Agentflow / Model Routing
godev 如何判斷不同任務該使用哪個模型？
答案不是「讓模型自由猜測」。Agentflow 採用語意分類、固定角色分級與設定檔解析的分層機制。
使用者任務
↓
主控 Agent 判斷工作路線與風險
↓
direct / selected_advisors / full_pipeline
↓
需要委派時，指定 pipeline role
↓
role → tier → profile → model + effort
第一層：主控 Agent 判斷工作路線
這一層不是以程式碼行數、token 數或固定關鍵字決定，而是主控 Agent 根據任務內容與 repository 證據，判斷工作屬於哪一條路線。
direct：清楚、可逆、局部的工作，由主控 Agent 直接完成。selected_advisors：存在特定重要未知問題，交給指定顧問角色處理。full_pipeline：涉及高風險、跨子系統、資料契約、信任邊界或嚴重 hidden-test 風險。blocked：設定、權限或必要證據不足，不能安全執行。
第二層：工作角色對應能力等級
只要需要外部 worker，主控 Agent 就會先指定一個 role；接著由 ag.json 的 pipeline-roles 將 role 映射成 tier。
| 任務角色 | Tier | 設計意圖 |
|---|---|---|
| requirements / spec / acceptance | better | 需要較強的理解、判斷與驗證 |
| codewalk / explore / spike | better | 降低既有系統理解錯誤 |
| implementation | basic | 在規格已凍結後執行受約束實作 |
| security-scan | best | 安全與高風險檢查採最高等級 |
| cross-check | better | 獨立覆核最終結果 |
| learn | basic | 整理已確認的經驗與教訓 |
第三層：Tier 解析成實際模型
你目前專案中的 Codex profile 映射如下；模型名稱與 reasoning effort 會一起選定。
| Tier | 模型 | Reasoning effort |
|---|---|---|
best | gpt-5.6-sol | medium |
better | gpt-5.6-terra | high |
basic | gpt-5.6-luna | max |
cheap | gpt-5.4 | medium |
因此目前的實際解析結果是：requirements 使用 gpt-5.6-terra/high，implementation 使用 gpt-5.6-luna/max，security-scan 使用 gpt-5.6-sol/medium。
第四層：選擇 Claude 或 Codex worker
解析器還會檢查目前 host、cli-provider、worker CLI 是否存在、profile priority，以及該 profile 是否提供指定 tier。
目前 cli-provider: off，所以只能使用與主控 host 相同 family 的 worker：Codex 裡的 godev 使用 Codex profile；Claude 裡則使用 Claude profile。若設定為 on，不同 family 才能共同參與候選選擇。
失敗時如何降級
- 若 profile 沒有指定 tier，預設可退回它的
basictier，並留下 substitution 紀錄。 - 若供應商出現 session limit，該 profile 會在本次 session 被停用，再嘗試其他合格 profile。
- 若是使用者明確指定的精確模型不可用，系統不會偷偷替換，而是停止並要求決策。
核心結論：godev 的任務性質由主控 Agent 根據語意與風險判斷；實際模型則透過
role → tier → profile/model 的確定性設定解析。前半段是語意決策，後半段是可配置、可稽核的規則。