smart-model-switcher-v4（智能模型切换器 v4）

🧠 Smart Model Switcher V4 (多模态感知版)

自动识别任务类型 • 智能切换最优模型 • 零感知 • 无需手动

🎯 V4 核心升级

🖼️ 多模态模型列表

视觉模型（支持图片理解）

代码模型（编程专用）

推理模型（复杂思维）

通用模型

🔄 自动切换规则

规则 1: 图片检测优先

IF 消息包含图片/截图/照片 → 切换到视觉模型
  ├── 需要代码相关 → qwen3.5-plus (视觉+代码)
  ├── 纯图片理解 → qwen3-vl-plus (最强视觉)
  └── 复杂视觉推理 → qvq-max

规则 2: 代码任务

IF 消息包含代码关键词 → 切换到代码模型
  ├── 复杂代码任务 → glm-5 (最强代码)
  ├── 快速代码补全 → qwen-coder-turbo
  └── 项目级开发 → qwen3-coder-plus

规则 3: 推理任务

IF 消息包含推理关键词 → 切换到推理模型
  ├── 复杂推理 → qwq-plus (最强推理)
  ├── 数学/证明 → qwen3-max
  └── 一般分析 → glm-5

规则 4: 文本任务

IF 纯文本任务 → 使用通用模型
  ├── 长文档 → qwen3.5-plus (1M context)
  ├── 写作/翻译 → qwen3.5-plus
  └── 简单对话 → qwen-plus / qwen-turbo

📋 切换决策树

收到消息
    │
    ├── 🖼️ 包含图片？
    │       ├── YES → 是代码相关？
    │       │         ├── YES → qwen3.5-plus (视觉+代码)
    │       │         └── NO → qwen3-vl-plus (最强视觉)
    │       │
    │       └── NO ↓
    │
    ├── 💻 代码关键词？
    │       ├── YES → glm-5 (最强代码)
    │       │
    │       └── NO ↓
    │
    ├── 🧠 推理关键词？
    │       ├── YES → qwq-plus / qwen3-max
    │       │
    │       └── NO ↓
    │
    └── 📝 文本任务
            ├── 长文档 → qwen3.5-plus
            ├── 写作 → qwen3.5-plus
            └── 快速 → qwen-plus / qwen-turbo

🎯 关键词识别

图片检测

• 消息中有 image 类型内容
• 用户说："看这个图"、"图片里是什么"、"截图"
• 文件扩展名：.png, .jpg, .jpeg, .gif, .webp

代码关键词

• 编程相关：代码、编程、python、js、javascript、函数、debug、bug、报错、错误、修复
• 文件类型：.py, .js, .ts, .html, .css, .json, .yaml, .sh
• 操作词：写一个、帮我写、优化、重构、解释这段代码

推理关键词

• 推理、逻辑、证明、数学、计算、分析、思考
• 为什么、怎么推导、能不能推出、关系

写作关键词

• 写、作文、文章、小说、故事、文案、邮件、报告

🔧 配置示例

用户配置的最强模型

{
  "modelPreferences": {
    "vision": "qwen3-vl-plus",      // 视觉最强
    "coding": "glm-5",               // 代码最强
    "reasoning": "qwq-plus",         // 推理最强
    "general": "qwen3.5-plus",       // 通用最强
    "fast": "qwen-turbo"             // 快速任务
  }
}

📊 使用示例

示例 1: 发送图片 + 代码问题

用户: [发送一张报错截图] "帮我看看这个错误"
检测: 图片 + 代码关键词
切换: qwen3.5-plus (视觉+代码能力)
执行: 分析截图中的错误，给出解决方案

