编码 输出：修改后的文件 4. **测试生成**（Haiku）： 使用test-generator子代理为新代码生成测试 输出：测试文件 5. **质量审查**（Opus）： 使用code-reviewer子代理审查最终代码 输出：审查报告和改进建议 ``` ### 6.6 Step 5：验证路由是否生效 启动Claude Code并运行： ```bash claude --model opusplan ``` 在会话中观察模型切换行为： ``` > /smart-dev 为用户模块添加双因素认证功能 [Plan Mode - 使用Opus] 分析现有认证架构... 发现3个需要修改的核心文件... 识别出2个潜在安全风险... [Execution Mode - 切换到Sonnet] 正在修改 src/auth/two-factor.ts... 正在修改 src/api/auth-routes.ts... 正在更新 src/middleware/auth.ts... [Subagent - Haiku] 搜索所有使用auth middleware的文件...找到12个 [Subagent - Haiku] 生成测试文件...coverage: 87.3% [Subagent - Opus] 审查报告： - CRITICAL: 时间窗口验证存在竞态条件 - WARNING: backup codes未加密存储 - INFO: 建议添加rate limiting ``` ### 6.7 Token消耗追踪 使用`/cost`命令查看实时成本： ``` Session Cost Breakdown: ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Opus (规划+审查): $0.42 (18%) Sonnet (编码): $1.24 (54%) Haiku (搜索+测试): $0.15 (7%) Infrastructure: $0.47 (21%) ━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ Total: $2.28 vs 全程Opus: $7.85 节省: 71% ``` ## 七、任务-模型匹配决策树 根据任务特征选择最优模型的决策流程：  > *图表 4* ## 八、常见问题与踩坑 ### 8.1 Subagent模型覆写不生效 **问题**：在subagent frontmatter中设置了`model: haiku`，但实际仍使用主会话模型。 **原因**：存在已知Bug——Agent工具调用的`model`参数记录在请求日志中但未实际改变模型选择（参见GitHub Issue #54448）。 **解决方案**： ```bash # 使用环境变量方式强制覆写 export CLAUDE_CODE_SUBAGENT_MODEL=haiku claude ``` 或在`.claude/settings.json`中设置： ```json { "env": { "CLAUDE_CODE_SUBAGENT_MODEL": "haiku" } } ``` ### 8.2 opusplan在Auto-Accept模式下行为异常 **问题**：启用opusplan后切换到Auto-Accept模式，所有操作都使用Sonnet。 **原因**：Auto-Accept模式本质上是跳过Plan阶段的确认步骤，因此opusplan直接进入执行阶段使用Sonnet。这是设计行为而非Bug。 **解决方案**：需要Opus推理的场景，显式使用`/model opus`而非依赖opusplan的自动路由。 ### 8.3 Haiku生成测试质量不足 **问题**：使用Haiku生成的测试用例过于简单，覆盖率虚高但实际测试价值低。 **解决方案**：采用"Haiku生成+Sonnet审查"的两阶段策略： ```markdown ## 测试工作流 1. 使用Haiku快速生成测试骨架和基础用例 2. 使用Sonnet审查测试质量，补充边界条件和异常场景 ``` ### 8.4 模型切换时的上下文丢失 **问题**：在opusplan模式下从Plan切换到Execution时，部分上下文信息丢失。 **解决方案**：在Plan阶段结束时确保Opus输出完整的结构化计划文档： ``` 请将分析结果以以下格式输出： ## 架构决策 - 决策1: ... - 决策2: ... ## 修改文件清单 - file1.ts: [修改说明] ## 注意事项 - 注意1: ... ``` 这样即使模型切换，结构化的文本上下文也能被Sonnet完整接收。 ## 九、进阶：基于Claude Code SDK的路由服务 对于需要编程化控制的场景，可以使用Claude Code SDK构建自定义路由服务： ```typescript import { ClaudeCode } from '@anthropic-ai/claude-code'; // 任务分类器：根据任务特征选择模型 function selectModel(task: string, contextSize: number): string { // 大上下文 + 复杂任务 → Opus if (contextSize > 100_000 && isComplex(task)) return 'opus'; // 搜索/格式化/批量操作 → Haiku if (isSimpleOrBatch(task)) return 'haiku'; // 默认 → Sonnet return 'sonnet'; } // 路由执行器 async function routedExecute(task: string) { const model = selectModel(task, estimateContextSize(task)); const result = await ClaudeCode.create({ model, prompt: task, options: { maxTurns: model === 'haiku' ? 5 : 20, allowedTools: model === 'haiku' ? ['Read', 'Glob', 'Grep'] : undefined } }); return result; } ``` 这种方案适合CI/CD流水线和批量自动化场景，将路由逻辑从配置文件升级为可编程控制。 ## 十、总结：模型路由策略速查表 | 场景 | 推荐模型 | 理由 | |------|----------|------| | 架构设计/技术选型 | Opus | 需要深度推理和全局视角 | | 安全审计/代码审查 | Opus | 发现隐蔽漏洞需要最强推理 | | 日常功能开发 | Sonnet | 性价比最优的编码模型 | | Bug修复 | Sonnet | 理解代码+精准修改 | | 代码重构 | Sonnet | 模式识别+批量修改 | | 文件搜索/代码定位 | Haiku | 不需推理，速度优先 | | 批量添加注释/JSDoc | Haiku | 机械性任务，成本敏感 | | 测试用例生成 | Haiku→Sonnet审查 | 生成用Haiku，审查用Sonnet | | 文档生成 | Haiku | 格式化任务，不需深度推理 | | 通用开发（不想选模型） | opusplan | 自动路由，零配置 | **核心原则**：推理密集型任务用Opus，编码密集型任务用Sonnet，吞吐密集型任务用Haiku。大多数开发者80%的时间应该使用Sonnet或opusplan。 ## 延伸阅读 - [Anthropic Advisor Strategy: Cut Claude API Costs by Up to 85%](https://mindwiredai.com/2026/04/13/claude-api-advisor-strategy-cost-reduction/) — Anthropic官方推荐的Advisor策略详解 - [Claude Code Model Configuration Docs](https://code.claude.com/docs/en/model-config) — 官方模型配置文档，包含opusplan完整说明 - [claude-router: Intelligent Model Orchestration](https://github.com/0xrdan/claude-router) — 社区开源路由器项目 ## 参考来源 1. [Model configuration - Claude Code Docs](https://code.claude.com/docs/en/model-config) — Anthropic官方模型配置文档，opusplan别名说明 2. [How to Cut Claude Code Costs by 80% with Hybrid Model Routing](https://ofox.ai/blog/claude-code-hybrid-routing-pattern-2026/) — 混合路由模式的实战案例与成本数据 3. [Claude Code 的模型选择：Opus/Sonnet/Haiku 怎么选？](https://zhuanlan.zhihu.com/p/2016267296633550608) — 知乎中文实测对比，含具体Token成本计算 4. [Claude Benchmarks 2026: Every Score for Opus, Sonnet & Haiku](https://www.morphllm.com/claude-benchmarks) — 三模型全基准数据汇总 5. [Anthropic Claude API Pricing 2026](https://www.aipricing.guru/anthropic-pricing/) — 最新API定价数据 --- *训练营适用性评估*：本教程适合AI编程进阶训练营（Day 3-4），学员需具备Claude Code基础使用经验。建议教学时长2-3小时，包含1小时讲解 + 1小时动手配置三层路由 + 30分钟成本对比讨论。前置条件：已完成Claude Code入门安装和基础操作练习。 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。