Communitygithub.com

ASoudy/AGS

OpenRouter API – Einheitlicher Zugriff auf über 400 KI-Modelle über eine einzige API

Was ist AGS?

Diese Skill bietet umfassende Unterstützung bei der Entwicklung mit der OpenRouter API. Sie ermöglicht den einheitlichen Zugriff auf hunderte KI-Modelle (von Anbietern wie OpenAI, Anthropic, Google u.v.m.) über einen einzigen Endpunkt. Durch intelligentes Routing, automatische Fallbacks und standardisierte Schnittstellen vereinfacht sie die Integration und erhöht die Zuverlässigkeit von KI-Anwendungen. Die Skill ist für Entwickler gedacht, die mit OpenAI-kompatiblen SDKs arbeiten (Python, JavaScript/TypeScript, cURL) und Funktionen wie Modell-Fallback, Auto-Routing, Streaming, JSON-Modus, Tool/Function Calling und Reproduzierbarkeit nutzen möchten. Sie unterstützt sowohl Anfänger mit grundlegenden Chat-Beispielen als auch fortgeschrittene Benutzer mit optimierten Routing- und Kostenstrategien. Die Skill basiert auf der offiziellen OpenRouter-Dokumentation und enthält Referenzdateien zu verfügbaren Modellen.

Funktioniert mit✓Claude Code✓Codex CLI~Cursor✓Gemini CLI
npx skills add https://github.com/ASoudy/AGS/tree/HEAD/claude_skills_libraries/landing-page-mastery/skills/openrouter

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

Dokumentation

OpenRouter Skill

Umfassende Unterstützung bei der Entwicklung mit der OpenRouter API, die einheitlichen Zugriff auf hunderte KI-Modelle über einen einzigen Endpunkt mit intelligentem Routing, automatischen Fallbacks und standardisierten Schnittstellen bietet.

Wann diese Skill verwendet werden sollte

Diese Skill sollte ausgelöst werden, wenn:

  • API-Aufrufe an mehrere KI-Modellanbieter über eine einheitliche Schnittstelle getätigt werden
  • Modell-Fallback-Strategien oder Auto-Routing implementiert werden
  • Mit OpenAI-kompatiblen SDKs gearbeitet wird, aber mehrere Anbieter angesprochen werden sollen
  • Erweiterte Sampling-Parameter (Temperatur, top_p, Strafen) konfiguriert werden
  • Streaming-Antworten oder strukturierte JSON-Ausgaben eingerichtet werden
  • Kosten zwischen verschiedenen KI-Modellen verglichen werden
  • Anwendungen entwickelt werden, die automatisches Provider-Failover benötigen
  • Funktions-/Tool-Aufrufe über verschiedene Modelle hinweg implementiert werden
  • Fragen zu OpenRouter-spezifischen Funktionen (Routing, Fallbacks, Zero Completion Insurance) auftauchen

Kurzreferenz

Basis-Chat-Completion (Python)

from openai import OpenAI

client = OpenAI(
  base_url="https://openrouter.ai/api/v1",
  api_key="<OPENROUTER_API_KEY>",
)

completion = client.chat.completions.create(
  model="openai/gpt-4o",
  messages=[{"role": "user", "content": "Was ist der Sinn des Lebens?"}]
)
print(completion.choices[0].message.content)

Basis-Chat-Completion (JavaScript/TypeScript)

import OpenAI from 'openai';

const openai = new OpenAI({
  baseURL: 'https://openrouter.ai/api/v1',
  apiKey: '<OPENROUTER_API_KEY>',
});

const completion = await openai.chat.completions.create({
  model: 'openai/gpt-4o',
  messages: [{"role": 'user', 'content': 'Was ist der Sinn des Lebens?'}],
});
console.log(completion.choices[0].message);

cURL-Anfrage

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENROUTER_API_KEY" \
  -d '{
    "model": "openai/gpt-4o",
    "messages": [{"role": "user", "content": "Was ist der Sinn des Lebens?"}]
  }'

Modell-Fallback-Konfiguration (Python)

completion = client.chat.completions.create(
    model="openai/gpt-4o",
    extra_body={
        "models": ["anthropic/claude-3.5-sonnet", "gryphe/mythomax-l2-13b"],
    },
    messages=[{"role": "user", "content": "Ihr Prompt hier"}]
)

Modell-Fallback-Konfiguration (TypeScript)

const completion = await client.chat.completions.create({
    model: 'openai/gpt-4o',
    models: ['anthropic/claude-3.5-sonnet', 'gryphe/mythomax-l2-13b'],
    messages: [{ role: 'user', content: 'Ihr Prompt hier' }],
});

