Token导航 LogoToken导航

Agent Skill · 开发

model-router-hook(型号路由器挂钩)

model-router-hook 用于补充开发相关能力,适合在 OpenClaw 中需要让 Agent 承接开发相关任务时使用。可结合来源仓库、安装命令和原始 README 继续核验具体用法。安装前建议确认权限范围、维护状态,以及是否会触发联网、命令执行或文件读写。

model-router-hook 是开发类 Agent Skill,可用宿主为 OpenClaw,通过ClawHub获取,权限为需要联网;许可证为 MIT-0,第三方扫描已通过,按安装量在开发类的 21,746 个 Skill 里排第 3,826。

总安装 9,984周安装 409GitHub Stars 公开资料未说明下载 3,232核验 2026-05-01

安装说明

本站只整理中文说明,不托管安装包,也不代用户安装。
GitHub
许可证
MIT-0
版本
4.0.0

安装方式

通过对话安装

复制提示词发给支持本地命令或 Skills 的 AI 助手,先确认命令和权限,再让它执行。

请帮我安装这个 Agent Skill:model-router-hook(型号路由器挂钩)
来源仓库:https://github.com/kevinzhj/model-router-hook
安装命令:
openclaw skills install model-router-hook
安装前请先检查当前环境是否支持对应 CLI,并向我确认将要执行的命令、安装目录、联网范围和文件读写权限;确认后再执行。

命令行安装

复制命令到本机终端执行。该命令会通过 OpenClaw 从第三方来源获取 Skill;本站只展示命令,不托管安装包,也不自动执行。

ClawHubOpenClaw
openclaw skills install model-router-hook

这个 Skill 是做什么的

开发类 Skill 面向写代码、改代码和排查问题,一般会读写仓库文件,部分还会执行构建或测试命令。

用于根据任务复杂度、用户偏好和成本预算智能路由到最优 LLM 模型。适合开发中需要动态选择模型(如简单任务用 k2p5,复杂任务用思维模型)的场景。通过 clawhub 安装,需确认权限范围和维护状态。建议结合来源仓库和 README 核验配置方式与触发条件。

使用前请评估是否会触发联网或 API 调用,避免产生意外费用。

上手步骤

4 步
  1. 1

    确认自己的宿主工具

    公开资料标注支持 OpenClaw;先确认自己用的是其中之一,再按对应工具的 Skills 目录放置。

  2. 2

    拿到安装命令

    可以直接复制的命令是 openclaw skills install model-router-hook;命令里的占位符换成自己的路径或密钥再执行。

  3. 3

    安装后重启宿主

    命令执行完要完全退出宿主工具再打开,让新装的 Skill 被重新扫描到,否则列表里可能看不到。

  4. 4

    按最小权限试用

    它需要需要联网,先在测试目录或测试账号里跑,确认没问题再放到正式项目。

常见问题

6 条

model-router-hook 怎么安装?

在终端执行 openclaw skills install model-router-hook。装完完全退出宿主工具再打开,让它重新扫描本地 Skill。

model-router-hook 支持哪些 AI 工具?

公开资料标注支持 OpenClaw。其他工具只要能读取本地 Skill 目录,一般也能手动放进去,但要自己确认触发方式是否一致。

model-router-hook 需要什么权限?

权限级别是需要联网。该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

model-router-hook 是免费的吗?

来源标注的许可证是 MIT-0。本站不代收任何费用,也不托管安装包;能否商用、要不要署名,以许可证原文为准。

model-router-hook 用的人多吗?

公开数据是累计安装 9,984 次,近一周安装 409 次,下载 3,232 次。这些数字来自第三方目录统计,只能当作热度参考,不代表质量或安全性。

model-router-hook 安全吗?

第三方扫描结果为通过,但这只覆盖已知的静态检查项,不能替代自己读一遍源码和安装命令。

值得选的地方和要先想清楚的地方

值得选的地方

  • 专注 OpenClaw 一种宿主,触发方式和使用习惯不用来回切换。
  • 许可证明确为 MIT-0,商用和分发边界好判断。
  • 第三方扫描已通过,常见的高风险行为没有命中。

先想清楚的地方

  • 第三方目录整理,版本更新和行为细节以来源仓库为准。

适不适合你

更适合

  • 已经在用 OpenClaw,想直接扩展它能力的人。
  • 需要处理开发类任务、又不想每次都手写提示词的人。
  • 需要许可证清楚、并且有第三方扫描结果的团队项目。

