Codex用户搭配多GPT模型可降低70%开发成本

正在使用 Codex 的人一定要试试‼️ 实际上把GPT-6 Luna × GPT-6.1 Sol组合起来，只在必要场景调用Astra，就能在降低70%成本的同时最大化开发效率。接下来我会讲解具体的设置方法。

首先，给AI分配角色，本次架构一共有四个：

🧠 GPT-6.1 Sol（Low）→ 总司令部。负责任务分解和分配。

⚡ GPT-6 Luna → 处理简单任务或范围限定的任务。

🔧 GPT-6.1 Sol（Medium）→ 负责编码和复杂实现。

🔥 GPT-6 Astra → 负责在重要场景进行独立审核。

重点是，不要让Astra一直运行。

为什么这个架构这么强？常规的Codex使用中，哪怕是简单修改也往往会用到高性能模型。比如说：
・修改变量名
・整理现有代码
・更新README
・简单错误修复
・添加测试代码

如果每次都把这类工作交给Astra，从成本角度来说可能效率很低。因此，把琐碎工作交给Luna。

⚠️学完AI之后你赚到钱了吗⚠️ 现有的AI培训学校是以会用AI为目的，不会教你怎么赚钱。现在正在限量分发专为实战赚钱定制的限时20大赠品。

关键在于「司令部」的存在。把GPT-6.1 Sol（Low）用作编排器。用户发出指令后，它会按以下流程处理：
① 细分任务
② 判断难度和风险
③ 分配给合适的模型
④ 整合各智能体的结果
⑤ 只在必要时让Astra审核

这样可以减少人工频繁切换模型的需要。

把Astra作为最后王牌。一般只在以下场景调用Astra：
・大规模设计变更
・安全性重要修改
・复杂错误的原因调查
・多个智能体判断冲突时
・部署到生产环境的重要变更之前

不要一直使用高性能模型，只在真正需要的场景使用才是成本优化的核心。

推理等级也需要区分使用，不光是模型，推理深度也很重要。

Low → 任务分类、指令分配
Medium → 实现、代码生成、常规问题解决
High → 复杂设计判断、疑难问题调查

不需要所有任务都用High。可以参考Terminal Bench等基准测试结果和缓存成本，在自己的开发环境中调整。

给Codex的提示词如下，直接把下面这段发给Codex：

「请调查当前的Codex环境，设计多智能体架构。请设定GPT-6.1 Sol（Low）为司令部，GPT-6 Luna为轻量工作负责人，GPT-6.1 Sol（Medium）为实现负责人，GPT-6 Astra为独立审核负责人。

请确认各模型的可用性、推理等级、子智能体功能、收费体系。如果支持，请根据任务难度和风险提出分配给对应智能体的架构方案。

请在修改设置前，展示要修改的文件和具体设置内容。请不要破坏现有环境，如果产生API按量计费请提前说明。」

最后，AI开发中重要的不是一直用最强的模型。能交给便宜模型做的工作就交给它，只让高性能模型处理困难工作。未来Codex的使用效果差异，不光取决于单模型的性能，还取决于如何管理多个智能体。

※GPT-6.1 Sol的提供情况，以及成本是Astra的五分之一这个说法尚未验证。实际构建时，请确认可用模型和官方价格。