CommunityRedacción y edicióngithub.com

Enrutador de Modelos de Tareas (LunarXuan/task-model-router)

Enruta tareas de Codex entre GPT-6 Astra y GPT-5.6 Sol según el costo estimado de retrabajo y delega trabajo repetitivo acotado a GPT-5.6 Luna.

¿Qué es task-model-router)?

Este skill optimiza el equilibrio entre calidad y consumo de tokens en Codex al seleccionar el modelo de IA más adecuado para cada tarea. Evalúa el riesgo de retrabajo esperado para decidir si usar GPT-6 Astra (modelo premium) o GPT-5.6 Sol (modelo estándar), minimizando costos innecesarios en tareas sencillas y evitando retrabajos costosos en tareas complejas. Además, identifica trabajo repetitivo y bien delimitado para delegarlo a GPT-5.6 Luna (subagente especializado), permitiendo que el modelo principal se enfoque en planificación, razonamiento crítico e integración. Soporta tanto el escritorio de Codex como la línea de comandos (CLI), con una política de enrutamiento clara, evitando bloqueos innecesarios y permitiendo que el usuario confirme el modelo elegido. Es útil para desarrolladores que buscan maximizar la eficiencia de sus tareas de codificación, reduciendo el desperdicio de recursos en operaciones triviales y asegurando que las tareas complejas reciban el poder de cómputo necesario.

Compatible con~Claude Code✓Codex CLI~Cursor
npx skills add LunarXuan/task-model-router

Installed? Explore more Redacción y edición skills: steipete/notion, langchain-ai/langchain, bytedance/podcast-generation · View all 6 →

Preguntar en tu IA favorita

Abre un nuevo chat con esta habilidad de agente ya precargada.

Documentación

Enrutador de Modelos de Tareas

El objetivo es alcanzar la calidad solicitada por el usuario y reducir el costo total de la tarea completa, incluyendo errores de planificación, retrabajo, restauración de contexto y sobrecarga de delegación. No afirmes conocer la proporción de cuotas individuales de los dos modelos, no inventes probabilidades de fallo ni porcentajes de ahorro.

Antes de la Ejecución

Primero lee routing-policy.md. Realiza solo una breve derivación; no resuelvas la tarea por completo solo para elegir el modelo. Combina el contexto existente, el alcance de la tarea y los hechos verificables para decidir; la longitud del texto, el tiempo empleado o el número de archivos no determinan el modelo por sí solos. La especificación explícita del modelo por parte del usuario tiene prioridad. Cuando solo se discuta el mecanismo de enrutamiento, responde únicamente a la pregunta sin iniciar la ejecución.

Genera una línea con "Modelo sugerido: …; Riesgo de retrabajo: …; Justificación: …". Solo debes escribir "Modelo de ejecución actual" cuando el anfitrión confirme el modelo real. Si la tarea ya ha sido enrutada mediante la CLI, ejecútala directamente: está prohibido volver a llamar al distribuidor o hacer derivaciones recursivas.

Tareas de Escritorio

Este Skill se evalúa una vez invocado, no es un interceptor global antes de que el usuario envíe el mensaje. Soporta descubrimiento implícito, pero no garantiza que se cargue automáticamente para cada mensaje. La entrada confiable es $task-model-router descripción de la tarea.

Si el modelo actual coincide con el sugerido, continúa. Si no, antes de ejecutar la tarea de fondo, da la sugerencia y pide al usuario que cambie al modelo seleccionado desde el área de entrada y que luego envíe "continuar". Conserva el contexto de la tarea actual; no exijas volver a pegar todo el material. No modifiques la configuración global, no envíes mensajes de bucle automático a la tarea actual y no afirmes que una sugerencia textual haya completado el cambio de modelo. Si el modelo actual no puede verificar la sugerencia, indícalo explícitamente como desconocido; no bloquees repetidamente: el usuario puede confirmar su elección o solicitar explícitamente usar el modelo actual y entonces continúa.

Solo cuando el usuario solicite explícitamente una nueva tarea de escritorio, crea un hilo mediante create_thread del anfitrión especificando el modelo, respetando las reglas del proyecto/directorio de trabajo. Los subagentes nativos no son una excusa para reemplazar el modelo principal del escritorio.

Ejecución y Delegación a Luna

Ambos modelos principales siguen luna-delegation-policy.md. Cuando haya trabajo repetitivo independiente, de alcance claro y que valga la pena delegar, crea un subagente gpt-5.6-luna. Si no hay trabajo adecuado, el modelo principal ejecuta directamente. El modelo principal es responsable de la planificación, el razonamiento crítico, la integración y la validación proporcionada al riesgo.

Si la hipótesis central de Sol se refuta, aparecen impactos en cadena o hay retrabajos sustanciales inexplicables, vuelve a evaluar si es necesario ascender a Astra según el costo esperado de las tareas restantes. Los fallos de red, la falta de permisos y las limitaciones de servicio no indican automáticamente falta de capacidad de razonamiento. Conserva el trabajo ya verificado, las hipótesis fallidas, el estado actual de los archivos y los problemas pendientes. Prohíbe reiniciar automáticamente desde cero una tarea que ya haya tenido efectos secundarios. En el escritorio, sugiere cambiar de modelo; en la CLI, informa la necesidad de ascenso y los datos de transferencia, sin reproducir la tarea por sí mismo.

Entrada Automática por CLI

Ejecuta scripts/route-codex.ps1 -Prompt 'Tarea' -WorkingDirectory 'Ruta del proyecto' en este directorio. Por defecto, realiza primero una clasificación semántica ligera con Sol y luego ejecuta con el modelo seleccionado. La clasificación misma consume cuota. -RouteOnly solo clasifica (aún llama al modelo). -Model sol|astra es una anulación explícita del usuario y puede saltarse la clasificación. El sandbox por defecto es de solo lectura; para autorizar modificaciones, pasa explícitamente -Sandbox workspace-write. La entrada no proporciona opciones para omitir aprobaciones o el sandbox. La configuración de usuario habitual, la autenticación y las reglas del proyecto siguen vigentes.

Para tareas grandes, usa un archivo UTF-8 con -PromptFile; para planes/contexto existentes, usa -ContextFile. Las pruebas en segundo plano, el uso y los límites de implementación se describen en usage.md. Si falta la CLI, el modelo no está disponible, la clasificación falla o el JSON no es válido, reporta el fallo sin iniciar la ejecución; no degrades silenciosamente ni reintentes infinitamente.

Skills relacionados