Dynamic Model Selector
Overview
This skill analyzes user queries to recommend the optimal AI model from available GitHub Copilot options, balancing performance, cost, and task requirements.
How to Use
- 1. Provide the user query or task description.
- Run the classification script to analyze complexity.
- Choose the suggested model or adjust based on preferences.
Classification Criteria
- - Simple tasks (short responses, basic chat): Use faster, free models like grok-code-fast-1.
- Complex reasoning (analysis, multi-step): Use advanced models like gpt-4o or claude-3.5-sonnet.
- Code generation: Prefer code-optimized models.
- Cost sensitivity: Favor free models when possible.
Example Usage
For a query like "Explain quantum computing": Classify as medium complexity -> Recommend gpt-4o.
For "Write a Python function to sort a list": Classify as code task -> Recommend grok-code-fast-1.
Resources
scripts/
- -
classify_task.py: Analyzes the query and outputs model recommendation.
references/
- -
models.md: Detailed list of available models, pros/cons, costs.
动态模型选择器
概述
该技能通过分析用户查询，从可用的GitHub Copilot选项中推荐最优AI模型，在性能、成本和任务需求之间取得平衡。
使用方法
- 1. 提供用户查询或任务描述。
- 运行分类脚本分析复杂度。
- 选择建议的模型或根据偏好进行调整。
分类标准
- - 简单任务（简短回复、基础对话）：使用更快、免费的模型，如grok-code-fast-1。
- 复杂推理（分析、多步骤任务）：使用高级模型，如gpt-4o或claude-3.5-sonnet。
- 代码生成：优先选择代码优化模型。
- 成本敏感：尽可能选择免费模型。
使用示例
对于解释量子计算这类查询：分类为中等复杂度 → 推荐gpt-4o。
对于编写一个Python函数来对列表进行排序：分类为代码任务 → 推荐grok-code-fast-1。
资源
scripts/
- - classify_task.py：分析查询并输出模型推荐。
references/
- - models.md：可用模型的详细列表，包括优缺点和成本。