Auto-Router (Dynamische Modellauswahl)

completion = client.chat.completions.create(
    model="openrouter/auto",  # Wählt automatisch das beste Modell für den Prompt aus
    messages=[{"role": "user", "content": "Ihr Prompt hier"}]
)

Beispiel für erweiterte Parameter

completion = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Schreibe eine kreative Geschichte"}],
    temperature=0.8,           # Höher für Kreativität (0.0-2.0)
    max_tokens=500,            # Begrenzung der Antwortlänge
    top_p=0.9,                 # Nucleus-Sampling (0.0-1.0)
    frequency_penalty=0.5,     # Wiederholungen reduzieren (-2.0-2.0)
    presence_penalty=0.3       # Themenvielfalt fördern (-2.0-2.0)
)

Streaming-Antwort

stream = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Erzähl mir eine Geschichte"}],
    stream=True
)

for chunk in stream:
    if chunk.choices[0].delta.content:
        print(chunk.choices[0].delta.content, end='')

JSON-Modus (Strukturierte Ausgabe)

completion = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{
        "role": "user",
        "content": "Extrahiere Name, Alter und Stadt der Person aus: John ist 30 und lebt in NYC"
    }],
    response_format={"type": "json_object"}
)

Deterministische Ausgabe mit Seed

completion = client.chat.completions.create(
    model="openai/gpt-4o",
    messages=[{"role": "user", "content": "Generiere eine Zufallszahl"}],
    seed=42,            # Gleicher Seed = gleiche Ausgabe (falls unterstützt)
    temperature=0.0     # Deterministisches Sampling
)

Schlüsselkonzepte

Modell-Routing

OpenRouter bietet intelligente Routing-Fähigkeiten:

  • Auto-Router (openrouter/auto): Wählt automatisch das beste Modell basierend auf Ihrem Prompt aus (unter Verwendung von NotDiamond)
  • Fallback-Modelle: Geben Sie mehrere Modelle an, die automatisch wiederholt werden, wenn das primäre Modell fehlschlägt
  • Provider-Routing: Routet automatisch über verschiedene Anbieter für Zuverlässigkeit

Authentifizierung

  • Verwendet Bearer-Token-Authentifizierung mit API-Schlüsseln
  • API-Schlüssel können programmatisch verwaltet werden
  • Kompatibel mit OpenAI SDK-Authentifizierungsmustern

Modell-Namenskonvention

Modelle verwenden das Format anbieter/modellname:

  • openai/gpt-4o - OpenAIs GPT-4 Optimiert
  • anthropic/claude-3.5-sonnet - Anthropics Claude 3.5 Sonnet
  • google/gemini-2.0-flash-exp:free - Googles kostenloses Gemini-Modell
  • openrouter/auto - Auto-Routing-System

Sampling-Parameter

Temperatur (0.0-2.0, Standard: 1.0)

  • Niedriger = vorhersagbarere, fokussiertere Antworten
  • Höher = kreativere, vielfältigere Antworten
  • Verwenden Sie niedrige Werte (0.0-0.3) für faktische Aufgaben, hohe Werte (0.8-1.5) für kreative Arbeit

Top P (0.0-1.0, Standard: 1.0)

  • Begrenzt die Auswahl auf einen Prozentsatz wahrscheinlicher Tokens
  • Dynamische Filterung unwahrscheinlicher Optionen
  • Gleichgewicht zwischen Konsistenz und Vielfalt

Häufigkeits-/Präsenz-Strafen (-2.0-2.0, Standard: 0.0)

  • Häufigkeit: Bestraft wiederholte Tokens proportional zur Nutzung
  • Präsenz: Einfachere Strafe, nicht nach Anzahl skaliert
  • Positive Werte reduzieren Wiederholungen, negative fördern Wiederverwendung

Max Tokens (Ganzzahl)

  • Legt die maximale Antwortlänge fest
  • Kann die Kontextlänge abzüglich der Promptlänge nicht überschreiten
  • Verwenden Sie dies, um Kosten zu kontrollieren und prägnante Antworten zu erzwingen

Antwortformate

  • Standard-JSON: Standard-Chat-Completion-Format
  • Streaming: Server-Sent Events (SSE) mit stream: true
  • JSON-Modus: Garantiert gültiges JSON mit response_format: {"type": "json_object"}
  • Strukturierte Ausgaben: Schema-validierte JSON-Antworten

