Which LLM? Deterministic model selection for agents

核心用法

Which‑LLM 是一个面向AI Agent的决策优化API服务，核心功能是在成本与质量约束下推荐最优LLM选型，而非直接调用模型。典型使用流程：

1. 前置配置：创建独立EVM钱包（非主钱包），预存$2-10 USDC及少量gas代币，优先使用加密keystore（WALLET_KEYSTORE_PATH + 密码）而非明文私钥
2. 多源验证：首次使用前必须通过至少两个渠道验证收款地址一致性，包括API端点/.well-known/payment-address.txt、ENS域名which-llm.eth等，发现不一致立即停用并举报
3. 付费调用：向POST /decision/optimize提交目标描述与约束条件（如max_cost_usd: 0.01、min_quality_score: 0.8），若返回HTTP 402则按指引完成USDC支付（支持Base、Arbitrum等L2），携带支付凭证重试
4. 结果反馈：执行推荐模型后，调用POST /decision/outcome报告实际成本、延迟、质量评分，换取credit_token抵扣后续请求费用

显著优点

• 经济透明：按次USDC付费，无订阅门槛；结果反馈机制形成"支付-优化-返利"闭环
• 决策可审计：确定性输出（非概率性），便于合规场景追溯选型逻辑
• 链上兼容：原生支持多链USDC，Gas成本低
• 安全设计：强制隔离钱包、多源地址验证、支付需人工审批（默认模式）

潜在局限与风险

| 维度 | 说明 |

|------|------|

| **信任假设** | 多源验证路径可能共享同一运营方控制，缺乏独立签名校验或链上证明作为终极信任锚 |

| **支付摩擦** | HTTP 402流程需Agent具备钱包签名能力，非托管场景下实现"人工审批"依赖Host合规实现，存在配置绕过风险 |

| **范围边界** | 仅做选型推荐，不直接执行模型调用，需额外集成目标LLM客户端 |

| **资金暴露** | 虽建议低余额，但keystore或私钥若泄露仍可能导致资金损失 |

适合人群

• 需要自动化模型选型的AI Agent开发者（如多模型路由、成本敏感型应用）
• 追求链上透明计费的DeFi/Web3原生项目
• 有合规审计需求的企业级LLM调用场景

常规风险

1. 地址劫持：若仅验证单一渠道即付款，可能遭遇DNS/前端攻击导致资金被骗
2. 配置降级：Host可能未严格执行"默认人工审批"，开启免审批模式后小额高频支付累积风险
3. 合约漏洞：USDC转账虽标准，但收款合约若被控制存在冻结或资金截留可能（文档未披露合约审计信息）
4. 反馈博弈：恶意报告虚假outcome可能污染系统模型，但文档未详述反作弊机制

核心功能

Decision Economic Optimizer 是一个面向AI Agent的确定性决策排名API，核心能力是在显式成本与质量约束下，为Agent推荐最优LLM模型及备选方案。Skill本身不执行模型推理，而是作为智能调度层，帮助Agent决策"下一步调用哪个模型"。

显著优势

1. 经济透明：采用HTTP 402支付模型，每次调用明码标价（约$0.01级别），支持Base、Ethereum、Arbitrum、Optimism、Avalanche等多链USDC支付
2. 结果反馈闭环：通过POST /decision/outcome上报真实执行结果（实际成本、延迟、质量评分），赚取积分代币降低后续调用成本
3. 安全架构设计完善：强制要求独立低余额钱包（建议$2-10 USDC）、提供多通道支付地址验证机制（.well-known端点 + ENS）、优先支持加密密钥库而非裸私钥
4. 合规性优秀：通过GDPR/CCPA合规审计，仅收集必要钱包凭证，不采集系统信息或敏感数据
5. 轻量无依赖：纯声明型配置，0第三方依赖，无可执行代码，静态安全评分98分

潜在局限与风险

1. T3来源可信度：维护者为个人开发者zapkid，非企业级背书，虽代码安全但存在运营持续性风险
2. 支付地址验证负担：用户需主动跨至少两个渠道验证收款地址，增加首次使用摩擦
3. 402支付流程复杂度：相比传统API Key模式，USDC链上支付需要钱包管理、gas费预估、交易确认等额外认知负担
4. 网络依赖单一：所有端点集中于api.which-llm.com单一域名，无备用域名或IP分散
5. 无密码学强信任锚：当前未提供独立签名声明、链上地址认证等加密学信任根

适合人群

• 成本敏感型AI Agent开发者：需要在GPT-4级别质量与GPT-4o-mini成本之间做精确权衡
• 多模型Fallback策略实施者：要求确定性、可审计的模型降级决策链路
• Web3原生Agent团队：已具备EVM钱包管理经验，接受USDC支付模式
• 合规要求严格的B2B场景：需GDPR/CCPA就绪的第三方决策服务

常规风险

| 风险类型 | 等级 | 说明 |

|---------|------|------|

| 钱包资金安全 | 中 | 虽设计强制低余额隔离钱包，但若用户误用主钱包或私钥泄露仍存在损失可能 |

| 支付地址篡改 | 中 | 依赖TLS和多通道验证，无独立签名信任锚，理论上存在DNS/证书攻击窗口 |

| API服务持续性 | 中高 | 个人项目，无SLA承诺，存在停止服务风险 |

| 链上交易失败 | 低 | gas价格波动、网络拥堵可能导致支付确认延迟 |

使用建议

严格遵循文档安全实践：创建专用钱包、验证支付地址、优先使用加密密钥库、启用每次请求人工确认。初始测试资金建议控制在$1-2 USDC + $1-2 gas token。