為什麼要接不只一家 AI
前面九章你都只接了一家 GLM，其實已經很好用了。這章不叫你動手，只是先坐下來聊清楚：為什麼熟一點的人手上都會有兩三家 AI 可以切？搞懂之後，第 11 到 13 章教你把第二、第三家加進來時，你才知道自己是在幹嘛，不會亂加一堆用不到。
為什麼要接不只一家 AI
從第 5 章開始，你手上就一直只有一家：GLM（智譜 AI）。用到現在你可能覺得「這樣就夠了啊，我一句話丟出去，它會回，也會開燈關燈」，是的，日常閒聊跟簡單自動化 GLM 完全撐得住。這章不是要推翻它，而是告訴你：當你開始用得多、用得深，會撞到三面牆，這三面牆不是 GLM 的問題，是「只有一家 AI」這件事本身的問題。
三面牆長這樣：
- 擅長的事情不一樣——同一句話，A 家 AI 回得像神，B 家 AI 回得像剛睡醒。你要看圖辨識家電型號，找不會看圖的 AI 講半天都沒用。
- 成本差 10 倍以上——你每天問「今天穿什麼」跟你偶爾問「我該不該花 5 萬買新冷氣」，值得付的錢完全是兩個等級，但只有一家 AI 的話，你要嘛全用便宜的（重要時刻不夠力）、要嘛全用貴的（月費爆炸）。
- 沒備援——AI 廠商的雲端也是會壞的，只有一家的時候，那一家壞你就整個 Pi Agent 罷工。多接一家是你的降落傘。
這章要建立的心態很簡單一句話：AI 不是一個「大家都一樣」的東西，就像沒有一台家電能全部包辦——你不會只有一支手機、一雙鞋、一種調味料。日常用哪家、重要時刻用哪家、看圖用哪家，這是一個「工具箱」概念，不是「選一家最強」概念。
AI 之間差的到底是什麼
先建立詞彙。你之後看任何 AI 廠商官網、任何比較文章，都會看到這幾個名詞在飛，先把它們白話翻譯完：
| 官方講法 | 白話翻譯 | 為什麼你要在意 |
|---|---|---|
| 模型參數量（parameters） | 「腦子大不大」。從幾十億（B）到幾兆都有。 | 腦子大理論上答得深、看得懂細節，但也貴、也慢。 |
| 回覆速度（tokens per second, tok/s） | 「打字快不快」。從每秒 20 字到每秒 500 字都有。 | 你問「客廳燈開一下」，慢的要等 5 秒，快的 1 秒就回。日常差很多。 |
| 推理模型（reasoning model） | 「會不會先想再說」。回答前會先冒一段思考塊，才給結論。 | 重要問題（要花錢、要改結構）用會想的比較穩，別亂省這個。 |
| Context 視窗（context window） | 「肯不肯講很細、記憶多長」。從 8K 字到 200 萬字都有。 | 你要它讀整份自動化 YAML、記整段對話，短的就爆掉截斷。 |
| 多模態（multimodal） | 「能不能看圖聽聲音」。純文字模型只看得懂字。 | 你拍冷氣型號牌問「這是什麼型號」，非多模態直接投降。 |
| 中文能力 | 「中文順不順」。美系模型英文最強，中文有時卡；中系模型反過來。 | 你都用繁中在問，這條差很多。GLM、DeepSeek 中文很自然。 |
AI 的三種角色分工
雖然市面上號稱有幾十家 AI 公司、幾百個模型，但用起來大概就分成三種角色。你手上有這三種角色至少各一個，日常九成情境就都罩得住了：
| 角色 | 特徵 | 代表模型 | 什麼時候派它上場 |
|---|---|---|---|
| 打底 AI（快而便宜） | 回應快到像即時對話（每秒幾百字），單價很低甚至有免費額度 | Groq 上的 Llama、GLM-4-Flash | 日常閒聊、「開燈」「今天氣溫」、菜色建議這種問一下就丟的問題 |
| 思考 AI（深而慢） | 回答前先想（reasoning），慢，貴，但很少講錯話、邏輯縝密 | Anthropic Claude Opus、DeepSeek-R1、GLM-4.6 思考模式 | 要不要買冷氣、自動化到底該用哪種觸發、家裡預算怎麼分 |
| 多模態 AI（會看圖） | 吃得下圖片、有些吃得下聲音／影片，看完能描述能推論 | OpenAI GPT-4o、Anthropic Claude 系列、Gemini | 拍家電銘牌問型號、拍網路線問插對沒、拍配電盤問開關順序 |
