SKILLEMALL.ai

AF token-router

Консультант по интеллектуальной маршрутизации LLM и оптимизации затрат на токены. Помогает пользователям выбирать наиболее подходящий уровень модели для задач разной сложности (от максимальной экономии до флагманского уровня), экономя 70-90% затрат на токены при сохранении качества за счет оценки сложности задачи, рекомендаций по уровням моделей и правил безопасного принудительного обновления. Также предлагает решения по настройке мультимодельной маршрутизации для платформ Trae, OpenClaw, Hermes Agent. Этот навык должен срабатывать в следующих сценариях — даже если пользователь не говорит напрямую «помоги выбрать модель», а основная цель связана с затратами или выбором модели: Пользователь считает, что плата за API слишком высока и хочет сэкономить; Пользователь хочет узнать, какую модель использовать для конкретной задачи; Пользователь хочет настроить мультимодельную маршрутизацию для Hermes или OpenClaw; Пользователь обсуждает потребление токенов, затраты на API, сравнение цен на модели; Пользователь спрашивает «использовать GPT-4o или Haiku» «выбрать между Sonnet и Opus»; Пользователь упоминает проблемы с затратами на ИИ-инструменты для стартапов/независимых разработчиков; Пользователь хочет создать рабочий процесс агента, требующий обработки разных задач разными моделями; Пользователь говорит «помоги мне сэкономить» «токены слишком дорогие» «затраты слишком высоки» «как снизить затраты» «счет за API» «маршрутизация моделей» «интеллектуальное планирование» «уровни моделей». Также срабатывает, когда пользователь обсуждает: «какую модель использовать», «снизить затраты на API», «оптимизация затрат на токены», «маршрутизация LLM», «выбор модели», «экономия на ИИ», «более дешевая модель», «соотношение затрат и качества», «настройка мультимодельной маршрутизации Hermes/OpenClaw», «уровень модели», «интеллектуальное планирование». НЕ срабатывает для: чистого проектирования технической архитектуры (без необходимости выбора модели), найма/управления персоналом, чистого социального чата, финансового управления, не связанного с использованием ИИ-инструментов.

машинный переводПоказать оригиналСкрыть оригинал«智能模型路由与Token成本优化顾问 / Smart LLM Router & Token Cost Optimizer. 帮助用户为不同复…»

智能模型路由与Token成本优化顾问 / Smart LLM Router & Token Cost Optimizer. 帮助用户为不同复杂度的AI任务选择最合适的模型层级(从极致性价比到旗舰级), 通过任务复杂度评估、模型分级推荐、安全强制升级规则,在保证质量的前提下节省70-90%的Token成本。 同时提供Trae、OpenClaw、Hermes Agent等平台的多模型路由配置方案。 必须在以下场景触发此技能——即使用户没有直接说"帮我选模型",只要核心诉求涉及成本或模型选择: 用户觉得API费用太贵想省钱;用户想知道某个具体任务该用哪个模型;用户要配置Hermes或OpenClaw的多模型路由; 用户讨论Token消耗、API成本、模型价格对比;用户问"用GPT-4o还是Haiku""Sonnet和Opus选哪个"; 用户提到一人公司/独立开发者的AI工具成本问题;用户要搭建需要不同模型处理不同任务的Agent工作流; 用户说"帮我省钱""Token太贵""成本太高""怎么降本""API账单""模型路由""智能调度""模型分级"。 Also trigger when the user discusses: "which model should I use", "reduce API costs", "token cost optimization", "LLM routing", "model selection", "save money on AI", "cheaper model", "cost vs quality", "configure Hermes/OpenClaw multi-model routing", "model tier", "intelligent scheduling". Do NOT trigger for: 纯技术架构设计(无模型选择需求)、招聘/人事管理、纯社交聊天、不涉及AI工具使用的财务管理。

ClawHub Agent Skills автор: qomob v0.1.1 MIT-0 2 файла тело ≈ 3 673 токенов Открыть источникclawhub.ai проанализирован 24 ч назад

Консультант по интеллектуальной маршрутизации LLM и оптимизации затрат на токены.

Как процесс F 42/100 · Не запустится — Скилл ссылается на файлы, которых нет в архиве: references/config-templates.md, references/model-tiers.md, references/routing-strategies.md

ИнтеграцияИИ и агентытип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
A
90/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
74
Прогон на моделях
не было
Процессный рейтинг
F
42/100
Не запустится
Скилл ссылается на файлы, которых нет в архиве: references/config-templates.md, references/model-tiers.md, references/routing-strategies.md
Инструменты и файлы вес 18
0
Результат и критерий готовности вес 14
0
Входы и предусловия вес 11
0
три самых слабых из десяти параметров · все десять

Как улучшить

  1. В тексте есть ссылки на отсутствующие файлы: добавьте файлы или уберите ссылки.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 2. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение missing-ref ссылка на отсутствующий файл: references/config-templates.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/model-tiers.md
  • предупреждение missing-ref ссылка на отсутствующий файл: references/routing-strategies.md

Процессный рейтинг: все десять параметров 42/100

Не запустится. Скилл ссылается на файлы, которых нет в архиве: references/config-templates.md, references/model-tiers.md, references/routing-strategies.md
  • 0Инструменты и файлы. Не хватает 3 файла(ов): references/config-templates.md, references/model-tiers.md, references/routing-strategies.md
  • 0Результат и критерий готовности. Не сказано, что считать результатом
  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 0Отчётность по ходу. Скилл ничего не сообщает по ходу работы
  • 40Согласованность. Имя во frontmatter (token-router) не совпадает с папкой (tokenrouter)
  • 50Ошибки и развилки. Развилок: 0, есть раздел про ошибки
  • 70Когда включается. Сказано, когда применять, но не сказано, когда не стоит
  • 100Шаги. Шагов: 78
  • 100Стоимость исполнения. Тело инструкции 3673 токенов
  • 100Повторный запуск. Изменяющих операций нет
  • low Разделов верхнего уровня: 14. Похоже на несколько доменов в одном скилле

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • +3Длина description 837: рекомендуется 120–800 символов
  • +3Формат ответа не описан: модель каждый раз решает сама
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 14 примера фраз-триггеров в кавычках
  • +4Структура: 41 заголовков
  • +3Пошаговые инструкции: 78 пунктов
  • +4Есть примеры (18 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 74.

Внешние проверки

ClawHub: clean
This skill is a transparent model-selection and cost-optimization advisor, with disclosed memory use for preferences and routing history.
LLM: benign (high) · VirusTotal: · 12 июл. 2026 г.