自动模型路由

一个订阅，多个模型。任务通过提示前缀选择其模型：推理走强模型，快速路径走快模型，视觉走视觉模型。

代理的不同部分需要不同的模型。长推理需要前沿模型。快速“修复这个拼写错误”的调用需要快速便宜的模型。视觉任务需要视觉模型。OpenHuman 通过内置的 路由提供器 这样你就完全不用去考虑它。

请求是如何被路由的

任何聊天调用中的 model 参数可以采用两种形式之一：

• 具体模型名称。例如 anthropic/claude-sonnet-4。路由到默认提供器上的该精确模型。

• 提示前缀。例如 hint:reasoning。在路由表中查找该提示并解析为一个 (provider, model) 对。

// src/openhuman/providers/router.rs
fn resolve(&self, model: &str) -> (usize, String) {
    if let Some(hint) = model.strip_prefix("hint:") {
        if let Some((idx, resolved_model)) = self.routes.get(hint) {
            return (*idx, resolved_model.clone());
        }
    }
    (self.default_index, model.to_string())
}

路由器封装了多个预先创建的提供器（Anthropic、OpenAI、Google、Groq 等），并根据每次请求选择正确的一个。提示词可以在运行时重新映射，而无需重启核心。

常见提示

提示	典型目标	使用场景
hint:reasoning	强大的推理模型	多步规划、数学、代码密集型轮次
hint:fast	快速/便宜的模型	UI 辅助、自动补全、小型分类调用
hint:vision	具备视觉能力的模型	截图、图片附件、OCR
hint:summarize	擅长压缩的模型	记忆树摘要构建器
hint:code	经过代码调优的模型	原生编码轮次
hint:burst	高吞吐、低成本的模型	便宜、对延迟不敏感的预演扫描，例如 SuperContext scout

确切映射是可配置的；默认配置随每个提供器附带合理的路由。

单一订阅

路由发生在单一的 OpenHuman 订阅之后。你不需要为 Anthropic、OpenAI、Google 等分别持有 API 密钥，后端会代为协调访问，而路由器会为每个任务选择正确的那一个。这就是 README 里“一个订阅，多个提供器”的承诺的具体体现。

覆盖路由

• 全局。配置 TOML（配置 结构体位于 src/openhuman/config/schema/types.rs）可在启动时提供自定义路由表。

• 按调用。传入具体模型名称（不带 hint: 前缀），路由器就会退回到默认提供器并使用该精确模型。

• 对于一个技能。技能可以在其清单中固定一个提示或模型。

按代理固定模型

子代理也可以固定精确模型，而不会为应用的其余部分禁用自动路由。需要编排器或团队负责人使用更强大的模型时可用此法，而高吞吐量的叶子代理则应保持使用更便宜的模型。

一次委派时，内联调用优先：

{
  "agent_id": "researcher",
  "model": "anthropic/claude-sonnet-4",
  "prompt": "Collect source notes for the launch memo."
}

持久默认值位于 config.toml:

[orchestrator]
model = "anthropic/claude-sonnet-4"

[teams.research]
lead_model = "openai/gpt-5.1"
agent_model = "groq/llama-3.1-8b-instant"

[teams.code]
agent_model = "qwen/qwen3-coder"

解析顺序：

1. 内联 模型 在 spawn_subagent 或 archetype 委派调用上。

2. [orchestrator].model 或 [teams.<team>] / 以及内置别名，如 [teams.research] 和 [teams.code].

3. archetype 自身的模型提示和普通路由表。

对于 [teams.*], lead_model 适用于可以委派的代理，而 agent_model 适用于叶子工作者。若只设置其中一个，运行支架会将其回退用于这两种角色。

为什么这不只是“模型切换器”

路由不是一个 UI 下拉菜单。代理循环本身会基于它即将执行的操作发出提示。不是你选择模型，而是 任务 来决定。这就是“多模型”和“智能路由”之间的区别。

另见

• 智能 Token 压缩。它让大型推理调用变得经济实惠。

• 原生工具。不同的工具调用会提示不同的路由。

• 本地 AI（可选）。轻量级聊天提示可在设备上运行。