문서로 돌아가기
모델 티어 레퍼런스
최적의 비용-성능 균형을 위한 전략적 모델 라우팅
"탐색에는 LOW 티어 사용, 구현에는 MEDIUM으로 상향, 검증에는 HIGH 예약"
모델 티어 시스템
Diverga는 작업 복잡도에 따라 에이전트를 적절한 AI 모델(Opus, Sonnet, Haiku)로 라우팅하여 최적의 비용-성능 균형을 보장합니다.
HIGH
13 agentsOpus
비용: 최고
속도: 가장 느림
사용: 복잡한 분석, 중요한 결정, 오케스트레이션
체크포인트
일반적으로 필수
예시
- ▸VS 방법론을 사용한 이론 선택
- ▸연구 설계 검증
- ▸메타분석 오케스트레이션
- ▸휴먼화 변환
에이전트
A1A2A5C1C2C3C5D4E1E2E3G6I0
MEDIUM
9 agentsSonnet
비용: 보통
속도: 균형적
사용: 표준 작업, 균형잡힌 품질
체크포인트
일반적으로 권장
예시
- ▸문헌 검색 및 스크리닝
- ▸데이터 무결성 검증
- ▸AI 패턴 탐지
- ▸윤리 검토
에이전트
B1B2D2G1G2G5I1I2X1
LOW
2 agentsHaiku
비용: 최저
속도: 가장 빠름
사용: 빠른 검증, RAG 빌딩
체크포인트
일반적으로 선택적
예시
- ▸휴먼화 검증
- ▸벡터 데이터베이스 구축
에이전트
F5I3
티어 선택 매트릭스
작업 복잡도와 연구 단계에 따라 적절한 티어를 선택하세요:
| 작업 복잡도 | 연구 단계 | 권장 티어 | 이유 |
|---|---|---|---|
| 중요한 결정 | 초기 (설계) | HIGH | 기초 결정이 전체 프로젝트에 영향 |
| 표준 분석 | 중기 (데이터) | MEDIUM | 균형잡힌 엄격성과 비용 효율성 |
| 간단한 조회 | 모든 단계 | LOW | 빠르고 신뢰할 수 있으며 비용 효율적 |
| 복잡한 오케스트레이션 | 모든 단계 | HIGH | 다중 에이전트 조정 필요 |
| 배치 처리 | 데이터 수집 | MEDIUM/LOW | 개별 품질보다 볼륨 중시 |
| 검증 게이트 | 품질 확인 | HIGH | 중요한 품질 보증 |
비용 최적화 전략
전략적 티어 라우팅으로 가치 극대화:
탐색 → 구현 → 검증
탐색에는 LOW 티어 에이전트(F5, I3)로 시작, 구현에는 MEDIUM으로 상향(B1, B2), 검증에는 HIGH 예약(A1, A2)
전체 HIGH 대비 ~60-70% 비용 절감
병렬 LOW-티어 처리
체크포인트 없이 병렬로 실행 가능한 배치 작업에 LOW-티어 에이전트 사용(F5, I3)
순차 HIGH-티어 대비 ~80% 비용 절감
체크포인트 게이트 상향
체크포인트에서 인간 결정이 필요한 경우(🔴 필수)에만 HIGH 티어로 상향
기본 HIGH 대비 ~50% 비용 절감
완전한 에이전트-티어 매트릭스
티어와 카테고리별로 정리된 24개 에이전트:
HIGH Tier (13 agents)
| ID | 에이전트 | 카테고리 | 목적 | 체크포인트 |
|---|---|---|---|---|
| A1 | ResearchQuestionRefiner | A | FINER/PICO/SPIDER formulation | 🔴 CP_RESEARCH_DIRECTION |
| A2 | TheoryCritiqueArchitect | A | Theory selection with VS | 🔴 CP_THEORY_SELECTION |
| A5 | ParadigmWorldviewAdvisor | A | Paradigm guidance | 🔴 CP_PARADIGM_SELECTION |
| C1 | QuantitativeDesignSampling | C | RCTs, quasi-experimental | 🔴 CP_METHODOLOGY_APPROVAL |
| C2 | QualitativeDesign | C | Phenomenology, GT | 🔴 CP_METHODOLOGY_APPROVAL |
| C3 | MixedMethodsDesign | C | Sequential, convergent | 🔴 CP_METHODOLOGY_APPROVAL |
| C5 | MetaAnalysisMaster | C | Multi-gate orchestration | 🔴 CP_META_GATE |
| D4 | MeasurementInstrumentDeveloper | D | Scale construction | 🔴 CP_METHODOLOGY_APPROVAL |
| E1 | QuantitativeAnalysisCodeGen | E | Statistical analysis | 🟠 CP_ANALYSIS_PLAN |
| E2 | QualitativeCodingSpecialist | E | Thematic, GT coding | - |
| E3 | MixedMethodsIntegration | E | Joint displays | 🟠 CP_INTEGRATION_STRATEGY |
| G6 | AcademicStyleHumanizer | G | Transform AI patterns | 🟡 CP_HUMANIZATION_VERIFY |
| I0 | SRPipelineOrchestrator | I | PRISMA pipeline coordination | 🔴 SCH_* checkpoints |
MEDIUM Tier (9 agents)
| ID | 에이전트 | 카테고리 | 목적 | 체크포인트 |
|---|---|---|---|---|
| B1 | LiteratureScout | B | PRISMA workflows | - |
| B2 | EvidenceQualityAppraiser | B | RoB, GRADE | - |
| D2 | DataCollectionSpecialist | D | Interview protocols | - |
| G1 | JournalMatcher | G | Target journal selection | - |
| G2 | PublicationSpecialist | G | Academic writing | - |
| G5 | AcademicStyleAuditor | G | AI pattern detection | 🟠 CP_HUMANIZATION_REVIEW |
| I1 | PaperRetrievalAgent | I | Multi-database fetching | 🔴 SCH_DATABASE_SELECTION |
| I2 | ScreeningAssistant | I | AI-PRISMA screening | 🔴 SCH_SCREENING_CRITERIA |
| X1 | ResearchGuardian | X | Research integrity, ethics | - |
LOW Tier (2 agents)
| ID | 에이전트 | 카테고리 | 목적 | 체크포인트 |
|---|---|---|---|---|
| F5 | HumanizationVerifier | F | Verify transformation | - |
| I3 | RAGBuilder | I | Vector database | 🟠 SCH_RAG_READINESS |
카테고리별 Temperature 설정
Temperature는 창의성과 일관성을 제어합니다:
A (Foundation)0.3-0.5
대안을 위한 창의성이 있는 전략적
B (Evidence)0.1-0.3
증거 종합의 정밀성
C (Design)0.5-0.7
엄격성과 설계 창의성의 균형
D (Collection)0.3-0.5
구조화되었지만 적응적인 프로토콜
E (Analysis)0.1-0.3
분석 정밀성 필요
F (Quality)0.1
검증을 위한 최대 일관성
G (Communication)0.5-0.7
창의적 커뮤니케이션
I (Systematic Review)0.1-0.3
PRISMA 준수 정밀성
X (Cross-Cutting)0.3-0.5
균형잡힌 무결성 감독
수동 모델 오버라이드
Task 도구에 model 매개변수를 명시적으로 전달하여 기본 티어를 오버라이드할 수 있습니다:
// 기본: A4는 sonnet 사용 (MEDIUM 티어)
Task(subagent_type="diverga:a4", model="opus", prompt="...")
// 중요한 윤리 검토를 위해 HIGH 티어로 오버라이드