最近在做一个小项目，遇到一个比较现实的问题：如果只接一个大模型，效果相对稳定，但成本和响应速度不太可控；如果接多个便宜模型，又容易出现回答质量不稳定、风格不一致、失败重试逻辑复杂等问题。 
我目前想到的方案是： 

简单问题优先走低成本模型
复杂问题或低置信度结果再升级到更强模型
模型请求失败时自动切换备用模型
对关键场景做结果校验，比如 JSON 格式、敏感字段、事实一致性等
记录每次调用的耗时、费用、失败率和用户反馈，再动态调整路由规则 
但实际实现时有几个问题还没想清楚： 
1、如何判断一个问题“简单”还是“复杂”？靠关键词、token数等，还是让模型自己判断？ 
2、低成本模型回答不稳定时，有没有必要做二次校验？如果校验本身也调用模型，会不会反而增加成本？ 
3、多模型之间输出风格不一致，一般是在 prompt 层统一，还是在后处理层统一？ 
想请教各位佬们：如果在实际项目里接过多...