這三種不是互斥——Claude Opus 又會想、又會看圖、又貴。但你不會日常閒聊都叫 Claude Opus，就跟你不會為了拿郵件開跑車一樣。把「便宜快」的那家當你每天用的鞋、「思考深」的那家當正式場合的皮鞋、「看得懂圖」的那家當雨鞋，需要哪個穿哪個。
典型家用場景該叫哪家上場
抽象講完，來看具體情境。下面這張表是「如果我今天要問這件事，用哪家最順？」你不用背，未來每次覺得「這個問題 A 家答得怪」時，回來查表就好：
| 你想做的事 | 推薦角色 | 具體模型舉例 | 為什麼 |
|---|---|---|---|
| 「今天穿什麼」「晚餐吃什麼」 | 打底 | GLM-4-Flash / Groq Llama | 簡單問題，重點是快跟便宜，答錯了也沒差 |
| 「幫我把玄關那盞燈設成日落自動開」 | 思考 | GLM-4.6 / Anthropic Claude | 要寫自動化 YAML，格式錯了自動化跑不起來，穩比快重要 |
| 「這張是誰家的冷氣、什麼型號」（附照片） | 多模態 | OpenAI GPT-4o / Gemini | 純文字模型看不到圖，你貼過去它只能瞎猜 |
| 「要不要升級成全屋分離式冷氣、預算 20 萬」 | 思考 | Anthropic Claude Opus / DeepSeek-R1 | 牽涉錢、要考慮多種變因，讓它想 30 秒再答比一秒的答案值錢 |
| 「幫我摘要這 200 行日誌看有沒有錯」 | 大 context 思考 | Claude / Gemini 長 context 模型 | 短 context 模型會直接截斷讀不完 |
| 「用繁中幫我把這段簡中文章改順」 | 中文打底 | GLM-4-Flash / DeepSeek Chat | 中系模型對中文語感比較穩，不會出現翻譯腔 |
| 「幫我看這個 HA 錯誤訊息怎麼修」 | 思考 | Claude / GLM-4.6 | 技術除錯要邏輯完整，別用會硬猜的模型 |
| 「陪我聊天想事情」 | 看喜好 | 你覺得回話最舒服的那家 | 這個沒對錯，每家「性格」不太一樣，多用幾家你會有偏好 |
看完你會發現一件事：沒有一家包辦全部。GLM 便宜好用但看圖是弱項；OpenAI 什麼都會但貴；Anthropic Claude 很聰明但月費驚人。這就是為什麼熟練的人手上會有兩三家的原因。
成本到底差多少（新台幣估）
AI 廠商都用 token（詞元）計價。粗略換算：中文一個字大約 2 個 tokens，英文一個字大約 1.3 個 tokens。所以你問一句「幫我開客廳燈」大概 20 個 tokens，一次比較長的對話含 AI 回覆可能是 3,000-5,000 tokens。
各家的價目是「每 100 萬 tokens」多少錢，換算新台幣（2026 年中粗估、匯率抓 32、實際請以各家官方 pricing 頁為準）大概像這樣：
| 模型 | 角色 | 輸入 100 萬 tokens | 輸出 100 萬 tokens | 一次 5000-token 對話約 |
|---|---|---|---|---|
| Groq Llama-3 / GLM-4-Flash | 打底 | 約 NT$ 3-10 | 約 NT$ 3-15 | 約 NT$ 0.05（不到一毛） |
| GLM-4.6 | 思考中檔 | 約 NT$ 20-30 | 約 NT$ 60-90 | 約 NT$ 0.3 |
| OpenAI GPT-4o | 多模態旗艦 | 約 NT$ 80 | 約 NT$ 320 | 約 NT$ 1-2 |
| Anthropic Claude Opus | 頂級思考 | 約 NT$ 160 | 約 NT$ 800 | 約 NT$ 3-4 |
| DeepSeek-R1 | 推理但便宜 | 約 NT$ 15-25 | 約 NT$ 60-90 | 約 NT$ 0.3 |
