gpt-model-effort-advisor

GPT-5.6 模型与推理强度顾问

帮助为任务选择合适的模型级别和推理强度，仅在需要时升级，根据实际结果不断学习，并诊断失败原因。它负责推荐和记录，由用户决定是否切换。

两个独立维度

• 模型级别 = 智能上限。 级别越高，知识越丰富、推理越深入，但每个 token 的价格也越高。GPT-5.6 的级别：Luna（经济型）→ Terra（均衡型）→ Sol（前沿型）。
• 推理强度 = 思考时间。 强度越高，在同一个问题上投入的思考越多，消耗的 token 也越多。级别：Low → Medium → High → Max → Ultra。

这是两个不同的调节项。默认把两者都调到最高，会浪费金钱，却无法提升大多数任务的质量。请有针对性地选择各个维度。

引擎：registry.py

registry.py（位于同一文件夹，仅使用标准库）为三个数据函数提供支持。始终使用此 CLI，不要手动编辑 JSON。

python3 registry.py session                        # read the live session's model + effort
python3 registry.py query "<task>" [--axes ...]    # find similar past successes/failures
python3 registry.py record --task "..." --model gpt-5.6-<tier> --effort <e> \
        --outcome success|fail|partial [--axes ...] [--reason ...] [--cost N] [--minutes N] [--notes ...]
python3 registry.py stats                          # summary of the registry

注册表初始为空，会根据用户的实际使用情况逐步填充。已记录的结果优先于以下静态启发规则——随着时间推移，个人历史比通用规则更有参考价值。

每项任务的工作流

1. 检查会话（函数：state）

python3 registry.py session   →  {"model": "...", "effort": "...", "source": "..."}

如果当前设置对任务来说过强（简单任务却使用昂贵的设置）或过弱，请指出。Codex 不会在每一轮自动切换；用户可以使用 /model 切换，或使用 -m/-c 启动下一个会话。

2. 提出建议（先查注册表，再用启发规则）

python3 registry.py query "<the user's task>" --axes "<4-axis tags>"

• 如果存在 best_success_combos，优先推荐其中的组合（“类似任务曾使用 Terra + High 成功完成”）。
• 如果存在 avoid_failures，提醒用户避免使用这些组合。
• 如果注册表中没有相似记录，则参考以下启发规则。

从四个维度对任务分类，并传入这些信息以便精确匹配： --axes "verifiable=yes|partial|no,failcost=low|mid|high,volume=high|low,depth=shallow|mid|deep"

• verifiable — 能否通过机械方式检查是否成功（测试、架构、精确数值、渲染错误）？
• failcost — 答案错误的代价有多大？
• volume — 任务将运行多少次（批量处理 → 对价格敏感）？
• depth — 任务是否需要深入的世界知识／设计，还是主要涉及检索与整理？

3. 记录结果（函数：success + failure）

任务结束时记录结果——顾问正是通过这种方式学习。

• 成功（用户满意／检查通过）：record --outcome success——今后遇到类似任务时，会优先推荐此组合。
• 失败／用户不满意／质量下降：record --outcome fail --reason "<what went wrong>"，然后使用下表进行诊断。
• 情况不明：partial。

冷启动时的启发式策略（无注册表匹配项）

根据任务类型进行判断，而不是依据固定价格。

任务类型	从以下配置开始	原因
正式、可验证、大批量（提取、对账、转换）	经济档 · Medium	任务形式明确时，质量稳定；差别只在成本，因此选择能通过要求的最便宜配置。
判断／分析，失败成本中等	均衡档 · High	提升投入有所帮助，但有其限度；均衡档通常已经足够。
由人工审核的草稿（幻灯片、文档）	经济档 · High → 由人工完成	先用低成本方案产出初稿，最后一步由人工完成。
复杂构建，失败成本中高（应用、模拟、媒体）	均衡档 · Max	均衡档的高投入通常能以低得多的成本达到前沿档的质量；在此类任务中，前沿档很少值得其成本。
深度知识／物理学／架构	前沿档 · High	这类任务中，模型规模确实会决定结果。保持在 High。
失败成本高／只有一个正确答案（迁移、安全）	前沿档 · High，失败时升级到 Max	留出安全余量。默认仍不使用 Ultra。

投入有上限——一项核心原则

推理投入的收益会逐渐递减，超过某个程度后，投入更多反而可能_有害_：

• 过度拘泥于规范字面，而非其意图——只为通过检查而优化，而不是把工作做好（奖励作弊／基准测试投机）。
• 结果已经可以接受后仍无休止地自我润色——成本和耗时激增，却没有质量提升。
• 委派带来的开销，却没有获得额外见解。

选择投入程度时的影响：

• High 通常就是有效上限。 超过这个程度往往只是浪费。
• 只有当任务确实可以拆分为子任务时，才使用最高投入级别。 否则只会白白消耗预算——使用前先确认。
• 如果已经达到投入上限但仍然失败，应提高模型档位，而不是增加投入。

故障诊断——选择正确的修复方案

症状	可能原因	修复方案
低投入时结果错误或肤浅	思考不够充分	将投入程度提高一级（先保持同一档位）
High 投入时结果仍然错误	已达到智能上限	提高模型档位，而非投入程度
钻检查漏洞／字面正确但实际错误（投入越高越糟）	过度优化	降低投入程度，并完善规范／加强检查
已通过但仍不断打磨；耗时和成本激增（最高投入）	没有停止条件	改用有界投入程度，并明确说明完成定义
质量合格，但速度太慢或成本太高	配置过高	降低档位和／或投入程度
委派了任务却没有带来额外见解	委派开销	避免最高投入；改用有针对性的 High 运行

提出修复方案后，记录重试结果，以完成闭环。

在 codex 中应用

• 启动：codex -m gpt-5.6-<tier> -c model_reasoning_effort=<effort>（例如，-m gpt-5.6-terra -c model_reasoning_effort=high）。
• 在会话中切换：/model。
• Codex 不会自行逐轮更改模型。此技能会提出建议并记录；由用户切换模型。

输出格式

保持简短（3–5 行），以建议而非定论的方式表达：

建议：<tier> · <effort> — <四个维度的一句话评估>（类似的过往成功案例：<注册表匹配项，或“无——启发式判断”>） 先运行此配置；如果 <可验证的检查> 未通过，则升级至 <更高档位或修复方案>。 启动：codex -m gpt-5.6-<tier> -c model_reasoning_effort=<effort> · 当前会话：<会话评估> 我会记录结果，让下次建议更准确。