烧了一万块API后，我找到了同时适用于Fable5和GPT5.6的AI工作流

Claude又大封号了，

大概率是周日支付出了个SEPA的验证Bug，随便一个德国卡号就可以不扣钱开通max订阅，果然周一周二封了一大批号，这次估计比上次查时区更加直接，甚至到无脑封，因为我认识的人基本上都被封完了。

不过这次我完全没受影响，因为上次被封，对话记录丢失大半之后，我已经把工作流全都压到API版的Fable上了，再加一个mem0来做记忆层，Github长期做项目文件的存储层，体验上不比用账号差。

这三周就是天天琢磨怎么把一周500刀（3300块）的API账单至少压缩到400一周，做到跟Max订阅持平的水准。这样就不会心疼到不舍得用，也不能全Fable5出计划，GPT 5.6 Sol干活，这样简单的活也要跑一小时。

就是七天，3200这个数字组合看着是有点吓人，那能不能把token消耗分别分摊到Fable5、Opus5、Sonnet5，以及量大管饱的GPT 5.6 Sol呢？

能的，当然能的。

🔗 github. com/LearnPrompt/partner-skill

就是上个月我开源的让Claude Code和Codex搭配使用的Skill搭子的1.4版，

当时的定位是把Claude Code出计划然后直接在当前对话调用Codex，不需要复制黏贴，由Fable5自己写交接文档自己从CodeX那读取输出。

Claude Code负责前期的头脑风暴和规划，UI和交互，还有最后的代码审查。Codex负责耗额度大但对模型能力要求没那么高的事，比方说从零建项目，浏览器自动化，长上下文代码实现等等等等，量大管饱。

2.0做的事情跟1.4完全是两个量级。

1.4解决的是两个Agent之间怎么交接。交接是A做完了交给B，B做完了交回A。它是串行的，线性的，像流水线。

2.0解决的是，怎么让这两个Agent四个不同版本的模型像一支团队协作。协作是A和B在同一个空间里一起工作，各自知道自己该做什么，做完之后有人检查，检查完了有记录，是一个系统。

先说最大的变化。

搭子现在有三个身份了。

安装完搭子2.0之后，输入「搭子，配置」，它会在本机起一个配置页面。

搭子现在不再区分「Claude Code的活」和「Codex的活」了。

它区分的是三种身份。deep_reasoner，负责深度推理，拆方案，判边界，做架构决策。fast_worker，负责快速执行，改文件，跑测试，批量重构。

还有一个新角色，arbiter，仲裁者。

这个角色的设计来自我自己长时间使用的一条Agent规则。

高风险决策或者说做目标的时候，要让Opus和Codex背对背解同一个问题，互相看不到对方的答案，然后我或者Fable5来做最终裁决。

这条规则跑了一段时间之后我发现，方向时对的，但执行太累了。

你得手动复制问题发给两边，手动等两边都答完，手动对比两个答案。做一次还行，做十次你就开始偷懒了，偷懒了这条规则就形同虚设。

搭子2.0把这件事自动化了。

你跟搭子说，这个方案让两边各自想想。它就会把同一个问题分别发给deep_reasoner和arbiter，两边独立解题，互相看不到对方任何一个字。做完之后结果摆在一起。

那再大胆再头脑风暴一点，

每个角色绑定的模型可不可以随着项目不同随意切换呢？

也能的。

比方我的AI热点Skill，ai news rader就把deep_reasoner设置成Fable5，fast_worker换成Opus5，arbiter是GPT 5.6 Sol，

轮到我更新PPT Skill的时候，我就可以把deep_reasoner设置成Fable5，fast_worker和arbiter是GPT 5.6 Sol。

再再再大胆一点，

能不能同一个项目Claude Code和Codex配置的模型不一样呢？

还是可以的！！！

我要的就是API里的每一分钱，都可以花在最合适的模型上。所以搭子现在内置了3套不同的方案，balanced均衡、quality质量优先、cost省钱优先。

简单来说，config文件可以按host分命名空间，hosts.claude_code管Claude Code侧的配置，hosts.codex管Codex侧的。

你在Claude Code里跑「搭子，配置」，它只动Claude Code的namespace，Codex那段原封不动。反过来也一样。

两个Agent共享同一个config文件，但互不干扰。而且config分两级，项目级在 .partner/config.toml，全局级在 ~/.config/partner/config.toml，项目级优先。

这意味着你可以给不同项目配不同的策略。一个大型项目deep_reasoner绑Fable5走重计划，一个小脚本全绑GPT 5.6省钱。

这套配置跑了两周，就是我第二周成本压一半的核心原因。

配好不同档位的模型后，还有一个特别贴心的功能，「搭子，试跑」。

它会跑三个固定的微任务，每个任务分别测试三个身份有没有活着。

fast_worker做一个JSON排序的机械活，deep_reasoner做一道CLI设计的推理题，arbiter拿到同一道推理题独立去解，盲解规则严格执行，它看不到deep_reasoner的任何答案。

还有一个升级是Goal-to-PR协议。

1.4的时候，两个Agent在同步干活的过程中，如果我在对话中间临时修改了目标，或者Codex自己跑偏了，就很难追溯到底哪一步开始偏的。

2.0加了哈希校验。goal.md每次变更都会生成一个哈希，Codex提交PR的时候会自动对照这个哈希，确认它执行的是你最新版本的目标，而不是某个中间版本的残留指令。

说完核心升级，最后来看看搭子2.0实际跑起来是什么感觉。

AI News Radar之前一直有一个问题，就是没有全文提取。RSS拿到的只是摘要，用户想看完整内容还得自己点进去。

这个功能本来计划在下个版本做，正好用搭子2.0来实战一把。

一把搞定，贼省fable5还没降低质量。

这是我让GPT 5.6做的，正文效果

这是我用搭子让fable5 think，Opus5 do，GPT5.6 review的效果

关于省钱这块，搭子2.0也做了一个升级。

1.4的时候有一个Partner Session Receipt，就是那张小票，告诉你这次协作哪个Agent做了什么，都花了多少钱。

2.0的小票进化了。

它现在有证据链了。小票会记录这一轮每个身份实际跑了什么任务、什么模型、什么推理强度都保存。

所以搭子2.0的省钱逻辑其实是这样的，它做了两件事。

第一件，通过身份系统和跨项目混编，让该便宜的任务自动走便宜的通道，而且可以随着项目变化，并不会因为用了低一档的模型就降低体验。

第二件，通过交接文档和session复用，减少重复的上下文加载，Fable5会判断当前任务是否值得派别的模型去做，Agent也不用每次都Cold Start，交接包只传有用的信息，不需要Agent把整个仓库反复读。

这时候回头看看1.4到2.0这段路，

变化比我预想的大。

1.4的时候我把两个Agent摆到一个工位上。

2.0做的事情是给这个工位装上仪表盘。

三个身份，跨项目混编，本地配置UI，一键试跑，Goal哈希校验，证据链小票。

这些功能串在一起之后，我发现已经很久没有手动在两个Agent之间复制粘贴过上下文了，也不需要每天都盯着API账单了。

这就对了。

按A社的习惯，封号潮还会继续，

200刀的订阅随时可能消失。

3200块的API教会了我一件事。

花钱也要把每一个Token都花在刀刃上。

搭子2.0做的，

就是当好这磨刀石。

文章来自于微信公众号 “卡尔的AI沃茨”，作者 “卡尔的AI沃茨”