Coworker：将繁琐I/O任务从推理模型卸载的成本优化方案

Coworker是一款供应商中立的CLI工具，核心理念是将文件读取、代码生成等I/O密集型任务委托给低成本模型，让昂贵的推理模型（如Claude Opus、GPT-4）专注于深度思考工作，从而大幅降低AI使用成本。该工具支持多供应商切换，具备成本监控等功能，适用于AI编程助手增强、CI/CD集成等场景。

随着Claude Opus、GPT-4等顶级推理模型的普及，开发者发现这些昂贵模型的大量token预算消耗在"阅读"（如读取代码文件）而非"思考"上。例如，读取600行代码文件时，顶级模型与低成本模型的任务本质相同，但成本相差一个数量级。Coworker项目正是为解决这一痛点而生。

Coworker采用两层架构：推理模型→coworker→低成本模型。任务分离是关键：将机械性I/O任务（文件检索、代码摘要等）路由到低成本模型，保留深度思考任务给顶级模型。此外，工具支持五大主流AI供应商（Moonshot、DeepSeek、Groq、OpenRouter、OpenAI），通过OpenAI兼容端点接入，切换供应商仅需一个命令行参数，灵活便捷。

Coworker提供多个核心功能：

1. ask: 针对文件提问，由低成本模型读取内容并返回答案（如代码审查场景）；
2. write: 根据规格生成文件（如LICENSE），直接写入目标；
3. stats: 从日志聚合使用数据，输出按供应商/任务分组的统计报告；
4. debug: 通过SHA256前缀检查语料库内容，便于调试。

Coworker遵循XDG标准，配置文件存放在标准路径（如~/.config/coworker/providers.yaml用于供应商定义）。每个供应商只需设置对应的环境变量（如DeepSeek需DEEPSEEK_API_KEY）。安装步骤简洁：通过pip安装，复制示例配置文件，设置环境变量即可使用。

Coworker的应用场景包括：

1. AI编程助手增强：作为前置过滤器，让低成本模型处理初步分析，再调用顶级模型做深度推理；
2. CI/CD流水线集成：自动生成代码审查摘要、更新日志等，控制token成本； 3.大规模代码库分析：分配任务给多个低成本模型并行处理，降低成本。

Coworker通过区分"阅读型"和"思考型"任务，将前者委托给低成本模型，后者保留给顶级推理模型，实现了AI成本优化。其分层架构提升了灵活性与可观测性，为团队大规模使用AI提供了务实的解决方案。