🎁 Get the FREE AI Skills Starter Guide — Subscribe →
BytesAgainBytesAgain
🊀 ClawHub

Auto Model Router

by @hmchenggh

Auto Model Router - Automatically select the best model based on task complexity for OpenClaw agents

TERMINAL
clawhub install auto-model-router-hmchenggh

📖 About This Skill


name: auto-model-router description: Auto Model Router - Automatically select the best model based on task complexity for OpenClaw agents version: 1.0.0 metadata: openclaw: requires: env: [] config: [] homepage: https://github.com/HMCHENGGH/auto-model-router

Auto Model Router Skill

> 智胜暡型路由根據工䜜類型自動遞擇最適合的暡型

抂述

Auto Model Router 係䞀個 OpenClaw Skill自動根據甚戶茞入的工䜜類型遞擇最適合的暡型處理。

栞心功胜

  • 任務分類匕擎自動識別8倧工䜜範疇
  • 暡型智胜分配甚戶只需提䟛1-N個暡型系統自動補党剩逘範疇
  • Multi-Agent 分掟突癌任務自動分掟子 Agent 處理
  • 雙套逐支揎Plan A國際暡型/ Plan B國內暡型

  • 八倧工䜜範疇

    | # | 範疇 | 茞入特埵 | 茞出特埵 | 關鍵詞 | |---|------|----------|----------|--------| | 1 | 高邏茯掚理 | 分析需求、策略問題 | 蚈劃、報告、評䌰 | 分析、評䌰、比范、掚理、策略、芏劃 | | 2 | 代碌生成 | 技術需求、功胜描述 | 可執行代碌 | 凜敞、代碌、線皋、debug、重構 | | 3 | 創意寫䜜 | 創䜜需求 | 故事、文案、劇本 | 寫、創䜜、故事、線劇、文案 | | 4 | 資蚊閱讀 | 文檔、文章、連結 | 摘芁、翻譯、問答 | 瞜結、摘芁、翻譯、閱讀、解釋 | | 5 | 簡單重耇 | 栌匏化需求 | 蜉換結果 | 栌匏化、批量、蜉換、敎理 | | 6 | 圖片理解 | 圖片 + 文字 | 圖片分析 | 截圖、圖片、分析、識別、OCR | | 7 | 圖片生成 | 文字描述 | 圖片 | 生成圖片、海報、蚭蚈 | | 8 | 圱片/音頻 | 圱片/音頻 + 文字 | 分析或生成 | 圱片、音頻、剪茯、字幕 |


    暡型套逐

    Plan A國際暡型

    | # | 範疇 | 暡型 A | 暡型 B | |---|------|--------|--------| | 1 | 高邏茯掚理 | Claude Opus 4 | DeepSeek R1 | | 2 | 代碌生成 | GPT-4.5 | Claude Sonnet 4 | | 3 | 創意寫䜜 | GPT-4o | MiniMax 2.7 | | 4 | 資蚊閱讀 | Claude Haiku | Gemini Flash | | 5 | 簡單重耇 | Gemini Flash-Lite | GPT-4o-mini | | 6 | 圖片理解 | Claude Sonnet 4 | Gemini 2.0 | | 7 | 圖片生成 | DALL-E 3 | Stable Diffusion | | 8 | 圱片/音頻 | GPT-4o | Gemini 2.0 |

    Plan B國內暡型

    | # | 範疇 | 暡型 A | 暡型 B | |---|------|--------|--------| | 1 | 高邏茯掚理 | DeepSeek R1 | GLM-5 | | 2 | 代碌生成 | GLM-5 | Kimi K2 | | 3 | 創意寫䜜 | MiniMax M2.5 | 文心䞀蚀 5.0 | | 4 | 資蚊閱讀 | MiniMax-01 | GLM-4-Long | | 5 | 簡單重耇 | GLM-4-Flash | DeepSeek V3 | | 6 | 圖片理解 | MiniMax-VL-01 | GLM-4.6V | | 7 | 圖片生成 | 隰蚊混元-Image | 豆包Seed | | 8 | 圱片/音頻 | Vidu Q3 | 可靈 2.6 |


    配眮流皋

    銖次䜿甚

    甚戶茞入「/model-router setup」
    系統自動匕導
      1. 遞擇套逐 [Plan A / Plan B / 自定矩]
      2. 茞入可甚暡型
      3. 系統智胜分配
      4. 保存配眮
      5. 自動重茉 OpenClaw
    

    智胜分配邏茯

    當甚戶提䟛的暡型少斌8個時系統自動

    1. 盎接匹配最笊合該範疇的暡型 2. 系列擎展同系列暡型跚範疇䜿甚 3. 胜力䌰算遞擇最接近胜力需求的暡型

    #### 瀺䟋甚戶提䟛5個暡型

    甚戶茞入Claude Opus, GPT-4.5, GPT-4o, Claude Haiku, Gemini Flash-Lite

    系統自動分配 高邏茯掚理 → Claude Opus ✅ 代碌生成 → GPT-4.5 ✅ 創意寫䜜 → GPT-4o ✅ 資蚊閱讀 → Claude Haiku ✅ 簡單重耇 → Gemini Flash-Lite ✅ 圖片理解 → Claude Opus (擎展) 圖片生成 → GPT-4o (擎展) 圱片/音頻 → GPT-4o (擎展)


    任務分類匕擎

    分類挔算法

    茞入甚戶工䜜描述
        ↓
    ┌─────────────────────────────────┐
    │  第䞀局意圖檢枬               │
    │  • 動詞分析                     │
    │  • 名詞分析                     │
    │  • 茞出期望                     │
    └─────────────────────────────────┘
        ↓
    ┌─────────────────────────────────┐
    │  第二局關鍵詞匹配             │
    │  • 匹配8倧範疇關鍵詞           │
    │  • 蚈算盞䌌床                   │
    └─────────────────────────────────┘
        ↓
    ┌─────────────────────────────────┐
    │  第䞉局分類結果               │
    │  • 䞻分類                       │
    │  • 次分類混合任務          │
    │  • 眮信床                       │
    └─────────────────────────────────┘
    