看到差距了嗎？同樣一次對話，Groq 幾乎是零頭、Claude Opus 是 3-4 塊，差了 60~80 倍不誇張。如果你不分場景全用 Claude Opus，一天問 30 次就 100 塊上下、一個月 3,000 塊——比 Netflix 月費多 10 倍還不止。
反過來，如果你全用 Groq，遇到重要決策時它給你隨口一答，你聽了就決定，可能買錯 5 萬塊的冷氣。省錯地方比花錯錢更貴。
只用一家會遇到的三種真實情境
抽象講「單點故障不好」你可能沒感覺，來看三個實際會發生的狀況：
-
情境一：某類問題那家 AI 就是不肯答
每家 AI 都有自己的「敏感話題禁區」。舉個真實例子——你想請 AI 幫忙查某個中國藝人的爭議事件、或某些政治話題、或某些醫療用藥細節，GLM 會直接回「無法討論」；反過來，你問某些台灣本地時事，OpenAI 的資料可能就不太熟。沒有第二家可切，你就卡在那。有第二家的話，直接下拉換 Anthropic 或 OpenAI，多半就通了。
-
情境二：日常問題也上頂級 AI，月費爆炸
看過剛入門的朋友這樣做：因為 Claude Opus 回話最好聽，所以什麼都問它。「今天穿短袖嗎」問它、「早餐吃什麼」問它、「這集韓劇好看嗎」問它。一個月下來收到 API 帳單 6,000 塊，比 Netflix + Spotify + YouTube Premium 加起來還貴——而且他 90% 的問題其實 Groq 一個月免費額度就能解決。沒有便宜的那家在下拉裡讓他選，就會全部黏在最貴那家上。
-
情境三：唯一那家服務中斷
AI 廠商也是有 status page 的（例如
status.anthropic.com、status.openai.com），三不五時就會維護、就會壞。GLM 過去也遇過幾次幾小時的中斷。如果你手上只有 GLM，那幾小時你的 Pi Agent 完全講不動話。這對「只是玩玩」的人沒差，但如果你已經把 AI 綁進日常語音助理、綁進自動化，那幾小時就是家裡「智慧」全罷工。多一家備援，切下拉就活過來。
多接幾家 provider 具體有哪五個好處
整理一下多家 provider 帶給你的能力，剛好五條：
- 分工：日常小事給便宜的、重要決策給會想的、看圖給多模態的，錢花在刀口上。
- 備援：一家壞了、被 rate limit 卡住、當週免費額度用完，切下拉直接續命。
- 比對答案：重要問題你可以問 GLM 一次、問 Claude 一次，兩個答案不一樣時，你就知道這題有爭議、值得再研究，而不是照單全收。
- 控制月費：你可以定「Claude Opus 我一個月只用 20 次做決策」，其他全用 Groq，總月費壓在 100 元以內都做得到。
- 學會挑最適合的模型：這是最容易被忽略的——用多家用久了，你會建立起「這種問題該找誰」的直覺，這個直覺本身就是價值。以後遇到新的 AI 廠商出來，你能秒判斷「它算哪一種角色、要不要加」。
你可能問：「有沒有一個服務幫我一次接完全部？」有，叫做聚合器（aggregator），最有名的是 OpenRouter。它給你一支 key 讓你叫用幾十家的模型。優點是省申請流程，缺點是它抽一層費用、而且有些頂級模型（Claude Opus 深度思考、Anthropic prompt caching）用聚合器會少一些功能。本書的做法是原生為主、聚合器為輔，第 11 章會列清單教你選。
開始加第二家 provider 前的心理準備
你可能會擔心「加第二家很麻煩吧？」實際上比想像簡單。回想第 5、6 章你申請 GLM 的流程：註冊、拿 key、回 pi-web 貼、按 Test、選為預設。這整套流程加第二家一模一樣，每家大概 15 分鐘、只做一次、之後永久用。
| 步驟 | 做一次要多久 | 後續維護 |
|---|---|---|
| 去該廠商官網註冊帳號 | 3-5 分鐘（有些要驗信箱、有些要綁信用卡） | 永久，除非它倒了 |
| 從 API keys 頁產生一支 key、複製 | 1 分鐘 | 建議一年輪替一次比較安全 |
