@jonibr/pi-fusion
主从多模型协作框架，让强模型指挥弱模型高效完成任务。
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：@jonibr/pi-fusion。 它的用途是：主从多模型协作框架，让强模型指挥弱模型高效完成任务。 完整的 Skill 内容见：https://321skill.com/skills/jonibr-pi-fusion/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
“使用 pi-fusion，帮我开发一个简单的待办事项Web应用，包含前端和后端。” 主模型（如Claude 3.5）会先规划出项目结构、技术栈和实现步骤，然后指挥副模型（如Claude 3 Haiku）依次创建项目文件、编写API接口、实现前端组件，并最终整合成一个可运行的应用。
介绍
这个 Skill 旨在解决在 AI 开发流程中，直接使用前沿大型模型（如 Claude 3.5 Sonnet, GPT-4）成本高昂，而使用小型或廉价模型又难以保证复杂任务完成质量的问题。它通过“主模型（Lead）”和“副模型（Sidekick）”的协作模式，让一个强大的主模型负责规划和分解任务，然后将具体执行步骤委托给一个成本更低的副模型去完成，同时为每个任务维持独立的、持久的上下文，确保副模型能准确理解并执行指令。
使用方式通常是配置好主模型（如 Claude 3.5）和副模型（如 Claude 3 Haiku 或 GPT-3.5-turbo）的 API 密钥，然后通过命令行或脚本启动任务。主模型会分析任务需求，生成详细的执行计划，并将每一步拆解为副模型可以理解的指令。副模型在专属的、隔离的上下文中执行这些指令，并将结果返回给主模型进行整合与评估，形成高效、低成本的自动化工作流。
它非常适合独立开发者、小型团队或任何希望优化 AI 使用成本，同时又需要处理较复杂、多步骤任务（如代码生成、数据分析、文档撰写）的用户。对于预算有限但希望利用前沿模型能力来指导和监督日常开发或创作流程的场景尤其有价值。
使用建议是，明确主模型和副模型的分工，主模型应选择能力更强的模型以保障规划质量，副模型则可选择响应快、成本低的模型。注意事项包括需要妥善管理不同模型的 API 密钥，并理解该模式在需要高度创造性或极低延迟的即时对话场景中可能不是最优选择，它更擅长处理有明确步骤和产出的任务。
核心特点
核心在于实现了“Devin Fusion”模式，即主模型不仅发起任务，还能为副模型创建并维护独立的、持久化的每任务上下文，确保副模型在长时间、多步骤任务中不会遗忘目标或偏离方向，这与简单的任务链或一次性指令传递有本质区别。
注意事项
不适合需要超低延迟交互或高度自由创意发散、无法被明确步骤拆解的即时对话场景。
常见问题
pi-fusion 能节省多少成本？
通过让廉价模型执行具体步骤，能显著降低使用前沿模型的 token 消耗，具体节省比例取决于任务复杂度与模型定价。
支持哪些模型作为主模型或副模型？
理论上支持任何可通过 API 调用的模型，如 Anthropic Claude 系列、OpenAI GPT 系列等，具体需查看仓库配置说明。
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/jonibr-pi-fusion/raw/index.md 读取 @jonibr/pi-fusion 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/jonibr-pi-fusion/raw/index.md（查看排版版本）