Auto Model Router Skill

智能模型路由：根據工作類型自動選擇最適合的模型

概述

Auto Model Router 係一個 OpenClaw Skill，自動根據用戶輸入的工作類型，選擇最適合的模型處理。

核心功能

• 任務分類引擎：自動識別8大工作範疇
• 模型智能分配：用戶只需提供1-N個模型，系統自動補全剩餘範疇
• Multi-Agent 分派：突發任務自動分派子 Agent 處理
• 雙套餐支援：Plan A（國際模型）/ Plan B（國內模型）

八大工作範疇

模型套餐

Plan A：國際模型

Plan B：國內模型

配置流程

首次使用

用戶輸入：「/model-router setup」
系統自動引導：
  1. 選擇套餐 [Plan A / Plan B / 自定義]
  2. 輸入可用模型
  3. 系統智能分配
  4. 保存配置
  5. 自動重載 OpenClaw

智能分配邏輯

當用戶提供的模型少於8個時，系統自動：

1. 直接匹配：最符合該範疇的模型
2. 系列擴展：同系列模型跨範疇使用
3. 能力估算：選擇最接近能力需求的模型

示例：用戶提供5個模型

用戶輸入：Claude Opus, GPT-4.5, GPT-4o, Claude Haiku, Gemini Flash-Lite

系統自動分配：
  高邏輯推理 → Claude Opus ✅
  代碼生成 → GPT-4.5 ✅
  創意寫作 → GPT-4o ✅
  資訊閱讀 → Claude Haiku ✅
  簡單重複 → Gemini Flash-Lite ✅
  圖片理解 → Claude Opus (擴展)
  圖片生成 → GPT-4o (擴展)
  影片/音頻 → GPT-4o (擴展)

任務分類引擎

分類演算法

輸入：用戶工作描述
    ↓
┌─────────────────────────────────┐
│  第一層：意圖檢測               │
│  • 動詞分析                     │
│  • 名詞分析                     │
│  • 輸出期望                     │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│  第二層：關鍵詞匹配             │
│  • 匹配8大範疇關鍵詞           │
│  • 計算相似度                   │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│  第三層：分類結果               │
│  • 主分類                       │
│  • 次分類（混合任務）          │
│  • 置信度                       │
└─────────────────────────────────┘

混合任務處理

當工作涉及多個範疇時：

任務：「分析數據後寫報告」
    ↓
主分類：高邏輯推理（分析）
次分類：創意寫作（報告）
    ↓
執行：高邏輯模型 → 創意寫作模型

突發任務處理

機制：Sub-Agent 分派

主任務執行中（高邏輯推理）
    ↓
突發任務：「幫我翻譯這份文件」
    ↓
系統自動：
  1. 保存主任務狀態
  2. 生成翻譯子 Agent
  3. 使用資訊閱讀模型翻譯
  4. 完成後返回結果
  5. 恢復主任務

配置

{
  "subagents": {
    "translator": {
      "model": "minimax-01",
      "task_type": "info_reading"
    },
    "image_generator": {
      "model": "hunyuan-image",
      "task_type": "image_generation"
    },
    "video_agent": {
      "model": "vidu-q3",
      "task_type": "video_audio"
    }
  }
}

未知範疇 Fallback

當遇到未定義的工作類型時

未知工作：「語音識別」
    ↓
┌─────────────────────────────────┐
│  能力評估                       │
│  語音 → 文字 → 處理           │
│  最接近：資訊閱讀              │
└─────────────────────────────────┘
    ↓
映射到：資訊閱讀範疇
    ↓
使用該範疇配置的模型

預設映射表

完全無法識別時

使用：高邏輯推理模型（預設fallback）
提示：「已為此任務分配高邏輯推理模型」
可選：用戶確認或修改

未知模型處理

當用戶輸入不在預設列表的模型

用戶輸入：「我用 XYZ 模型」
    ↓
┌─────────────────────────────────┐
│  查詢模型能力                   │
│  • 本地數據庫                   │
│  • API 識別                     │
└─────────────────────────────────┘
    ↓
┌─────────────────────────────────┐
│  Fallback 規則                   │
│  • 通用/無描述 → 高邏輯推理    │
│  • 強調創意 → 創意寫作          │
│  • 強調速度/平 → 簡單重複       │
│  • 強調翻譯/長文本 → 資訊閱讀 │
│  • 強調編程 → 代碼生成          │
└─────────────────────────────────┘

配置檔案

位置

~/.openclaw/skills/auto-model-router/
├── SKILL.md              # 本文件
├── config/
│   ├── default.json      # 預設配置
│   ├── plan-a.json       # Plan A 配置
│   ├── plan-b.json       # Plan B 配置
│   └── user.json         # 用戶自定義
└── task-rules.json       # 分類規則

配置格式

{
  "version": "1.0",
  "plan": "A",
  "task_models": {
    "high_logic": "anthropic/claude-opus-4",
    "code_generation": "openai/gpt-4.5",
    "creative_writing": "openai/gpt-4o",
    "info_reading": "anthropic/claude-haiku",
    "simple_repeat": "google/gemini-flash-lite",
    "image_understanding": "anthropic/claude-sonnet-4",
    "image_generation": "stability/stable-diffusion",
    "video_audio": "openai/gpt-4o"
  },
  "subagents": {
    "enabled": true,
    "pool": ["translator", "image_generator", "video_agent"]
  },
  "fallback": {
    "unknown_task": "high_logic",
    "unknown_model": "high_logic"
  }
}

命令

使用範例

示例 1：完整配置

用戶：/model-router setup
系統：選擇套餐 [1] Plan A (國際) [2] Plan B (國內) [3] 自定義
用戶：1
系統：請輸入你可用的模型（用逗號分隔）
用戶：Claude Opus, GPT-4.5, GPT-4o
系統：智能分配完成：
  高邏輯推理 → Claude Opus
  代碼生成 → GPT-4.5
  創意寫作 → GPT-4o
  資訊閱讀 → Claude Opus (擴展)
  簡單重複 → GPT-4.5 (擴展)
  圖片理解 → Claude Opus (擴展)
  圖片生成 → GPT-4o (擴展)
  影片/音頻 → GPT-4o (擴展)
系統：配置已保存。是否重載 OpenClaw？[Y/N]

示例 2：突發任務

主任務：策劃年度報告
使用的模型：DeepSeek R1（高邏輯）

突發：翻譯英文文件
系統：自動切換到 MiniMax-01（資訊閱讀）
翻譯完成，自動切換回 DeepSeek R1
繼續策劃報告

常見問題

Q1：轉模型時需要問用戶嗎？

不需要。系統自動切換，通過 OpenClaw per-job model override 實現。

Q2：如果提供的模型數量為0？

使用預設套餐：直接套用 Plan A 或 Plan B。

Q3：如何處理完全未知的任務？

使用高邏輯推理模型作為 fallback，並提示用戶確認。

Q4：支援多少個模型？

理論上無限。系統自動根據能力分配到8個範疇。

更新日誌

貢獻

歡迎提交 Issue 和 Pull Request！