AI端侧应用、氛围编程

OpenClaw技能插件：根据任务复杂度路由不同大模型

banq

这是一个用来根据任务复杂度进行模型路由（model routing）的OpenClaw 技能（Skill），目标是为智能体选择合适能力水平与成本的模型执行任务，从而大幅降低调用大型模型的总体费用。

背景问题

在多智能体系统或 AI 代理中，大部分任务其实不需要高成本模型（如 GPT-4/Claude 高端版本）来完成，但传统做法往往一律调用高费用模型执行所有任务。

这导致了：

* 成本浪费
* 性能不够优化
* 小任务能力过度依赖复杂模型

该仓库提出使用技能级别的路由策略来优化这一点。


核心理念

该 Skill 的策略可以概括为：

按复杂度分类任务

将智能体要执行的任务分成三类：

| 任务类型             | 模型层级  | 示例              |  
| ---------------- | ----- | --------------- |
| <strong>Routine（常规）</strong>  | 低成本模型 | 文件操作、状态检查、简单格式化 |  
| <strong>Moderate（中等）</strong> | 中成本模型 | 代码生成、内容总结、草稿撰写  |
| <strong>Complex（复杂）</strong>  | 高端模型  | 调试、架构设计、分析推理    |


技能作用

这个技能指引（Skill）教会智能体：

1. 首先分类任务类型：判断任务属于哪种复杂级别；
2. 再路由到合适模型：将工作分发到最具性价比的模型；
3. 优先节省成本：除非任务本身需要高阶模型，否则避免调用昂贵模型。

最终目标是
在保证结果质量的前提下最大化性能/成本比。


使用方式

仓库中包含：

* SKILL.md：定义 Skill 逻辑及分类规则
* examples/：具体集成与运行示例
* tests/：用于验证任务分类与执行正确性
* README.md：总体说明与快速入门
通常你可以：

bash
# 安装 Skill
cp SKILL.md ~/.openclaw/skills/model-hierarchy/SKILL.md


# 重启 OpenClaw gateway 以加载技能
openclaw gateway restart

并在代理逻辑中嵌入分类与路由机制。


使用场景示例

适合用于任何需要：

✔ 成本优化的 AI 多模型路由
✔ 自动智能体工作分派
✔ 名称实体识别、分类任务预分析
✔ 代码生成与解释等辅助任务

特别是在那些开销较高的模型调用场景（如 API 付费按 Token 计费）中价值更明显。


总结

model-hierarchy-skill 是一个 智能体技能插件，它利用任务复杂度判断与模型层级匹配策略，实现了：

更优的模型调用成本控制
⚡ 更高效的工作执行策略
适配不同规模与类型 AI 模型

背景

我这两周光是Anthropic的账单就花疯了，到处想办法省钱。好像终于找到个能省10倍的法子，希望管用。

说真的，绝大多数AI任务就是打杂的——读个文件、查个状态、整理个输出，或者回答"东京现在几点"、"ETH为啥跌这么惨"这类问题。这种活儿哪用得着15美元/百万token的模型啊。

解决方案就是按任务难度分级调度：

  • 日常任务（80%）> 用DeepSeek，0.14美元/百万token文件操作、状态查询、简单问答、格式化
  • 中等难度（15%）> 用Sonnet，3美元/百万token写代码、总结、草稿、轻量分析
  • 硬核任务（5%）> 用Opus，15美元/百万token调试、架构设计、多步推理
全用Opus一个月要225美元，分级之后只要19美元。

我把它做成一个"智能调度"技能包，AI自己会判断任务难度，自动分配给性价比最高的模型。测了28次，支持OpenClaw、Claude Code，任何AI系统都能接。省不省钱、活儿糙不糙，你们试试就知道了。