Model Router

核心用法

model-router 是一个综合性AI模型路由系统，通过交互式配置向导、任务自动分类和智能委派机制，帮助用户在多个AI提供商（Anthropic、OpenAI、Gemini、Moonshot、Z.ai、GLM）之间自动选择最优模型。

主要操作流程：
1. 运行 setup-wizard.py 配置API密钥和模型映射
2. 使用 classify_task.py 获取任务推荐模型及置信度评分
3. 通过 sessions_spawn --model [推荐模型] 执行具体任务

系统内置8种任务类型映射（simple/coding/research/creative/math/vision/chinese/long_context），并支持 aggressive/balanced/quality 三级成本优化策略。

显著优点

• 成本优化显著：Aggressive模式下可节省50-90%费用，自动将简单任务路由至低价模型（如glm-4.5-air）
• 多提供商生态：原生支持6家主流AI厂商，覆盖不同优势场景（中文、多模态、超长上下文）
• 安全设计：API密钥独立存储于 ~/.model-router/，文件权限600，与版本控制隔离
• 渐进式升级：支持从便宜模型起步，失败时自动升级至高端模型

局限性与风险

• 配置依赖：需手动维护多提供商API密钥，初期设置成本较高
• 分类准确性：任务分类基于关键词匹配，置信度85%左右，存在误判可能
• 厂商绑定风险：依赖第三方API稳定性，部分国内厂商（Moonshot/Z.ai/GLM）文档支持较弱
• 无自动回退：需用户手动实现失败后的模型升级逻辑

适合人群

高频使用AI服务、需平衡成本与质量的技术团队或个人开发者；尤其适合同时处理多种任务类型（代码+研究+简单查询）且预算敏感的用户。

常规风险

• API密钥泄露风险（需严格遵循600权限及.gitignore配置）
• 低价模型输出质量不稳定导致任务失败
• 多会话并行时的资源管理复杂度

核心用法

Model Router 是一套多提供商 AI 模型智能路由解决方案，通过任务分类算法自动匹配最优模型。用户运行交互式配置向导（setup-wizard.py）添加 API 密钥后，系统可基于任务描述自动推荐模型（classify_task.py），并生成带置信度与成本层级的路由建议。

典型工作流：任务输入 → 自动分类 → 模型推荐 → sessions_spawn 执行。支持 6 大提供商（Anthropic、OpenAI、Gemini、Moonshot、Z.ai、GLM），覆盖代码、研究、创意、数学、多模态、中文优化等 8 类任务场景。

显著优点

1. 成本优化显著：Aggressive 模式可节省 50-90% 成本，通过层级降级策略（简单任务→低价模型）实现
2. 多模态与长上下文：原生支持 Gemini 2M token 超长上下文及视觉任务
3. 安全设计完善：API 密钥文件权限 600、隔离存储、OS 级加密，符合 GDPR/CCPA
4. 渐进式升级：支持从低价模型快速失败后自动升级到高端模型
5. 批量并行处理：可同时 spawn 多个子会话处理独立子任务

潜在局限

• 来源可信度为 T3：个人开发者维护，非官方团队，生产环境建议二次审查
• 依赖外部 API 稳定性：路由效果受各提供商服务可用性影响
• 中文场景模型有限：仅 GLM/Moonshot 针对中文优化，其他模型中文能力参差
• 无自托管能力：必须依赖第三方云服务商，数据隐私敏感场景受限
• 配置复杂度：多提供商密钥管理对用户有门槛

适合人群

• 高频使用多模型、关注成本优化的开发者与团队
• 需要灵活切换国内外模型（尤其中文任务）的用户
• 愿意承担 T3 来源风险、具备一定技术配置能力的个人
• 非极高敏感数据处理场景（如公开代码、一般文档分析）

常规风险

| 风险类型 | 说明 | 缓释措施 |

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

| 密钥泄露 | 本地存储 API key，误操作可能暴露 | 严格 600 权限、定期轮换、不入版本控制 |

| 第三方数据合规 | 数据发送至境外模型服务商 | 审阅各提供商隐私政策、避免敏感数据 |

| 模型可用性 | 某服务商故障导致路由失败 | 配置多提供商冗余、设置超时降级 |

| 成本失控 | 误用 premium 模型或循环调用 | 启用 cost optimization、设置预算告警 |