选择技巧
个人的选择技巧就是首先看复杂度，像需要从零开发/大规模重构就需要使用高性能模型如 glm-5/kimi-k2.5 之类的模型；如果是普通的代码补全就需要小的模型速度比较快，通常也不涉及复杂逻辑，可以选 qwen3-coder-30b 之类的；如果只是做意图识别之类的简单审查就可以选更小的模型
然后是看任务类型，图片识别就该用视觉模型，向量检索就用 embedding 模型这些就比较常规了
再然后像阅读文档/分析项目的话个人更倾向于使用 minimax-m2.5，虽然代码能力个人觉得一般，但是对 subagent 的调用会更积极，而且速度也快
以下是最近正在开发的一个 agent 项目，这是配置模型的截图
实践方案
在启动 iflow cli 前先安装 spec-kit
iflow workflow add "github-spec-OzctqA"
确保项目目录中出现 .iflow 和 .specify 文件夹
然后启动 iflow cli ，输入以下指令定义项目的基本信息，以下步骤都可以用 minimax-m2.5 进行，属于编写文档，个人认为 minimax-m2.5 比较擅长，而且比较快
/speckit.constitution 我要基于 xxx 开发 xxx 项目，使用 xxx 技术
接着是使用 /speckit.specify 包含 xxx 功能 定义具体功能，可以执行多次，建议一点点定义，不要一口吃成胖子
定义完具体功能，如果不知道是不是还有不清晰的需求可以使用 /speckit.clarify 进行问答式澄清需求
确认需求无误后可以执行 /speckit.plan 制定开发计划，生成计划时还会创建功能分支，让开发历史更清晰，当然发现计划还有问题可以继续执行 /speckit.specify 和 /speckit.clarify
再然后就可以使用 /speckit.tasks 生成任务列表，规划每一步做什么哪些先做哪些后做，哪些可以一起做
完成以上步骤后就切换到代码能力更强的 glm-5 ，如果觉得比较慢可以先用 glm-4.7，然后使用 /speckit.implement 开始正式实施编程计划，不过正式实施之前还可以 /speckit.analyze 来分析任务计划的质量，进一步避免后续 vibe coding 可能出现的隐患等
最后开发完成后可以继续重复 /speckit.specify 起的后续动作，进行继续迭代