| 回 pi-web Models 面板貼、按 Test | 2 分鐘（第 6 章流程） | 沒事不用碰 |
| 幫這張 provider 卡取個好認的名字 | 30 秒 | 之後下拉時你才知道哪個是哪個 |
| 存進去、下次要用時下拉選就好 | — | 就這樣 |
安全方面你也不用怕：每家 provider 只認得自己的 key，不會被其他家竊取——所有 key 都是加密存在你自己 HA 的 /data/pi-agent/models.json，pi-web 送 API 呼叫時只會把對應那家的 key 塞進 header，別家 provider 看不到。你如果不放心，可以每張 provider 卡設一個花費上限（各家 dashboard 都有 usage limit 或 budget），最壞情況也就是那家花到上限自動停，不會出事。
常見的心理卡關
-
「金鑰多了我怕管不好，會忘記哪個是哪個」
這是最常見的擔憂。解法：Models 面板每張 provider 卡都可以自己命名，取容易辨認的名字，例如「GLM-家裡日常」「Claude-重要決策」「GPT4o-看圖」。第 6 章教你貼 key 時就順便命名了。名字取好，下拉就是清單，一眼認完，不會混。
-
「錢會不會一直悄悄流出去我不知道」
不會。原因有二：（1）每家 provider dashboard 都能看到累積用量與花費，登進去一看就知；（2）Pi Agent 本身 第 12 章會教你怎麼在對話下方看每則訊息花了幾個 tokens、第 21 章會講怎麼設月度預算並自動切回便宜模型。看不到才可怕，看得到就管得住。
-
「不同家 API 格式一樣嗎？我不會寫程式怎麼辦」
你不需要寫程式，Pi Agent 幫你處理。技術上：絕大多數 provider 都相容 OpenAI API 格式（GLM、DeepSeek、Groq、OpenRouter、xAI、Together、Fireworks、幾乎所有中系與新創都是），所以你貼 key + 填 baseUrl 就通。只有 Anthropic 用自己的格式（叫 Anthropic Messages API），但 pi-web 也內建支援了，你選 provider type 為 Anthropic 就行，不用手動改任何東西。
-
「我已經有 Nabu Casa 訂閱了，AI 應該包含在裡面吧？」
沒有。Nabu Casa 是 HA 官方雲端服務（遠端連線、Alexa/Google 整合、TTS/STT），它不是 AI 廠商，本身不做語言模型。你用 HA 內建的 Assist 對話助理時，可以「選一個 AI provider 給它用」，但那個 provider 還是要你自己去 OpenAI／Anthropic／GLM 拿 key。Nabu Casa 幫不了你這一段。Pi Agent 也是一樣，AI 那層一律要你自己接。
-
「我怕自己選錯家、花冤枉時間」
選錯的成本很低。每張 provider 卡都可以隨時刪掉重加，key 也可以在原廠 dashboard revoke。沒申請費、沒綁約、沒最低消費（除了少數頂級模型可能要綁卡預付）。實際做法：先按第 11 章的建議清單挑一家最不像 GLM 的（例如 Anthropic），用兩週看你有沒有真的用到，沒用就刪，成本就是 15 分鐘。
常見問題
我一定要接很多家嗎？只用 GLM 到底不行嗎？
如果只能推薦一家「第二家」，是哪家？
Pi Agent 目前支援哪幾家 provider？
金鑰不會被跨家竊取或外洩吧？我有點擔心
/data/pi-agent/models.json，只有你的 HA 本機讀得到。pi-web 發送 API 請求時，會依照你當下選的模型只塞對應那一家的 key 進 HTTP header，別家 provider 完全看不到別家的 key。真正的風險不是 provider 之間，而是「HA 系統本身被外人登入」——所以第 2 章講的 MFA（雙重驗證）務必開；還有別把 HA 直接暴露到公網。Pi Agent 走 HA Ingress，天生就不外露到網路。