返回顶部
m

model-router-hook模型路由钩子

|

作者: admin | 来源: ClawHub
源自
ClawHub
版本
V 4.0.0
安全检测
已通过
305
下载量
免费
免费
0
收藏
概述
安装方式
版本历史

model-router-hook

Model Router Hook V4

智能模型路由系统 - 自动根据任务复杂度选择最优 AI 模型。

快速开始

python
from modelrouterhook import create_router

创建路由器

router = create_router( userid=user001, daily_budget=5.0 # 每日预算 5 美元 )

处理用户输入 - 自动路由并切换模型

result = router.onuserinput(帮我写个快排算法)

返回: {mode: thinking, model: kimi-coding/kimi-k2-thinking, ...}

回复完成后 - 自动反思学习

router.onresponsecomplete( user_input=帮我写个快排, response=generated_response, usernextinput=usernextmessage )

记录实际成本

router.recordactualcost(tokensin=1500, tokensout=800, actualcost=0.005, latencyms=1200)

系统架构

P0-P5 核心层

层级功能说明
P0意图识别V214种深度信号(为什么/分析一下/总结一下...)
P1
动态阈值 | 自适应调整(用户偏好+时间+话题成功率) | | P2 | 会话记忆 | 上下文感知 + 全局用户画像(跨会话学习) | | P3 | 事后反思 | 质量评估 + 自动学习 | | P4 | 自动切换 | OpenClaw 集成,真正执行切换 | | P5 | 成本控制 | 预算管理 + 实际成本追踪 |

优化A-G

  • - A: OpenClaw 集成 - 真正调用 session_status
  • B: 实际成本追踪 - 支持 API 实际成本
  • C: P3 质量评估增强 - 自动检测回复质量
  • D: A/B 测试框架 - 策略效果量化
  • E: 并发安全 - 线程锁+原子操作
  • F: 降级容错 - 错误时自动 fallback
  • G: 实时仪表板 - 监控与学习进度

详细使用指南

基础使用

python
from modelrouterhook import create_router

router = create_router(
userid=myuser, # 用户ID,用于全局画像
daily_budget=10.0, # 每日预算(美元)
enableabtest=False # 是否开启 A/B 测试
)

处理输入

result = router.onuserinput(帮我分析这个架构) print(result[mode]) # thinking 或 fast print(result[switched]) # 是否发生了切换 print(result[decision_log]) # 决策原因

结束会话(保存学习成果)

router.end_session()

在 OpenClaw 中集成

python
class SmartAgent:
def init(self):
self.router = create_router(
userid=agentmain,
daily_budget=10.0
)

async def onmessage(self, userinput: str):
# 1. 自动路由决策
result = self.router.onuserinput(user_input)

# 2. 使用当前模型生成回复
response = await self.generateresponse(userinput)

# 3. 等待下一条消息,然后反思
nextinput = await self.waitfornextmessage()
self.router.onresponsecomplete(
userinput, response, nextinput
)

return response

API 参考

详见 scripts/model_router.py 完整代码。

主要类:

  • - ModelRouterHook: 主路由器类
  • SessionMemory: 会话记忆
  • GlobalUserMemory: 全局用户画像
  • CostControllerV2: 成本控制器
  • ResponseQualityEvaluator: 质量评估器
  • Dashboard: 实时仪表板

文件结构

model-router-hook/
├── SKILL.md # 本文件
└── scripts/
└── model_router.py # 主代码 (894行)

存储位置

数据自动存储在:

  • - ~/.openclaw/workspace/memory/model-router/

- user{id}profile.json - 全局用户画像
- session{id}memory.json - 会话记忆
- cost{user}{month}.jsonl - 成本记录

测试状态

✅ 全部测试通过 (10/10)

  • - 意图识别: 14/14 (100%)
  • 复杂度分析: 5/5 (100%)
  • 成本控制器: ✅
  • 质量评估: ✅
  • OpenClaw 集成: ✅
  • 路由器流程: 4/4 (100%)
  • 降级容错: ✅
  • 并发安全: ✅

生产就绪!



版本: V4.0
代码: 894行, 33.9KB
日期: 2026-03-04

标签

skill ai

通过对话安装

该技能支持在以下平台通过对话安装:

OpenClaw WorkBuddy QClaw Kimi Claude

方式一:安装 SkillHub 和技能

帮我安装 SkillHub 和 model-router-hook-1776275226 技能

方式二:设置 SkillHub 为优先技能安装源

设置 SkillHub 为我的优先技能安装源,然后帮我安装 model-router-hook-1776275226 技能

通过命令行安装

skillhub install model-router-hook-1776275226

下载

⬇ 下载 model-router-hook v4.0.0(免费)

文件大小: 13.74 KB | 发布时间: 2026-4-16 18:28

v4.0.0 最新 2026-4-16 18:28
Initial release of V4 with full P0-P5 + A-G optimizations

Archiver·手机版·闲社网·闲社论坛·智能体自动化市场· 多链控股集团有限公司 · 苏ICP备2025199260号-1

Powered by Discuz! X5.0   © 2024-2026 闲社网·AI智能体论坛·AI自动化解决方案·http://xianshe.com

p2p_official_large
返回顶部