Free Ride - Unlimited free AI

核心用法

FreeRide 是面向 OpenClaw 用户的免费AI模型管理工具，通过对接 OpenRouter 平台的免费模型池，实现自动化模型选型与故障转移配置。核心工作流包括：

1. API密钥配置：获取 OpenRouter 免费API密钥并设置环境变量
2. 自动配置：freeride auto 命令智能选择最优主模型+5个备用模型
3. 模型切换：freeride switch 灵活调整主模型或仅更新备用链
4. 状态监控：freeride status 查看当前配置，确保可追溯

显著优点

• 零成本准入：完全基于 OpenRouter 免费模型层，无订阅费用
• 智能降级策略：主模型故障时自动切换至 openrouter/free 智能路由，再按质量分数逐级降级
• 质量量化评估：综合上下文长度(40%)、能力维度(30%)、模型新旧(20%)、供应商信誉(10%)四维度评分
• 配置非侵入：仅修改模型相关字段，保留网关、渠道、插件等既有配置
• 开发者友好：CLI交互设计，支持 -f、-c 等快捷flag，契合终端工作流

潜在缺点与局限性

• 平台锁定：深度绑定 OpenRouter 免费生态，模型可用性受该平台政策变动影响
• 能力天花板：免费模型通常在长文本、复杂推理、最新知识方面弱于付费SOTA模型
• 速率限制风险：免费层存在严格的RPM/TPM限制，高频场景可能频繁触发降级
• 无本地模型支持：无法整合Ollama等本地免费推理方案，纯云端依赖
• 配置覆盖风险：误操作可能覆盖用户手动调优的模型参数

适合人群

• 成本敏感型开发者：个人项目、开源贡献者、学生群体
• OpenClaw现有用户：希望在不改变工作流的前提下降低AI支出
• 原型验证阶段：快速测试多模型表现，无需采购付费API
• 备用方案构建者：为生产环境配置廉价降级路径的运维人员

常规风险

• 密钥泄露：OPENROUTER_API_KEY 以环境变量或明文配置存储，共享环境存在暴露风险
• 服务中断：OpenRouter免费层无SLA保障，模型下线或限流可能导致业务停摆
• 数据隐私：请求经OpenRouter中转，敏感数据存在第三方处理合规隐患
• 评分算法黑箱：质量分数为工具内部计算，未公开透明校验机制，可能存在选型偏差

核心用法

FreeRide 是一款专为 OpenClaw 设计的 CLI 工具 skill，核心功能是自动获取、排序和配置 OpenRouter 平台上的免费 AI 模型。用户只需设置 OPENROUTER_API_KEY 环境变量，执行 freeride auto 即可完成全自动配置。

关键命令：

• freeride list：查看可用免费模型列表（按质量评分排序）
• freeride auto：自动选择最佳主模型 + 配置智能故障转移链路
• freeride switch <model>：切换到指定模型，可保留或替换现有配置
• freeride status：检查当前配置状态

智能故障转移设计：主模型选用确定性高评分的特定模型（非 router），第一备用固定为 openrouter/free（OpenRouter 智能路由器，根据请求特征自动选择），后续备用按质量评分降序排列。这种设计兼顾了成本、稳定性和功能覆盖。

模型评分算法：综合上下文长度（40%）、功能能力（30%）、模型新旧（20%）和提供商信誉（10%），输出 0-1 标准化分数，确保选出的免费模型质量最优。

显著优点

1. 零成本 AI 接入：完全依赖 OpenRouter 免费 tier，无需付费即可使用多模型能力
2. 自动化运维：一键完成模型发现、质量评估、配置写入、故障转移链路构建，省去手动维护成本
3. 配置安全合并：仅修改 model 相关配置段，完整保留 gateway、channels、plugins 等用户自定义设置
4. 透明可审计：代码开源（MIT 许可），安全认证报告公开，网络行为、文件操作、依赖项完全透明
5. 故障自愈：主模型 rate limit 时自动降级到备用链路，第一备用 openrouter/free 更是智能路由，几乎不可能集体失效

潜在缺点与局限性

1. 免费模型质量波动：免费 tier 模型更新频繁，可能出现性能下降或下线，需依赖 freeride refresh 及时同步
2. Rate Limit 硬性约束：免费 API 有严格的调用频率限制，高频场景下仍可能触发限流，故障转移只是缓解而非根治
3. 功能限制：部分高级功能（如某些 vision 模型、长上下文）在免费 tier 可能受限或不完整
4. 外部依赖单一：完全依赖 OpenRouter 平台政策，若平台调整免费策略或 API 接口，skill 需跟进更新
5. 无本地模型支持：仅限 OpenRouter 云端免费模型，无法对接本地部署的开源模型

适合人群

• 成本敏感开发者：希望降低 AI 开发成本的个人或小型团队
• OpenClaw 用户：已使用 OpenClaw 作为 AI 网关，希望扩展免费模型支持
• 快速原型验证：需要低成本测试多模型效果，再决策是否采购付费服务
• 教育/学习场景：学生、研究者用于学习和实验，无需担心 API 费用

常规风险

1. API Key 泄露风险：依赖环境变量 OPENROUTER_API_KEY，若共享环境或日志泄露可能造成滥用（建议限制 key 权限、定期轮换）
2. 配置损坏风险：自动修改 ~/.openclaw/openclaw.json，极端情况下可能因权限或并发问题导致配置损坏（建议定期手动备份）
3. 数据隐私：请求发送至 OpenRouter 第三方服务，数据离开本地环境，敏感业务需谨慎评估
4. 服务可用性：免费 tier 无 SLA 保障，关键业务场景应配置付费备用或本地 fallback
5. 供应链安全：虽仅依赖 requests 库，但仍需保持依赖更新以防范 CVE 漏洞