易变事实 SSOT（versions.md）

定位： 全仓库唯一记录"当前时点数据"的文件——模型名、价格量级、校准记录。阶段文档与每日计划中涉及这些数字时，链接到这里，不要复制。 分工： toolkit.md 保留选型知识（比较性论述，如"Chroma 适合学习"——相对稳定）；本文件只放时点数据（如"当前主力是哪个型号、多少钱"——易变）。 工具版本的 SSOT 是各项目的 pyproject.toml：版本锁定跟代码走，文档一律不写具体版本号，避免两处维护。 校准节奏： 每季度初过一遍文末校准清单，改完更新"上次校准"日期。校准时逐一核对官方定价页 / 控制台可用列表，不要凭记忆改。

校准记录

日期	范围	备注
2026-07	初版	数据原样迁移自各阶段文档，未逐项重新核验
2026-Q4（计划）	全量	首次季度校准：模型 / 价格核对 + 首次 JD 市场扫描

当前主力模型（上次校准：2026-07）

厂商	当期主力	学习用别名	备注
OpenAI	GPT-5 系列（含推理 o 系列）	gpt-5-latest	综合能力最强，生产首选
Anthropic	Claude 4.5+（Sonnet / Opus）	claude-sonnet-4-5-latest	长文档、Agent、Tool Use 生态友好
DeepSeek	R1 / V3	—	国内可用、推理强、最便宜之一
通义千问	Qwen 系列	—	国内项目、中文场景
智谱 GLM	GLM 系列	—	国内项目
Moonshot	Kimi 系列	—	长上下文、国内
Google	Gemini 2.x（含 Thinking）	—	超长上下文（1M）、多模态
开源	Llama / Qwen / DeepSeek 开源版	—	本地部署、微调、数据敏感

版本策略不变量（属选型知识，过期也会对）： 学习用 -latest 别名；回归评测锁固定 snapshot；生产用模型路由 + 固定版本 + 保留回滚基线。详见总览·模型版本策略。

价格量级（上次校准：2026-07，仅供预算参考）

项目	量级	备注
经济档模型输入	~$0.1-1 / 1M tokens	开发调试用（DeepSeek / Haiku / GPT mini）
旗舰档模型输入	~$3-15 / 1M tokens	评测与上线前验证用
Embedding（text-embedding-3-small）	$0.02 / 1M tokens	不要无脑用 large
全路线 API 预算	$87-175（约 600-1200 元）	分阶段明细见总览·学习成本估算

季度校准清单（每季度初过一遍，改完更新上方校准记录）

技术校准：

• [ ] 主力模型表：逐厂核对官方定价页与控制台可用列表，更新型号与价格量级
• [ ] 各阶段文档抽查：确认没有新写入的具体模型名 / 价格（应链接到本文件）
• [ ] 工具版本：抽查各 pyproject.toml 依赖是否需要升级（LangGraph / SDK 大版本变化时评估教学示例是否受影响）

市场校准（押注的是"前端 + Agent 复合人才需求极大"这个假设，假设本身也要校验）：

• [ ] 扫 20 条 Agent / LLM 工程师 JD（BOSS 直聘、LinkedIn），记录高频技能词：__
• [ ] 对照高频词，检查后续阶段的 P1/P2 优先级是否需要调整（如 JD 普遍要求某框架 / 某技能而路线排在 P2 → 提级）
• [ ] 记录市场变化结论：__

数据回填：

• [ ] 检查各阶段耗时参考表是否已从每周复盘回填实测数据