不太适合

  • 需要厂商级技术支持和 SLA 的生产系统。

开发类 Skill 对比

6 个同类
Skill总安装GitHub 星权限许可证扫描
skill-vetter

技能审查员 · OpenClaw

8,779,018986操作浏览器MIT-0通过
ontology

本体论 · OpenClaw

6,636,960576只读MIT-0通过
entra-app-registration

内部应用程序注册 · Codex、Claude

6,631,872764接触敏感数据未明确通过
entra-app-registration

内部应用程序注册 · Codex、Claude

3,757,680201接触敏感数据未明确通过
nano-banana-pro

纳米香蕉专业版 · OpenClaw

3,526,898364接触敏感数据MIT-0有提醒
model-router-hook

型号路由器挂钩 · 本页

9,984—需要联网MIT-0通过

按安装量取同分类前几名;数字来自第三方目录统计,只作热度参考,不代表质量结论。

SKILL.md 原文

name
model-router-hook
description
|

Model Router Hook V4

智能模型路由系统 - 自动根据任务复杂度选择最优 AI 模型。

快速开始

from model_router_hook import create_router

# 创建路由器
router = create_router(
    user_id="user_001",
    daily_budget=5.0  # 每日预算 5 美元
)

# 处理用户输入 - 自动路由并切换模型
result = router.on_user_input("帮我写个快排算法")
# 返回: {'mode': 'thinking', 'model': 'kimi-coding/kimi-k2-thinking', ...}

# 回复完成后 - 自动反思学习
router.on_response_complete(
    user_input="帮我写个快排",
    response=generated_response,
    user_next_input=user_next_message
)

# 记录实际成本
router.record_actual_cost(tokens_in=1500, tokens_out=800, 
                         actual_cost=0.005, latency_ms=1200)

系统架构

P0-P5 核心层

层级功能说明
P0意图识别V214种深度信号(为什么/分析一下/总结一下...)
P1动态阈值自适应调整(用户偏好+时间+话题成功率)
P2会话记忆上下文感知 + 全局用户画像(跨会话学习)
P3事后反思质量评估 + 自动学习
P4自动切换OpenClaw 集成,真正执行切换
P5成本控制预算管理 + 实际成本追踪

优化A-G

  • A: OpenClaw 集成 - 真正调用 session_status
  • B: 实际成本追踪 - 支持 API 实际成本
  • C: P3 质量评估增强 - 自动检测回复质量
  • D: A/B 测试框架 - 策略效果量化
  • E: 并发安全 - 线程锁+原子操作
  • F: 降级容错 - 错误时自动 fallback
  • G: 实时仪表板 - 监控与学习进度

详细使用指南

基础使用

from model_router_hook import create_router

router = create_router(
    user_id="my_user",           # 用户ID,用于全局画像
    daily_budget=10.0,           # 每日预算(美元)
    enable_ab_test=False         # 是否开启 A/B 测试
)

# 处理输入
result = router.on_user_input("帮我分析这个架构")
print(result['mode'])          # 'thinking' 或 'fast'
print(result['switched'])      # 是否发生了切换
print(result['decision_log'])  # 决策原因

# 结束会话(保存学习成果)
router.end_session()

在 OpenClaw 中集成

class SmartAgent:
    def __init__(self):
        self.router = create_router(
            user_id="agent_main",
            daily_budget=10.0
        )
    
    async def on_message(self, user_input: str):
        # 1. 自动路由决策
        result = self.router.on_user_input(user_input)
        
        # 2. 使用当前模型生成回复
        response = await self.generate_response(user_input)
        
        # 3. 等待下一条消息,然后反思
        next_input = await self.wait_for_next_message()
        self.router.on_response_complete(
            user_input, response, next_input
        )
        
        return response

API 参考

详见 scripts/model_router.py 完整代码。

主要类:

  • ModelRouterHook: 主路由器类
  • SessionMemory: 会话记忆
  • GlobalUserMemory: 全局用户画像
  • CostControllerV2: 成本控制器
  • ResponseQualityEvaluator: 质量评估器
  • Dashboard: 实时仪表板

文件结构

model-router-hook/
├── SKILL.md                    # 本文件
└── scripts/
    └── model_router.py         # 主代码 (894行)

存储位置

数据自动存储在:

  • ~/.openclaw/workspace/memory/model-router/

- user_{id}_profile.json - 全局用户画像 - session_{id}_memory.json - 会话记忆 - cost_{user}_{month}.jsonl - 成本记录

测试状态

✅ 全部测试通过 (10/10)

  • 意图识别: 14/14 (100%)
  • 复杂度分析: 5/5 (100%)
  • 成本控制器: ✅
  • 质量评估: ✅
  • OpenClaw 集成: ✅
  • 路由器流程: 4/4 (100%)
  • 降级容错: ✅
  • 并发安全: ✅

生产就绪!


*Version: V4.0* *Code: 894 lines, 33.9KB* *Date: 2026-03-04*

平台分布

OpenClaw

89.43%
按下载量换算2,890

安全审计

VirusTotal

通过

ClawScan

通过

Static analysis

通过

权限和风险

需要联网

该 Skill 可能需要联网访问来源站点、仓库或外部 API;具体网络访问范围需要结合源码和 README 复核。

安装前确认

本站仅展示第三方公开信息,不托管安装包,不提供自动安装或运行环境。安装前应自行审查源码、依赖和命令行为。目前只有一个公开来源,建议同时核对源仓库。

继续浏览同类 Skills