Erweiterte Funktionen

  • Tool-/Funktionsaufrufe: Verbinden Sie Modelle mit externen APIs
  • Multimodale Eingaben: Unterstützung für Bilder, PDFs, Audio
  • Prompt-Caching: Reduzieren Sie Kosten für wiederholte Prompts
  • Websuche-Integration: Verbesserte Antworten mit Webdaten
  • Zero Completion Insurance: Schutz vor fehlgeschlagenen Antworten
  • Logprobs: Zugriff auf Token-Wahrscheinlichkeiten für Konfidenzanalyse

Referenzdateien

Diese Skill enthält umfassende Dokumentation in references/:

  • llms-full.md - Vollständige Liste der verfügbaren Modelle mit Metadaten
  • llms-small.md - Kuratierte Auswahl beliebter Modelle
  • llms.md - Standard-Modelllisten

Verwenden Sie view, um bestimmte Referenzdateien zu lesen, wenn detaillierte Modellinformationen benötigt werden.

Arbeiten mit dieser Skill

Für Anfänger

  1. Beginnen Sie mit den grundlegenden Chat-Completion-Beispielen (Python/JavaScript/cURL oben)
  2. Verwenden Sie das standardmäßige OpenAI SDK für einfache Integration
  3. Versuchen Sie einfache Modellnamen wie openai/gpt-4o oder anthropic/claude-3.5-sonnet
  4. Halten Sie Parameter zunächst einfach (nur Modell und Nachrichten)

Für fortgeschrittene Benutzer

  1. Implementieren Sie Modell-Fallback-Arrays für Zuverlässigkeit
  2. Experimentieren Sie mit Sampling-Parametern (Temperatur, top_p)
  3. Verwenden Sie Streaming für eine bessere Benutzererfahrung in Gesprächsanwendungen
  4. Probieren Sie openrouter/auto für automatische Modellauswahl
  5. Implementieren Sie den JSON-Modus für strukturierte Datenextraktion

Für erfahrene Benutzer

  1. Feintunen Sie mehrere Sampling-Parameter gleichzeitig
  2. Implementieren Sie benutzerdefinierte Routing-Logik mit Fallback-Ketten
  3. Verwenden Sie Logprobs für Konfidenzbewertung
  4. Nutzen Sie Tool-/Funktionsaufruf-Funktionen
  5. Optimieren Sie Kosten durch Auswahl geeigneter Modelle pro Aufgabe
  6. Implementieren Sie Prompt-Caching-Strategien
  7. Verwenden Sie den Seed-Parameter für reproduzierbare Tests

Häufige Muster

Fehlerbehandlung mit Fallbacks

try:
    completion = client.chat.completions.create(
        model="openai/gpt-4o",
        extra_body={
            "models": [
                "anthropic/claude-3.5-sonnet",
                "google/gemini-2.0-flash-exp:free"
            ]
        },
        messages=[{"role": "user", "content": "Ihr Prompt"}]
    )
except Exception as e:
    print(f"Alle Modelle fehlgeschlagen: {e}")

Kostenoptimiertes Routing

# Günstigere Modelle für einfache Aufgaben verwenden
einfach_completion = client.chat.completions.create(
    model="google/gemini-2.0-flash-exp:free",
    messages=[{"role": "user", "content": "Einfache Frage"}]
)

# Premium-Modelle für komplexe Aufgaben verwenden
komplex_completion = client.chat.completions.create(
    model="openai/o1",
    messages=[{"role": "user", "content": "Komplexe Denkaufgabe"}]
)

Kontextabhängige Temperatur

# Niedrige Temperatur für faktische Antworten
faktisch = client.chat.completions.create(
    model="openai/gpt-4o",
    temperature=0.2,
    messages=[{"role": "user", "content": "Was ist die Hauptstadt von Frankreich?"}]
)

# Hohe Temperatur für kreative Inhalte
kreativ = client.chat.completions.create(
    model="openai/gpt-4o",
    temperature=1.2,
    messages=[{"role": "user", "content": "Schreibe einen einzigartigen Geschichtenanfang"}]
)

Ressourcen

Offizielle Dokumentation

Wichtige Endpunkte

  • Chat Completions: POST https://openrouter.ai/api/v1/chat/completions
  • Modelle auflisten: GET https://openrouter.ai/api/v1/models
  • Generierungsinfo: GET https://openrouter.ai/api/v1/generation

Hinweise

  • OpenRouter normalisiert API-Schemas über alle Anbieter hinweg
  • Verwendet OpenAI-kompatibles API-Format für einfache Migration
  • Automatischer Provider-Fallback, wenn Modelle ratenbegrenzt oder nicht verfügbar sind
  • Preisgestaltung basierend auf dem tatsächlich verwendeten Modell (wichtig für Fallbacks)
  • Antwort enthält Metadaten darüber, welches Modell die Anfrage verarbeitet hat
  • Alle Modelle unterstützen Streaming über Server-Sent Events
  • Kompatibel mit gängigen Frameworks (LangChain, Vercel AI SDK, usw.)

