📦 多模型路由器

⚠️ 发布规则 所有发布到 ClawHub 的技能必须严格测试，确认无误后再发布。

技能测试验证清单

• frontmatter 格式正确
• 模型选择逻辑完整
• 成本优化策略明确
• 任务分类清晰
• 无语法错误

Multi-Model Router - 多模型路由器 原创技能 | 激活词：选择模型 / 路由模型 / 成本优化

核心概念 不同任务需要不同模型：

• 简单任务用小模型，省成本
• 复杂任务用大模型，保质量
• 特定任务用专用模型，提效率

模型能力矩阵 主流模型对比 | 模型 | 推理 | 编程 | 创意 | 成本 | 速度 | |--------------|------|------|------|------|------| | GPT-4o | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | 高 | 中 | | Claude 3.5 | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐⭐ | 高 | 中 | | GPT-4o-mini | ⭐⭐ | ⭐⭐ | ⭐⭐ | 低 | 快 | | Claude 3-haiku| ⭐⭐ | ⭐⭐ | ⭐⭐ | 最低 | 最快 | | DeepSeek-V3 | ⭐⭐⭐ | ⭐⭐⭐ | ⭐⭐ | 中 | 快 |

擅长领域 MODEL_STRENGTHS = { 'claude-opus': { 'best': ['复杂推理', '长文本分析', '代码审查'], 'good': ['创意写作', '技术文档'], 'avoid': ['简单问答', '批量处理'], }, 'claude-sonnet': { 'best': ['编程', '数据分析', '快速迭代'], 'good': ['日常对话', '文档生成'], 'avoid': ['超长上下文'], }, 'gpt-4o': { 'best': ['多模态', '实时信息', 'API集成'], 'good': ['通用对话', '代码生成'], 'avoid': ['超长输出'], }, 'deepseek': { 'best': ['代码优化', '数学', '中文'], 'good': ['低成本批量处理'], 'avoid': ['英文创意写作'], }, }

任务分类 类型1：简单任务 (Simple) 特征：

• 单一问题
• 答案明确
• 不需要推理

示例：

• “现在几点了”
• “把这段文字翻译成英文”
• “计算 2+2”

推荐模型：Claude-haiku / GPT-mini

类型2：常规任务 (Normal) 特征：

• 需要一定推理
• 有明确答案
• 标准流程

示例：

• “写一个用户登录函数”
• “解释什么是闭包”
• “帮我总结这段文章”

推荐模型：Claude-sonnet / GPT-4o-mini

类型3：复杂任务 (Complex) 特征：

• 多步推理
• 需要深度分析
• 可能有歧义

示例：

• “设计一个微服务架构”
• “分析并优化这段代码性能”
• “制定产品上线计划”

推荐模型：Claude-opus / GPT-4o

类型4：专业任务 (Specialized) 特征：

• 需要专业知识
• 领域特定
• 高准确性要求

示例：

• “法律文件审查”
• “数学证明”
• “代码安全审计”

推荐模型：专用模型 / Claude-opus

路由算法 主路由逻辑

def route_task(task: Task) -> Model:
    # 1. 分析任务特征
    complexity = analyze_complexity(task)
    domain = analyze_domain(task)
    urgency = analyze_urgency(task)
    # 2. 成本预算
    budget = get_budget()
    # 3. 选择模型
    if complexity == 'simple':
        if budget == 'low':
            return 'claude-haiku'
        else:
            return 'gpt-mini'
    elif complexity == 'normal':
        if domain == 'code' and urgency == 'high':
            return 'claude-sonnet'
        else:
            return 'deepseek'
    elif complexity == 'complex':
        if domain == 'reasoning':
            return 'claude-opus'
        elif domain == 'creative':
            return 'gpt-4o'
        else:
            return 'claude-sonnet-max'
    else:
        return 'claude-opus'

成本优化

def optimize_cost(task: Task, model: Model) -> Model:
    if can_use_cheaper(task):
        cheaper = find_cheaper_alternative(model)
        if test_quality(task, cheaper) >= 0.9:
            return cheaper
    return model

路由决策输出

路由决策

任务分析

• 复杂度: Complex (多步推理)
• 领域: Code (编程任务)
• 紧迫度: Normal
• 预算: 标准

模型选择

• 推荐: claude-opus
• 备选: gpt-4o
• 降级: claude-sonnet

理由

• 任务复杂度高，需要强推理能力
• 编程任务，Claude 编码能力强
• 有足够预算

预估成本

• claude-opus: $0.015/1K tokens
• 预计消耗: 约 $0.05

模型切换策略 串行路由

def serial_route(task: Task) -> Response:
    response = call_model('haiku', task)
    if not satisfied(response):
        response = call_model('opus', task)
    return response

并行路由

async def parallel_route(task: Task) -> Response:
    results = await asyncio.gather(
        call_model('haiku', task),
        call_model('sonnet', task),
        call_model('opus', task),
    )
    return select_best(results)

性能监控 监控指标 MONITOR = { 'response_time': [], 'quality_score': [], 'cost_per_task': [], 'model_usage': {}, }

路由优化

def optimize_routing():
    # 分析历史数据
    # 找出成本和质量最佳平衡点
    # 调整路由规则
    pass

集成建议 配合技能 | 效果 intent-classifier | 先识别意图再路由 hallucination-detector | 验证模型输出质量 context-optimizer | 优化各模型的上下文

原创性声明 本技能为原创，融合了：

• 模型能力评估
• 任务复杂度分析
• 成本效益优化
• 动态路由算法

作者: laosi 创建日期: 2026-04-28