🧠 图解记忆： Agent 会多轮调用模型，单次延迟和成本会被循环放大，所以应让快模型承担主流程、强模型处理少数高难步骤。

💡 答案要点

为什么需要路由：

多模态 Agent 往往包含感知、意图判断、工具选择、工具执行和结果生成，多次模型调用会把单次延迟和成本累加。合理做法不是默认全部调用最强模型，而是按步骤风险和难度路由。

步骤	常见策略	不能省略的保护
VAD、OCR、分类、简单抽取	专用模型或低延迟模型	置信度、输入质量检测
普通对话与工具参数生成	快模型承担主流程	Schema 校验、权限和超时
复杂视觉推理或高风险决策	路由到更强模型或人工	证据、复核、审计日志
连续音视频	流式/增量处理	背压、打断、帧采样和状态同步

路由依据：

• 输入模态、长度、分辨率和实时性要求；
• 任务复杂度、模型置信信号与历史失败模式；
• 决策风险、可逆性和是否允许人工接管；
• 模型在自有数据上的质量、TTFT、端到端 P95/P99 与单任务成本。

面试话术：

"低延迟多模态 Agent 的关键是端到端预算和分层路由。先把感知、决策、工具和生成各阶段的耗时拆开，让专用或快速模型处理高频低风险步骤，复杂或高风险样本升级到强模型或人工。路由器要有可解释规则、质量回归集和降级路径，并用真实会话测任务成功率、打断响应、P95/P99 和成本，而不是直接照搬厂商给出的单模型速度倍数。"