什么是 智能路由？

智能路由是一个复杂的决策框架，旨在通过将特定任务与最合适的大语言模型 (LLM) 相匹配来简化 AI 运营。通过评估计算复杂度、成本限制和所需的上下文窗口等因素，该技能可确保每个提示词都由最优引擎处理。无论您是在构建复杂的软件还是生成快速摘要，在 Openclaw Skills 中集成此逻辑都可以在不超支昂贵 API 调用的情况下实现高性能自动化。

该技能充当 AI 智能体的智能流量控制器。智能路由不依赖单一昂贵的模型处理每个查询，而是分析请求的性质（无论是创意写作、数据分析还是深度推理），并将其分配给速度、准确度和价格平衡最佳的模型。这种架构方法对于在 Openclaw Skills 生态系统中扩展复杂的 AI 应用至关重要。

下载入口:https://github.com/openclaw/skills/tree/main/skills/sa9saq/agent-router

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。

2. 手动安装

将技能文件夹复制到以下位置之一

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。

智能路由 应用场景

• 针对各种开发任务进行自动模型选择，以优化 Openclaw Skills 性能。
• 通过将简单任务路由到更便宜的模型，管理大规模批处理的成本。
• 通过优先考虑 Claude Opus 或 GPT-5 等顶级模型来处理高复杂度的编码生成。
• 在主要模型达到速率限制或上下文窗口限制时实施回退机制。
• 针对需要 Claude Haiku 或 Gemini Flash 等快速响应模型的延迟敏感型应用进行实时路由。

1. 任务分析：系统评估输入以确定任务类型、复杂度级别（低、中、高）以及速度或上下文长度等特定约束。
2. 偏好检查：综合考虑用户定义的偏好、预算限制和可用的订阅层级，确保路由符合用户要求。
3. 逻辑应用：将提示词与包含当前模型能力和性能基准的综合路由表进行匹配。
4. 推荐输出：该技能提供明确的路由决策，包括主要模型、备选方案、估计成本层级以及选择该方案的逻辑推理。

智能路由 配置指南

要在您的 Openclaw Skills 生态系统中实施智能路由，请遵循以下步骤：

1. 访问您的智能体配置环境。
2. 将路由逻辑纳入您的智能体系统提示词或工作流定义中。
3. 路由本身不需要外部 API 密钥，因为它作为决策框架运行。

# 更新您的本地环境以包含最新的路由逻辑
openclaw skills install agent-router

# 对于 Codex CLI 用户，请确保您的本地开发工具已同步
codex exec --sync-router

智能路由 数据架构与分类体系

智能路由通过结构化路由表和特定的输出元数据组织数据。这确保了在 Openclaw Skills 中做出的每项决策都是透明且可审计的。

description: Route prompts to the optimal AI model based on task type, complexity, and cost constraints.

Agent Router

Route prompts to the optimal AI model based on task characteristics.

What This Does

Analyzes a task/prompt and recommends the best model, considering task type, complexity, cost, speed, and context length.

Model Routing Table

Instructions

1. Analyze the task: Classify by type, complexity (low/medium/high), and constraints (cost, speed, context length).
2. Check user preferences: Factor in model preferences, cost limits, or subscription tiers.
3. Route decision: Using the table above, recommend primary + fallback model.
4. For Codex CLI routing (local dev):
   • Heavy coding → codex exec (GPT-5.3-Codex, free via subscription)
   • Quick questions → current model
   • Cost-sensitive batch work → claude-haiku or gpt-4.1-mini
5. Output format:

   ?? Route:  | Complexity: 
   ? Recommended: 
   ?? Fallback: 
   ?? Est. cost: 
   ?? Reason: 
   

6. Batch routing: For multiple tasks, create a routing plan table showing which model handles each task.

Edge Cases

• Ambiguous tasks: Default to claude-sonnet as the best general-purpose choice
• Multi-modal tasks (text + image): Ensure the chosen model supports vision
• Context overflow: If input exceeds model's context window, suggest chunking or switching to a larger-context model
• Rate limits: If primary model is rate-limited, auto-route to fallback

Requirements

• No API keys or dependencies — this is a decision framework, not an API
• Update routing table as model pricing/capabilities change