MyR2D2 更新：換上 Opus 5.5，順手把派工規則改了一輪

上次分享 Opus 5.5 發布，說每週被 Fable 吃到見底的人終於有地方去了。換過去一週多，我順手把 MyR2D2 公開版的派工規則也更新了，分享給有在用的朋友，記得更新到最新版。

Opus 5.5 本身，官網選模型的頁面寫得很直接：大多數工作先用它；需要深度推理、或要長時間自己跑的 agent 任務，再換 Fable 5.1。價格是每百萬 tokens 輸入 4 美元、輸出 20 美元，上一代 Opus 5 是 5 與 25，預設 effort 是 medium。

但我這個月新踩到的坑是：派工方式不對，模型再便宜也救不了。

前一陣子，我讓四個多代理工作流全程跑 Opus、沒分層，一天燒掉大約 460 萬 subagent tokens，所有對話一起停擺。token 燒完後，一晚又把 50 美元的 credit 也燒光。之後我把派工規則重寫了一遍，隨 v0.7.5 更新進 token-optimizer。四條硬規則：

1. 模型改寫在每一次派工上，不靠全域開關。
   我原本以為設定檔裡那個 subagent 模型的環境變數是硬上限，設成中檔就萬無一失，還把這個寫進了 skill。後來做了兩個探針才發現：它只是「沒寫 model 時的落點」。呼叫時明寫的 model 會真的生效，指定旗艦就真的燒。所以它只救「忘了寫」，救不了「寫錯」。現在每一個 agent 呼叫都自己寫 model，環境變數只當保底。

2. 子代理不是免費的分身。
   每一支子代理開場都要重新載入規則、記憶、skill 清單，以我這套設定實測，固定開銷大約 5 到 6 萬 tokens，而且它們不共用主對話的 context。派五支，同一批檔案就被讀六次、付六次錢。

3. 日常不派工。
   我現在只在三種情況派：材料一個對話裝不下、要做權限閘或憑證這類需要「攻擊者」視角的事、或是我明講全力跑。「這件事有點複雜」不算理由。反例是一支 621 行的腳本，我派了五支代理，花了 64 萬 tokens，其中兩支直接掛掉、零產出；同一天自己動手做的同級任務，大約只花十分之一。

4. 派工前先算帳：預估在比自己做多花 20% 內，就可以派。
   兩條路用同一組假設換算成 API 費用：自己做＝預估呼叫次數乘每次新增的 tokens；派工＝每支固定開場成本，加上呼叫次數乘子代理每次的量。預估派工的費用在自己做的 1.2 倍內，就可以派；超過就自己做。為什麼多 20% 還可以派？第一，估算本身就有 20% 上下的誤差，差在 20% 內等於打平。第二，打平時派出去還多兩個好處：主對話的 context 不會繼續變肥，旗艦檔的配額也省下來（Fable 5.1 的輸入與輸出單價是 Opus 5.5 的 2.5 倍，配額一燒完，所有對話一起停）。今天早上一支驗證代理，我估 20 萬，實跑 189,515。估得準，是因為把固定開銷算進去了。v0.7.5 也把這一步寫進 skill：派工前先說出口幾支代理、哪個檔位、估幾萬，收尾再回填估的跟實際差幾成。

實測到的三個地方也優化進去了：Agent 工具沒有 effort 參數，子代理跟主對話同一個 effort，Workflow 派工要自己寫 effort、地板放 medium；別拿 fork 當執行者，它會把整段 context 連同父模型一起帶走；sonnet、opus 這類別名實際跑哪一版，看子代理 transcript 的 model 欄，別看自己寫了什麼。

現在每天燒的 tokens 都有記帳了，果然還是要看數字。規則改版前後各兩週對照，每天新增的 tokens 從平均約 5,743 萬降到約 2,554 萬。降最多的是子代理：前兩週吃掉約 3 億 tokens，佔將近四成；後兩週剩約 2,830 萬，不到一成。主對話本身只少了三成多。

自己的痛點自己解。

怎麼裝、怎麼升級：

沒裝過的（預設裝在專案層，要裝成全域加 -g）：

npx skills add tingyulu/MyR2D2

裝過舊版的（一行更新所有已裝的 skill）：

npx skills update

用 Plugin 裝的：從 /plugin 介面更新 marketplace。

要收新版通知，在 GitHub 對 repo 按 Watch 訂 Releases。

專案在這，中英文件都有：https://github.com/tingyulu/MyR2D2
這次改動的 Release：https://github.com/tingyulu/MyR2D2/releases/tag/v0.7.5
大叔平常玩的工具跟自造筆記，都收在這頁：https://www.uncleric.com/2026/08/uncle-toolbox.html

你們派 sub-agent 時，踩過哪些坑、燒了多少 tokens 呢？