Claude 新推出了一个 API 工具叫 Advisor Tool，挺有意思的。

做开发的人一直有个纠结的问题：用 Opus 跑全流程，效果好，但成本太高；用 Sonnet 跑全流程，便宜是便宜了，关键环节容易出问题。两头都不完美。

Advisor Tool 的思路很巧妙，让 Sonnet 在遇到难题的时候去请教 Opus。Opus 不直接调用工具，也不直接面向用户输出内容，它只负责在背后给 Sonnet 提供指导，比如给一个计划，做一次纠正，或者发出一个需要停下来的信号。Sonnet 拿到指导之后继续往下执行。

这个设计最大的好处在于简单。不需要你自己做任务分解，不需要搞 worker pool，也不需要写复杂的编排逻辑。前沿的推理能力只在关键时刻介入，其余时间全部按 Sonnet 的价格跑。最终的效果就是，花接近 Sonnet 的钱，拿到接近 Opus 的智能水平，API 成本大幅下降。

这个工具的价值其实本身就在反映 harness 的重要性。我们可以看出来，这两年大模型的升级迭代明显慢了，确实遇到了瓶颈期。但换个角度想，大模型的基础能力其实已经够用了。真正的问题从来都不是模型不够聪明，而是我们没有把它放到一个合适的系统里去发挥。

Advisor Tool 就是一个很好的例子。同样的模型，同样的参数量，只是换了一种调度方式，效果和成本就同时改善了。这说明什么？说明接下来两年，真正的红利在工程化，在 harness 的设计上。谁能给大模型搭建出更聪明的运行环境，谁就能用同样的模型做出别人做不到的事情。

这个趋势其实已经很明显了。你看现在做得好的 AI 产品，拉开差距的地方往往不在模型本身，而在模型外面那一层东西：上下文怎么管理，工具怎么编排，什么时候该让模型思考，什么时候该让它执行，什么时候该引入更强的推理能力。这些决策逻辑才是核心竞争力。

以前大家拼的是谁的模型大、谁的参数多、谁的 benchmark 分数高。接下来拼的是谁更懂得用好现有的模型。模型能力的天花板短期内不会有质的飞跃，但系统设计的天花板远远没有被触及。把一个 Sonnet 级别的模型放进一个精心设计的系统里，它能发挥出来的价值可能比一个裸跑的 Opus 还要大。

所以对开发者来说，现在最值得投入精力的方向，是去理解模型的能力边界，然后围绕这个边界去设计系统。不是等更强的模型出来再动手，而是用好手里已有的牌。牌面够了，关键看你怎么出。

#科技先锋官##How I AI#