escalation-governance
评估模型是否需要升级或上报，辅助决策
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：escalation-governance。 它的用途是：评估模型是否需要升级或上报，辅助决策 完整的 Skill 内容见：https://321skill.com/skills/escalation-governance-x-4/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
‘请评估当前使用Sonnet模型处理客服工单分类任务的效果。这是近期的准确率数据和响应延迟。根据我们的预算，是否需要升级到Opus模型？’ 它会分析你提供的数据，结合任务复杂度，给出是否建议升级的结论，并列出主要考量因素，如成本增幅与性能提升的性价比。
介绍
该Skill旨在解决在开发和部署AI模型时，如何判断一个模型的表现是否达到预期标准，以及何时需要将其升级或上报给更高级别模型（如从Claude 3.5 Sonnet升级到Opus）的决策难题。它通过预设的评估标准和逻辑，帮助用户自动化或半自动化地完成模型性能评估。
使用方式通常是向AI提供待评估模型的相关信息（如任务类型、当前表现、成本等），AI会基于Skill内置的评估框架进行分析，并给出是否建议升级的结论及理由。这个过程可以集成到开发工作流中，作为模型迭代的一个检查点。
它非常适合需要频繁使用或管理多个AI模型的开发者、运维工程师和产品经理，尤其是在构建AI应用或智能体时，需要对模型调用成本和效果进行精细化管理。对于希望优化AI使用成本并确保任务质量的项目团队来说，这是一个实用的决策辅助工具。
建议在模型表现出现波动、任务复杂度提升或成本预算调整时使用此Skill进行评估。需要注意的是，评估结果依赖于输入信息的准确性和Skill内置评估逻辑的合理性，用户应结合具体业务场景进行最终判断，避免完全依赖自动化决策。
核心特点
专注于模型升级决策这一特定环节，提供结构化的评估框架，而非通用的模型测试或性能监控。它帮助用户在成本与效果之间做出权衡，明确升级的触发条件。
注意事项
不适合用于评估模型在训练数据之外的全新任务，或需要深度领域专业知识进行判断的复杂场景。
常见问题
这个Skill能评估哪些模型？
主要适用于评估如Claude系列等大语言模型，可根据任务表现、成本等因素判断是否需要升级到更高阶模型。
评估标准是什么？
通常基于任务复杂度、当前模型响应质量、错误率、成本预算等预设维度进行综合判断。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/escalation-governance-x-4/raw/index.md 读取 escalation-governance 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/escalation-governance-x-4/raw/index.md（查看排版版本）