GPT-5.6 Luna 低风险首轮与升级路由工作流

一句话结论

把 Luna 放在摘要、标签、轻量 review precheck 和脚手架等低风险首轮，并把失败或复杂任务升级给 Terra/Sol，是 CodeRabbit 对三档编码 Agent 的可复用路由建议。

适用场景

• 适合的任务：PR 摘要、简单代码解释、测试名生成、changelog 草稿、低风险 review 预检、可单元测试验证的重复转换。

• 不适合的任务：跨文件架构、长程自主实现、最终高风险安全审查和无法定义通过条件的开放任务。

• 适用的模型版本：GPT-5.6 Luna；文章同时讨论 Terra、Sol，但没有单独运行 Luna 的量化编码任务。

• 适用的客户端、Agent 或 API：CodeRabbit 风格的 PR review/代码 Agent，也可迁移到自建网关。

• 推荐的推理档位和参数：首轮使用较低 reasoning；质量闸门或升级时由 Terra/Sol 重新执行，具体档位需用项目验收集校准。

可直接使用的内容

按 CodeRabbit 的工作地图整理为路由规则：

if task in {summary, simple_explanation, pr_summary,
            lightweight_review_precheck, test_name, changelog_scaffold}:
    run Luna first
    require a bounded output and a deterministic check
    if check fails, fields are missing, or scope expands:
        escalate to Terra

if task is scoped implementation or review triage:
    try Terra
    keep escalation to Sol available

if task requires multi-file persistence, long task lists,
architecture judgment, or final high-risk review:
    route Sol or a separately validated frontier model

测试/工作流步骤

1. 为首轮任务定义输出 schema、最大 token、允许修改范围和通过/升级条件。

2. 用 Luna 只做读取、摘要、分类或可回滚的小改动；记录首轮通过率、返工次数和每个结果的总成本。

3. 发现缺字段、测试失败、跨文件依赖、重复循环或范围扩大时立即升级，不要让 Luna 无限重试。

4. 对升级后的 Terra/Sol 结果单独统计，不把首轮和升级 token 混为 Luna 的单次成本。

5. PR review 场景保留模型原始评论，先过滤低置信度和 nitpick，再把可行动问题交给人工。

6. 每周抽样复核 Luna 的漏报与误报；如果低风险任务的人工修正成本超过节省的 token 成本，撤回该路由。

原始证据与数据

• CodeRabbit 将 Luna 定位为 low-reasoning、high-volume lane，例子包括 quick summaries、simple code explanations、PR summaries、lightweight review prechecks、test-name generation 和 changelog scaffolds。

• 同文对 Sol/Terra 的长程 coding run（100+ tasks）报告：Sol pass rate 63.7%、平均输出 20,968 tokens；Terra 40.7%、55,594 tokens。Luna 没有参加这项量化长程 run。

• 同文的 CodeRabbit review benchmark 也没有把 Luna 放进最终表：Sol 为 69/99 actionable pass、69.7%；Terra 为 53/101、52.5%。

• 因此该 workflow 的 Luna 结论来自作者的模型地图和路由建议，不是 Luna 的独立 pass-rate 证明。

适用边界

• 文章的量化结果主要属于 Sol/Terra，不能拿来宣称 Luna 的编码通过率。

• CodeRabbit 是产品方测评，任务集、过滤器、基线 ensemble 和评论定义由其控制；跨项目迁移前必须自测。

• “首轮低风险”需要由业务定义；摘要、分类一旦驱动付款、合规或安全决策，就不再是低风险。

• 路由升级应有预算、停止条件和人工回滚，避免便宜首轮因反复失败变成更贵的总工作流。

来源摘录或观察（仅做合规短引）

作者建议 “Use Luna as a first-pass lane”，但同文的量化编码数据并未测量 Luna；两者不能混为一个 benchmark 结论。