Multi-Model Orchestration for Complex Edits
Nikola Balic (@nibzard)· validated-in-production
问题
即便功能强大，单个大语言模型也未必能完美适配多文件代码编辑这类复杂操作涉及的全部子任务。理解宽泛context、生成精准代码以及应用编辑操作这类任务，或许能从模型的专业化能力中获益。
方案
采用由多个AI模型组成的流水线或编排架构，每个模型专门负责复杂任务的不同环节。以代码编辑场景为例，这可能包含以下环节：
- 一个检索模型，用于从代码库中收集相关上下文（context）；
- 一个大型智能生成模型（例如Claude 3.5 Sonnet），用于理解用户意图，并基于检索到的上下文生成核心代码修改内容；
- 还可能用到其他定制化或小型模型，协助将生成的修改内容精准应用到多个文件中，或执行细粒度的调整。
这种方法通过协同协作的方式发挥各模型的优势，相比单一模型独立处理任务，能为复杂操作带来更稳健、更高效的成果。
参考文献
关键词：
核心涵盖三项技术内容：Cursor的Aman Sanger介绍通过融合3.5 Sonnet模型与自定义检索模型实现多文件编辑能力；Claude Code提出模型专项任务分工方案，Opus 4.1负责研究与复杂规划、Sonnet 4.5负责实施执行；提及关联的多模型编排模式“离散阶段分离”。
\n\n
直译：
- Cursor的阿曼·桑格（Aman Sanger）在视频1分34秒处谈及该内容：“……当你将3.5 Sonnet这类模型的智能与我们用于检索的其他几个自定义模型相结合，再应用这个大模型生成的编辑操作时，你便具备了开展多文件编辑的能力。”
\n\n
- 《用Claude Code构建企业》（链接：https://claude.com/blog/building-companies-with-claude-code）——模型专属任务分配：Opus 4.1用于研究与复杂规划，Sonnet 4.5用于实施执行。
\n\n
- 相关模式：《离散阶段分离》（链接：discrete-phase-separation.md）——将多模型编排拓展至对话阶段分离。
来源摘要
正在获取来源并生成中文摘要…