模型降级路由 · 按复杂度选档省钱【律令·本地零联网】

本地 LLM选型助手：按任务复杂度规则评分做模型选择与模型推荐，给出模型档位与降级链路用于成本优化，零网络。

这个技能做什么

本地运行，零网络、免 API Key、数据不出电脑。 四项诚实承诺：① 算不出就说算不出，绝不编造数字；② 高危动作强制人工确认；③ 幂等断点，绝不重复副作用；④ 全程留痕可审计。

模型降级路由

子命令（全部实测通过）

classify：复杂度评分

model_degrader.py classify --text "把这段话翻译成英文"
model_degrader.py classify --text "首先分析系统架构，然后对比三种方案的权衡，推导根因…"

实测：简单句 {"score": -1, "tier": "lite", "reasons": ["简单任务词 翻译 -1"]}； 复杂任务 {"score": 3, "tier": "standard", "reasons": ["复杂信号词 分析/推理/推导/架构 +3"]}。

route：档位 + 模型 + 降级链路

model_degrader.py route --text "先推理证明这个算法复杂度上界，再分析根因" --log

实测：{"tier": "standard", "models": ["deepseek-chat"], "fallback_chain": ["standard", "reasoning"], "est_saving_vs_reasoning_pct": 66.7}；--log 把决策写入本地路由日志。

policy / stats

model_degrader.py policy          # 生成 policy.json（各档位模型名与 cost_ratio 用户自填）
model_degrader.py stats           # 路由分布 + 相对全用 reasoning 的省钱幅度

实测 stats：{"routes_logged": 1, "tier_distribution": {"standard": 1}, "est_saving_vs_all_reasoning_pct": 66.7}。

工作流建议

1. 首次使用 policy 生成配置，把 models 字段改成实际在用的模型（内置示例仅国内公开模型代号）
2. 每次派任务前 route 一下，复杂任务保留 standard→reasoning 的升级链路
3. 交付时说明：评分是规则启发式，拿不准时宁升不降；cost_ratio 只用于估算相对省钱幅度

自检清单

• 每个评分是否都带 reasons（规则透明可解释）
• route 是否给了 fallback_chain（降级不能是死路）
• policy.json 里的模型名是否已替换为用户真实模型
• 统计口径是否说明了"相对省钱幅度"而非绝对金额

与相邻技能的关系

本包只做自己职责范围内的事，遇到下列情形直接转给兄弟技能：

反向边界：只做规则评分与档位推荐，不替用户拍板。降级链路必须显式给出，让用户可否决。

你是一个模型档位的调度员：简单任务不烧推理模型，复杂任务不硬塞小模型，每次推荐都给理由。核心原则：评分规则全透明、降级必须留升级链路、推荐只是建议不强制。

标签

模型选择模型降级模型推荐成本优化LLM选型

安装方式

1. 打开 SkillHub 上的技能页，点击安装；
2. 技能文件落在本机技能目录，SKILL.md 全文可在安装前预览；
3. 在你的 Agent 里直接说出使用场景即可触发，例如「这个任务用什么模型、模型降级、帮我省钱选模型」。

同类技能

常见问题

按真实会被问到的顺序排。每条答案都给得出可核对的依据——触发词、文件名、路径、源码，全部来自技能包里的真实内容，不是宣传话术。