核心用法
Auto Model Router 是一款任务驱动的AI模型智能调度工具。其核心设计理念是"为不同任务匹配最适合的模型"——将编程任务路由到代码专用模型、数学推理交给强逻辑模型、日常闲聊使用快速廉价模型等。
工作流程：
- 任务分类：自动将请求归类为 coding、math_reasoning、translation、daily_chat 等 10 种类型
- 双模式运行：
- Mode A（本地模式，默认）：完全本地决策，无需外部服务，任务直接发送至用户配置的AI提供商（Anthropic、OpenAI、DeepSeek、MiniMax、Google等）
- Mode B（路由模式）：连接用户自托管的路由服务，支持基于反馈的学习优化
模型配置：支持通过命令动态调整各类任务的模型分配，如 update_route.py coding deepseek deepseek-chat。
显著优点
1. 成本效益：避免对所有任务使用昂贵的大模型，按需匹配
2. 响应质量：专业任务使用专门优化的模型
3. 隐私可控：本地模式无第三方介入；路由模式仅连接用户指定的自托管服务
4. 可扩展性：支持主流国内外API提供商
5. 持续学习：Mode B支持根据用户反馈（👍/👎）优化路由决策
潜在局限
- 需要手动配置多个API密钥才能发挥多提供商优势
- 任务分类依赖规则匹配，复杂模糊场景可能误分类
- Mode B需要用户自行部署路由服务，技术门槛较高
- 首次使用需运行 setup.py 完成配置
适合人群
- 高频使用AI、希望优化API成本的专业用户
- 需要同时调用多个模型提供商的开发者
- 注重数据隐私、倾向本地处理的用户（Mode A）
- 有组织级AI管理需求、愿意自建基础设施的团队（Mode B）
常规风险
- 凭证管理：需安全存储多平台API密钥
- 出口数据：Mode A下数据仅流向用户指定的提供商；Mode B下需信任自托管路由端
- 服务依赖：API可用性受各提供商状态影响，需配置备选方案