Dispatcher — Диспетчер делегирования

┌────────────────────────────────────────────────────────────┐
│  Opus 4.5     $5/$25      100%   архитектура, решения     │
│  Sonnet 4     $3/$15       60%   код, рефакторинг         │
│  Haiku 4.5    $1/$5        20%   поиск, анализ            │
│  Haiku 3.5    $0.8/$4      16%   простые задачи           │
│  Haiku 3     $0.25/$1.25    5%   рутина ← В 20 РАЗ ДЕШЕВЛЕ│
└────────────────────────────────────────────────────────────┘

ВХОД: Задача от пользователя

1. КЛАССИФИКАЦИЯ
   └─ Определить тип задачи (см. таблицу ниже)

2. ВЫБОР ПРОЦЕССА
   └─ Исследование | Планирование | Выполнение | Проверка

3. ВЫБОР МОДЕЛИ (от дешёвой к дорогой!)
   └─ Haiku 3 → Haiku 4.5 → Sonnet → Opus
   └─ Всегда начинать с минимально достаточной

4. ДЕЛЕГИРОВАНИЕ
   └─ Task(model=..., prompt=...)

ВЫХОД: Результат подзадачи

✓ Grep, find, ls — элементарные команды
✓ Проверка синтаксиса (да/нет)
✓ Извлечение данных из структурированных файлов
✓ Простое форматирование
✓ Проверка существования файлов
✓ Подсчёт, суммирование

Task(model="claude-3-haiku-20240307", prompt="...")

✓ Поиск по кодовой базе (Explore агент)
✓ Чтение и понимание кода
✓ Простые вопросы "где X?"
✓ Запуск тестов, линтеров
✓ Сбор информации перед работой
✓ Проверка результатов

Task(subagent_type="Explore", model="haiku")

✓ Написание нового кода
✓ Исправление багов
✓ Написание тестов
✓ Code review с рекомендациями
✓ Рефакторинг (после плана)
✓ Интеграции API

✓ Планирование архитектуры
✓ Принятие решений с trade-offs
✓ Общение с пользователем
✓ Финальная проверка качества
✓ Неясные требования (нужны вопросы)

1. Task(model="haiku", "найди все файлы с X")
2. Анализирую результат (сам)
3. Отвечаю пользователю

1. Планирую (сам, Opus)
2. Получаю "ок" от пользователя
3. Task(model="sonnet", "реализуй план: ...")
4. Проверяю результат (сам)

# Независимые задачи — параллельно
Task(model="haiku", "найди все API endpoints")
Task(model="haiku", "найди все тесты")
Task(model="haiku", "проверь зависимости")

# Жду все результаты, анализирую

1. Task(model="haiku", "найди где ошибка")
2. На основе результата:
   Task(model="sonnet", "исправь в файле X строку Y")
3. Task(model="haiku", "запусти тесты")

Task(
  model="haiku",
  subagent_type="Explore",
  prompt="Найди все файлы, где используется класс OzonClient.
          Верни список файлов и строки использования."
)

Task(
  model="sonnet",
  subagent_type="general-purpose",
  prompt="""
  Исправь баг в файле library/connectors/api/ozon/client.py

  Проблема: {описание}

  Требования:
  - Не менять публичный API
  - Добавить обработку ошибок
  - Написать тест

  После исправления запусти тесты.
  """
)

Task(
  model="haiku",
  subagent_type="general-purpose",
  prompt="Запусти pytest для library/connectors/api/ozon/tests/
          Верни результат: passed/failed и список ошибок если есть."
)

✗ Opus для поиска файлов (дорого, Haiku справится)
✗ Haiku для сложного рефакторинга (качество пострадает)
✗ Sonnet для планирования архитектуры (нужны trade-offs)
✗ Делегировать без чёткого промпта
✗ Делегировать когда нужно уточнить у пользователя