← 返回 Skills 市场
Token Decision
作者
nihaoxuan2026
· GitHub ↗
· v2.0.0
· MIT-0
52
总下载
0
收藏
0
当前安装
1
版本数
在 OpenClaw 中安装
/install token-decision
功能描述
实时分析任务类型并基于多维评分推荐最优国产大模型，自动执行并跟踪Token消耗与预算。
使用说明 (SKILL.md)
大模型Token用量及效果实时决策 v2.0
输入 prompt，自动推荐最优模型并直接执行 比价 + 评估 + ROI + TokenPlan换算 多维加权评分 | 上下文自动决策 | 故障转移 | 预算追踪
用法：加 /token决策，或说"推荐模型/最便宜/性价比"自动触发
开发者：乙春
自动触发：当用户说"推荐模型/最便宜/性价比/质量高/用哪个好/划算/对比"时，自动调用。
核心能力
- 任务分类 → 8类（写作/编程/翻译/分析/知识问答/总结摘要/数学推理/闲聊）
- 关键词匹配 + 置信度评估（≥3高/1-2中/0未知 fallback）
- 未知 prompt 自动语义 fallback 分类
- 多维加权评分 → 每类任务 5-6 个维度独立权重
- 编程重 efficiency(30%)，写作重 conciseness(30%)，数学重 accuracy(50%)
- 模型对比 → 9款国产模型实测数据，质量+成本+延迟
- 上下文自动决策 → 长文本(>2000字符)自动推荐大窗口模型
- 故障转移 → API调用失败自动切换备选模型（最多2次）
- 省钱计算 → 比次优方案省了多少一目了然
- 计费透明 → Token Plan 积分消耗换算
- 预算追踪 → 今日累计消耗显示
- 聚类进化 → cluster.py 自动发现新关键词并更新分类规则
- 直接执行 → 推荐即调用模型 API，返回结果
版本改进 (v1.0 → v2.0)
| 改进项 | 说明 |
|---|---|
| 智能分类 | 关键词 + 置信度 + fallback，不再一律兜底"闲聊" |
| 多维评分 | 8类任务 × 5-6维独立权重，替代单一 overall 公式 |
| 上下文决策 | 长文本自动切换大窗口模型，不再仅 ⚠️ 提示 |
| 故障转移 | API失败自动回退备选模型，最多3次尝试 |
| Token估算 | tiktoken 准确编码，替代 char×1.5 粗糙估算 |
| 预算追踪 | 每次推荐显示今日消耗 |
| 累计报表 | stats.py 新增今日/本周/累计节省统计 |
| 自动进化 | cluster.py --update 自动更新关键词 |
输出示例
=======================================================
大模型Token用量及效果实时决策 v2.0
开发：乙春 | 数据驱动 · 多维评分 · 智能路由
=======================================================
任务识别: 写作 | 模式: 均衡
🎯 推荐: deepseek-v3.2 (🏆 综合最优)
加权质量: 93.5/100 | 预估: 1250token | ¥0.000462
📊 备选模型（同一任务实测数据）
模型 质量 成本¥ 延迟 评价
-------------------------------------------------------
deepseek-v3.2 93.5 0.000462 3531ms 🏆推荐
deepseek-v4-flash 92.0 0.000839 0ms 长窗
hy3-preview 89.0 0.000000 0ms 免费
💰 比 deepseek-v4-flash 省 ¥0.000377
🪙 Token Plan 消耗估算:
基础token: 1250 × 计费系数1.3 = 1625 积分
参考: Token Plan 40元/月约可调用 246 次此类任务
📊 今日消耗 ¥0.001234
=======================================================
依赖
- Python 3.x + openai + python-dotenv + tiktoken
benchmark.db(9 模型 × 8 类实测).env(API Key，仅执行时需要)
数据来源
- 9 款国产大模型实测 benchmark
- Deepseek-V4-Pro 在线 8 维评分（accuracy/completeness/format_score/creativity/readability/conciseness/relevance/efficiency）
- tiktoken o200k_base 编码器（GPT-4o 通用编码）
文件结构
token-decision/
SKILL.md # 本文件
token_eval.py # 主程序：分类+评分+推荐+执行+预算
cluster.py # 聚类分析+关键词自动更新
stats.py # 使用统计面板（含累计节省）
benchmark.db # 9模型×8类实测数据库
.env # API Keys（不纳入版本管理）
能力标签
如何使用
- 确保已安装 OpenClaw（本地或 Docker 部署）
- 在对话框中输入安装命令：
/install token-decision - 安装完成后，直接呼叫该 Skill 的名称或使用
/token-decision触发 - 根据 Skill 的参数说明提供必要输入，即可获得结构化输出
版本历史
v2.0.0
Version 2.0.0 – Major feature upgrade for real-time token usage and ROI-based model decision.
- 智能任务分类支持 8 类应用，并引入关键词置信度与 fallback 逻辑，显著提升自动识别准确率
- 每类任务多维加权评分（5-6维独立权重），替代单一 overall 评价方式
- 自动按上下文长度推荐窗口合适的模型，处理长文本自动切换更优模型
- 故障转移机制，API失败自动切换备选模型，最多 3 次，提升可用性
- Token 精准估算（tiktoken 编码），并每次推荐显示今日累计消耗及节省报表
- cluster.py 支持关键词聚类自动进化，分类规则可动态自更新
- 推荐即自动调用最优模型 API 返回结果，全流程自动化
元数据
常见问题
Token Decision 是什么？
实时分析任务类型并基于多维评分推荐最优国产大模型，自动执行并跟踪Token消耗与预算。 它是一个面向 Claude Code / OpenClaw 的 AI Agent Skill 插件，目前累计下载 52 次。
如何安装 Token Decision？
在 OpenClaw 或 Claude Code 对话框中运行命令「/install token-decision」即可一键安装，无需额外配置。
Token Decision 是免费的吗？
是的，Token Decision 完全免费，采用 MIT-0 许可证，可自由下载、安装和使用。
Token Decision 支持哪些平台？
Token Decision 跨平台运行，可在任意部署了 OpenClaw / Claude Code 的环境中使用（cross-platform）。
谁开发了 Token Decision？
由 nihaoxuan2026（@nihaoxuan2026）开发并维护，当前版本 v2.0.0。
推荐 Skills