示例 2: 纯代码任务

用户: "帮我写一个 Python 爬虫"
检测: 代码关键词
切换: glm-5 (最强代码模型)
执行: 生成爬虫代码

示例 3: 纯图片理解

用户: [发送照片] "这张照片里有什么"
检测: 图片
切换: qwen3-vl-plus (最强视觉)
执行: 描述图片内容

示例 4: 推理任务

用户: "证明根号2是无理数"
检测: 推理关键词
切换: qwq-plus (最强推理)
执行: 给出证明过程

示例 5: 长文档

用户: "分析这篇10万字的论文"
检测: 长文档
切换: qwen3.5-plus (1M context)
执行: 分析论文

🚀 实现逻辑

Step 1: 消息分析

分析用户消息:
1. 是否包含图片/附件
2. 提取关键词
3. 识别任务类型
4. 确定上下文需求

Step 2: 模型选择

选择最优模型:
1. 根据任务类型查找最佳模型
2. 检查模型可用性 (API Key + 套餐)
3. 应用 fallback 逻辑
4. 记录选择原因

Step 3: 执行切换

切换模型:
1. 调用 session_status(model: "xxx")
2. 发送提示信息给用户
3. 执行任务
4. 记录性能数据

⚠️ 注意事项

1. 图片检测优先 - 只要有图片，优先切换视觉模型
2. 代码优先级 - 代码任务优先用 glm-5
3. 自动切换 - 用户无需手动操作，系统自动识别
4. fallback - 如果首选模型不可用，自动降级到备选

📝 更新日志

V4.0.0 (2026-03-23)

• ✅ 新增多模态感知，自动识别图片
• ✅ 新增视觉模型支持 (qwen3-vl-plus, qwen3.5-plus)
• ✅ 优化切换决策树，图片检测优先
• ✅ 更新关键词识别规则

V3.0.0

• ✅ 全平台支持
• ✅ API Key 验证
• ✅ 套餐检测

🤖 AI Agent 自动行为指南

重要：AI Agent 在每次响应前，必须执行以下检测流程！

⚠️ 会话级别切换（重要！）

模型切换是会话级别的，不影响其他通道！

• WebChat 发图片 → 只在 WebChat 切换视觉模型
• 飞书写代码 → 只在飞书会话切换代码模型
• Telegram 聊天 → 只在 Telegram 会话切换模型

不同通道独立，互不影响！

切换方法（会话级别）

使用 session_status 工具，带上当前会话的 sessionKey：

// 当前会话切换（不影响其他通道）
session_status(model: "bailian/glm-5")

// 切换其他会话的模型（需要指定 sessionKey）
session_status(sessionKey: "feishu/xxx", model: "bailian/qwen3.5-plus")

默认行为：不带 sessionKey 时，只切换当前会话的模型。

检测流程（每次响应前）

Step 1: 检测消息内容
├── 是否包含图片/附件？
│   └── YES → 切换到视觉模型 (qwen3.5-plus 或 qwen3-vl-plus)
│
├── 是否包含代码关键词？
│   └── YES → 切换到代码模型 (glm-5)
│
├── 是否包含推理关键词？
│   └── YES → 切换到推理模型 (qwq-plus)
│
└── 否则保持当前模型

切换方法

使用 session_status 工具切换模型：

session_status(model: "bailian/glm-5")
session_status(model: "bailian/qwen3.5-plus")
session_status(model: "bailian/qwq-plus")

切换提示

切换成功后，给用户一个简短提示：

• "🧠 已切换到 glm-5（代码任务）"
• "🧠 已切换到 qwen3.5-plus（图片理解）"
• "🧠 已切换到 qwq-plus（推理任务）"

示例行为

用户: [发送一张报错截图] "帮我看看这个错"

AI 行为:
1. 检测到图片 → 需要视觉模型
2. 检测到"错" → 代码相关
3. 决策: 使用 qwen3.5-plus（视觉+代码）
4. 调用: session_status(model: "bailian/qwen3.5-plus")
5. 提示: "🧠 已切换到 qwen3.5-plus（图片理解）"
6. 分析图片中的报错信息
7. 给出解决方案

注意事项

1. 不要重复切换 - 如果当前模型已经是最优选择，不要切换
2. 切换要快 - 使用简短提示，不要长篇大论
3. 记录切换 - 如果模型切换成功，记住当前使用的模型
4. 优先级 - 图片检测 > 代码检测 > 推理检测 > 通用

📋 快速参考

V4 核心亮点：发图片自动切换视觉模型，写代码自动切换代码模型，完全无感！ 🚀