Shadcn推出improve Agent Skill,先让能力最强的模型审计代码库、判断改动价值并生成实施计划,再交给成本更低的模型执行。它把高价值的理解与规划从具体编码中拆分出来,降低Agent开发成本。

这个思路为什么聪明
AI编程的成本,大头在理解和规划。让最强模型读代码、想方案,让便宜模型照着方案写,既保证了质量,又控制了成本。这是模型分工的典型应用。
和路由的区别
模型路由是根据任务难度选模型,一个任务一个模型。Shadcn improve是把一个任务拆成两段:规划用强模型,执行用弱模型。前者是选择,后者是流水线。
效果如何
规划质量决定了执行效果。如果强模型给出的方案清晰、边界明确,弱模型也能写出不错的代码。如果方案模糊,弱模型就会跑偏。
适用场景
大型代码库的重构、批量修改、代码审查。这些任务需要全局理解,但具体的改动是重复性的。分工之后,成本能降一个数量级。
局限
第一,规划模型的输出要足够结构化,弱模型才能执行;第二,两段式流程增加了延迟;第三,复杂任务可能需要多次往返。
对行业的信号
AI编程正在从单模型,走向多模型协作。规划、执行、审查、测试,每个环节用不同的模型。这种工程化的思路,比追求一个全能模型更现实。