Best Practices

  1. Implementieren Sie immer Fallbacks für Produktionsanwendungen
  2. Verwenden Sie eine angemessene Temperatur basierend auf dem Aufgabentyp (niedrig für Fakten, hoch für Kreativität)
  3. Setzen Sie max_tokens, um Kosten und Antwortlänge zu kontrollieren
  4. Aktivieren Sie Streaming für eine bessere Benutzererfahrung in Chat-Anwendungen
  5. Verwenden Sie den JSON-Modus, wenn eine garantierte strukturierte Ausgabe benötigt wird
  6. Testen Sie mit dem Seed-Parameter für reproduzierbare Ergebnisse während der Entwicklung
  7. Überwachen Sie die Kosten, indem Sie geeignete Modelle pro Aufgabe auswählen
  8. Verwenden Sie Auto-Routing, wenn Sie unsicher sind, welches Modell am besten abschneidet
  9. Implementieren Sie eine ordnungsgemäße Fehlerbehandlung für Rate-Limits und Fehler
  10. Cachen Sie Prompts für wiederholte Anfragen, um Kosten zu senken

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

ASoudy/AGS

Advanced JavaScript animation library skill for creating complex, high-performance web animations.

ASoudy/AGS

Astropy is the core Python package for astronomy, providing essential functionality for astronomical research and data analysis.

ASoudy/AGS

Build content-focused websites with Astro — zero JS by default, islands architecture, multi-framework components, and Markdown/MDX support.

ASoudy/AGS

One sentence - what this skill does and when to invoke it

ASoudy/AGS

Audit and fix animation performance issues including layout thrashing, compositor properties, scroll-linked motion, and blur effects. Use when animations stutter, transitions jank, or reviewing CSS/JS animation performance.

ASoudy/AGS

Internationalization and localization patterns. Detecting hardcoded strings, managing translations, locale files, RTL support.

ASoudy/AGS

Pull a YouTube video transcript into a queryable markdown vault with yt-dlp subtitle discovery, VTT cleanup, metadata frontmatter, and capture-seed stubs.

ASoudy/AGS

Expert in building portfolios that actually land jobs and clients - not just showing work, but creating memorable experiences. Covers developer portfolios, designer portfolios, creative portfolios, and portfolios that convert visitors into opportunities.

ASoudy/AGS

Generates high-converting Next.js/React landing pages with Tailwind CSS. Uses PAS, AIDA, and BAB frameworks for optimized copy/components (Heroes, Features, Pricing). Focuses on Core Web Vitals/SEO.

ASoudy/AGS

AI-powered animation tool for creating motion in logos, UI, icons, and social media assets.

ASoudy/AGS

CRITICAL: Use for Makepad animation system. Triggers on: makepad animation, makepad animator, makepad hover, makepad state, makepad transition, "from: { all: Forward", makepad pressed, makepad 动画, makepad 状态, makepad 过渡, makepad 悬停效果

ASoudy/AGS

Comprehensive patterns for Next.js 14+ App Router architecture, Server Components, and modern full-stack React development.

ASoudy/AGS

Next.js App Router principles. Server Components, data fetching, routing patterns.

ASoudy/AGS

Expert integration of Supabase Auth with Next.js App Router

ASoudy/AGS

React and Next.js 14+ application development with App Router, Server Components, TypeScript, Tailwind CSS, and modern frontend patterns.

ASoudy/AGS

Best practices for Remotion - Video creation in React

ASoudy/AGS

Generate walkthrough videos from Stitch projects using Remotion with smooth transitions, zooming, and text overlays

ASoudy/AGS

Seek and analyze video content using Memories.ai Large Visual Memory Model for persistent video intelligence

ASoudy/AGS

Writes complete, structured landing pages optimized for SEO ranking, AEO citation, and visitor conversion. Activate when the user wants to write or generate a landing page for a product, service, or offer.

ASoudy/AGS

Skill for discovering and researching autonomous AI agents, tools, and ecosystems using the AgentFolio directory.

Verwandte Skills