大家下午安！歡迎回來。我是你們的導師。
在上幾堂課中，我們認識了 LLM 的底層真實構造、字母湯 Token 以及 Transformer 自注意力機制。
但是，許多剛接觸 agy 的新手常會有一個困惑：
「老師，為什麼網路上的 AI 軟體百百種？有人說 Claude 3.5 寫程式最厲害，有人說 Gemini 1.5 處理超長文件最強，還有人說 GPT-4o 邏輯最嚴密。難道我為了用不同的 AI 大腦，非得去訂閱幾十個不同的網站不可嗎？」
請大家放輕鬆！在 Antigravity CLI（agy）的世界裡，你不需要手忙腳亂地切換網站，你隨時擁有整座頂尖 AI 模型庫！
今天，我們就用最簡單的賽車手比喻，帶大家拆解 Model Registry（模型註冊庫），並學會如何在 agy 裡像賽車總監一樣自由變換大腦！
為了讓大家一秒搞懂模型切換的運作原理，我們來做個比喻：
agy 的框架與工具箱），但你可以根據今天的賽道狀況，隨時指派不同的頂尖賽車手坐進駕駛艙：在 agy 中，你可以隨時調用以下幾位主流賽車手：
agy 中如何一秒切換模型？在 agy 終端機或 settings.json 中，切換模型非常簡單：
/model 指令）在 agy 對話框中輸入 /model，系統會列出目前所有可用的模型選單。上下選擇按下 enter 就可以。
在對話前你也可以直接指定：
agy --model claude-3-5-sonnet
或是對話中輸入：
/model gemini-3.1-pro
大副會立刻在背景為你更換駕駛艙裡的賽車手，而你之前的歷史對話與工作區檔案完全不會遺失！
settings.json）如果你希望每次開啟 agy 時都固定使用特定模型，可以在設定檔中調整 "default_model" 參數。
agy 擁有 Model Registry 架構，它將工具箱（CLI/沙箱）與大腦（LLM 模型）分離。你可以隨時用 /model 換大腦，而工具箱保持不變！現在，你已經是一位懂得按賽道切換賽車手的頂級車隊總監了！
👉 下一堂課：Lecture 03.8 沉思棋手與秒回選手：解密思考推理模型（Reasoning Models）與 Test-Time Compute 的物理真相 👉 下一堂課：Lecture 03.9 拒絕胡說八道：大腦『幻覺』成因與白話防幻覺三招 👉 回課程大綱：學習地圖
以下題目專為尋求真正硬核觀念與專家級實戰能力的學員設計。題目無法從講義表面抄寫解答，請嘗試獨立思考後再點擊展開解析。
【實戰情境問題】：當我們在 Antigravity 2.0 中隨時用 `/model` 從 Claude 3.5 Sonnet 切換到 Gemini 1.5 Pro 或 GPT-4o 時，為什麼原本在 Claude 上表現完美的 System Prompt，切換到 Gemini 後可能會突然出現不遵守 JSON 格式輸出的現象？
【鑑別點說明】：測試學員是否明白不同模型廠商在 System Role 權重、Instruction Following 偏好與對齊微調上的微小差異。
【專家級解答與深度剖析】： 不同廠商的模型在 RLHF 對齊時採用的 Prompt 結構不同。Claude 3.5 對 XML 標籤（如 `
【實戰情境問題】：在一個大型 Vibe Coding 專案中，如果盲目全程使用最高價的模型（如 Claude 3.5 Sonnet），專案成本會居高不下。請設計一套基於 Model Registry 的成本分級路由策略 (Model Routing Strategy)。
【鑑別點說明】：考驗學員作為資深架構師的成本控制與模型選型 ROI 決策能力。
【專家級解答與深度剖析】： 最佳路由架構應分為三層：1. **前端過濾與分類層**（使用極便宜極快的輕量模型如 Flash/Haiku）：負責分析使用者意圖、抽取簡單語法或寫註解；2. **主要執行層**（使用中階模型）：負責編寫標準模組與單元測試；3. **專家救援層**（使用頂級模型如 Sonnet/o1）：僅在遇到複雜架構設計、跨模組重構或連續 2 次除錯失敗時才動態喚醒。這種路由策略可在保持 95% 以上高品質輸出的同時，降低 70% 以上的 API 算力費用。