Skip to main content

配置矩阵

曾经的配置矩阵(逐智能体模型分配表)退役后的位置说明 —— 现在的模型·推理深度由会话继承决定。

更新 2026-09-29 4 分钟阅读 在 GitHub 上编辑 ↗

MoAI-ADK 曾经用配置矩阵给每个智能体分配 {model, effort}。以保留的 13 个智能体为行、三个质量列(high / medium / low)为列的 39 格表格(13 个智能体 × 3 个配置文件)曾是模型·推理深度分配的单一来源,活动配置选出一列后,该列的值应用到所有子代理生成。

这张表在 v3.2 退役了。 本页说明矩阵退场后接替它的是什么,以及今天的模型·推理深度如何决定。

信息
一句话: 逐智能体的分配表消失了,接替它的是会话继承。主会话的模型与推理深度就是所有子代理的模型与推理深度。智能体定义对两者都不声明,调用时也不传。

矩阵解过的问题,与更好的答案

矩阵对应一个真实的问题。智能体一多,“哪个智能体用哪个模型"立刻难以招架,而这些安排逐个写进智能体文件,第二天就会过时。于是把 13 个智能体行、三个配置列收进一张表,把整件事压缩到"选一个配置”。

但在实际运行中暴露出另一个问题。实测显示,编排器调用智能体时带 model 参数的调用不足 1%。矩阵算出了值,调用却什么也没应用上 —— 而且没有任何机制会报告"什么也没应用"。收进一张表固然做到了,可应用点是空的,收集本身就失去了意义。

于是 MoAI 没有把分配做得更精细,而是取消了分配这个行为本身。子代理直接跟随主会话的模型与推理深度之后,就不存在会空置的应用点了 —— 会话在跑什么,本身就是分配。

现在的规则 —— 会话继承

子代理沿用主会话的模型与推理深度 —— 生成子代理时不传 model 也不传 effort,MoAI 智能体定义对两者都不作声明。

  • 智能体定义文件(.claude/agents/moai/*.md)的 frontmatter 既不写 model 也不写 effort。曾经分发的 model: inherit 字段与 effort 默认值已退役。
  • **生成(spawn)**不传 model、effort 参数才是正常形态。点名一个与会话不同的 model 属于漂移,修的是"会话",不是"调用"。
  • 会话的模型由 Claude Code 的模型选择决定;会话的 effort 由 /effort 斜杠命令、ultrathink 关键词或配置向导的默认值决定。
flowchart TD
    M["会话模型
Claude Code 模型选择"] --> S["主会话
模型 + effort"] E["会话 effort
/effort · ultrathink · 配置默认"] --> S S --> W["所有子代理
与 会话相同的 模型·effort"]

会话 effort 从哪里来

决定会话推理深度的路径有三条,先到者胜。

  1. 会话内调节 —— /effort low|medium|high|xhigh|max 斜杠命令或 ultrathink 关键词。改了会话 effort,之后的全部子代理调用跟着走。
  2. 配置向导的会话模型策略 —— moai profile setup 的"会话模型策略"问题决定以此配置启动的 Claude 会话的默认推理强度回退。high / medium / low 三个值原样映射为 effort,只在未单独选择推理强度时生效。不设值时保持 Claude Code 的默认启动行为。
  3. 模型自身的默认值 —— 两者都未介入时,遵循模型默认 effort。Opus 5.5 默认 medium,其他支持 effort 的模型大多默认 high。

生成时的观测

继承成为默认之后,调用偶尔仍可能点名模型。有一个观测层盯着这件事:PreToolUse 钩子读取每次调用的声明 model,向 .moai/logs/agent-model-audit.jsonl 逐条追加记录,当声明与会话值不同时给出建议。拦截需要选择开启(workflow.agent_model_guard.enabled,默认 false)—— 平时是可以不用管的观测层。

矩阵的判断标准留在了哪里

39 格表格、解析器、moai model profile 访问器都已退役,但矩阵靠实测确立的模型选择标准并没有消失 —— 它们恰恰就是今天选择会话模型的标准。

  • 支出给做判断的位置:把深度推理集中到审计、顾问、协调这类判断密集的环节,性价比更优。
  • 智能体式工作用 Opus:长周期多轮任务上,Opus 的 low 得分高于任何档位的 Sonnet,而每任务成本更低。
  • No-Haiku:把 Haiku 塞进长周期智能体任务,完赛失败带来的步数浪费反而抬高每任务成本。

这些标准背后的 DeepSWE 实测数据与三层设计意图整理在三层智能体架构页面,成本·得分曲线的原始数值见该页排行榜一节。

线束专家

/moai:harness 创建的专家同样遵循这条规则。线束智能体定义不声明 model 与 effort,直接使用会话的模型与推理深度。按目的类别(只读抽取、机械变换、实现、审计判定等)借用 effort 的出源表属于旧矩阵的遗物,如今只作为判断标准的记录保留。

下一步