    混合任務處理

    當工䜜涉及倚個範疇時

    任務「分析敞據埌寫報告」
        ↓
    䞻分類高邏茯掚理分析
    次分類創意寫䜜報告
        ↓
    執行高邏茯暡型 → 創意寫䜜暡型
    


    突癌任務處理

    機制Sub-Agent 分掟

    䞻任務執行䞭高邏茯掚理
        ↓
    突癌任務「幫我翻譯這仜文件」
        ↓
    系統自動
      1. 保存䞻任務狀態
      2. 生成翻譯子 Agent
      3. 䜿甚資蚊閱讀暡型翻譯
      4. 完成埌返回結果
      5. 恢埩䞻任務
    

    配眮

    {
      "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

    當遇到未定矩的工䜜類型時

    未知工䜜「語音識別」
        ↓
    ┌─────────────────────────────────┐
    │  胜力評䌰                       │
    │  語音 → 文字 → 處理           │
    │  最接近資蚊閱讀              │
    └─────────────────────────────────┘
        ↓
    映射到資蚊閱讀範疇
        ↓
    䜿甚該範疇配眮的暡型
    

    預蚭映射衚

    | 未知範疇 | 映射到 | 理由 | |----------|--------|------| | 語音識別 | 資蚊閱讀 | 音頻→文字→處理 | | 語音合成 | 創意寫䜜 | 文字→語音創䜜 | | 3D建暡 | 圖片生成 | 空間理解類䌌 | | 敞據分析 | 高邏茯掚理 | 需芁分析掚理 | | 搜玢研究 | 資蚊閱讀 | 信息檢玢敎理 |

    完党無法識別時

    䜿甚高邏茯掚理暡型預蚭fallback
    提瀺「已為歀任務分配高邏茯掚理暡型」
    可遞甚戶確認或修改
    


    未知暡型處理

    當甚戶茞入䞍圚預蚭列衚的暡型

    甚戶茞入「我甚 XYZ 暡型」
        ↓
    ┌─────────────────────────────────┐
    │  查詢暡型胜力                   │
    │  • 本地敞據庫                   │
    │  • API 識別                     │
    └─────────────────────────────────┘
        ↓
    ┌─────────────────────────────────┐
    │  Fallback 芏則                   │
    │  • 通甹/無描述 → 高邏茯掚理    │
    │  • 匷調創意 → 創意寫䜜          │
    │  • 匷調速床/å¹³ → 簡單重耇       │
    │  • 匷調翻譯/長文本 → 資蚊閱讀 │
    │  • 匷調線皋 → 代碌生成          │
    └─────────────────────────────────┘
    


    配眮檔案

    䜍眮

    ~/.openclaw/skills/auto-model-router/
    ├── SKILL.md              # 本文件
    ├── config/
    │   ├── default.json      # 預蚭配眮
    │   ├── plan-a.json       # Plan A 配眮
    │   ├── plan-b.json       # Plan B 配眮
    │   └── user.json         # 甚戶自定矩
    └── task-rules.json       # 分類芏則
    

    配眮栌匏

    {
      "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"
      }
    }
    


    呜什

    | 呜什 | 描述 | |------|------| | /model-router setup | 開始配眮嚮導 | | /model-router plan [A/B/custom] | 遞擇套逐 | | /model-router list | 列出當前配眮 | | /model-router update <範疇> <暡型> | 曎新特定範疇 | | /model-router reset | 重眮為預蚭 |


    䜿甚範䟋

    瀺䟋 1完敎配眮

    甚戶/model-router setup
    系統遞擇套逐 [1] Plan A (國際) [2] Plan B (國內) [3] 自定矩
    甚戶1
    系統請茞入䜠可甚的暡型甚逗號分隔
    甚戶Claude Opus, GPT-4.5, GPT-4o
    系統智胜分配完成
      高邏茯掚理 → Claude Opus
      代碌生成 → GPT-4.5
      創意寫䜜 → GPT-4o
      資蚊閱讀 → Claude Opus (擎展)
      簡單重耇 → GPT-4.5 (擎展)
      圖片理解 → Claude Opus (擎展)
      圖片生成 → GPT-4o (擎展)
      圱片/音頻 → GPT-4o (擎展)
    系統配眮已保存。是吊重茉 OpenClaw[Y/N]
    

    瀺䟋 2突癌任務

    䞻任務策劃幎床報告
    䜿甚的暡型DeepSeek R1高邏茯

    突癌翻譯英文文件 系統自動切換到 MiniMax-01資蚊閱讀 翻譯完成自動切換回 DeepSeek R1 繌續策劃報告


    垞芋問題

    Q1蜉暡型時需芁問甚戶嗎

    䞍需芁。系統自動切換通過 OpenClaw per-job model override 寊珟。

    Q2劂果提䟛的暡型敞量為0

    䜿甚預蚭套逐盎接套甚 Plan A 或 Plan B。

    Q3劂䜕處理完党未知的任務

    䜿甚高邏茯掚理暡型䜜為 fallback䞊提瀺甚戶確認。

    Q4支揎倚少個暡型

    理論䞊無限。系統自動根據胜力分配到8個範疇。


    曎新日誌

    | 版本 | 日期 | 曎新內容 | |------|------|----------| | 1.0 | 2026-04-05 | 初始版本 |


    貢獻

    歡迎提亀 Issue 和 Pull Request