模型雷达 (Model Radar)
OpenRouter 模型选择 CLI。将自然语言约束解析为 token:value 参数，查询模型元数据 + 排名的本地缓存，并输出 JSON 供代理渲染为 Markdown 表格。
设置
- 运行环境：Node.js 18+（无需安装步骤，无 npm 依赖）
- 无需 API 密钥 — 使用 OpenRouter 公共端点
- 所有命令请在此技能目录（包含此文件的目录）中运行
- 首次运行会从网络填充缓存；后续调用使用本地缓存（模型 TTL 6 小时，排名 TTL 24 小时）
- 默认启用自动更新。每次 CLI 运行时，每 24 小时最多检查一次固定 GitHub 源，并自动应用于已安装的副本。设置
MODEL_RADAR_AUTO_UPDATE=0可禁用。
工作流程
- 使用技能前，运行
node scripts/self-update.js auto。如果 stderr 输出MODEL_RADAR_UPDATED，请重新阅读此SKILL.md后再继续。 - 使用下面的 意图 → 令牌 映射将用户的请求解析为
token:value参数 - 选择命令：
list（筛选+排序）、recommend（根据预设加权评分）、compare（并排对比） - 在技能目录中运行。
scripts/main.js也会自动运行相同的自我更新预检，因此直接使用 CLI 也能保持最新。 - 将 JSON 输出渲染为 Markdown 表格（参见输出）
- 以
数据截至 {fetched_at}结尾；如果数据早于 12 小时，建议使用refresh
命令
node scripts/main.js list [tokens...] # 筛选 + 排序
node scripts/main.js recommend [tokens...] # 根据预设加权评分
node scripts/main.js compare <id|name>... # 并排对比
node scripts/main.js refresh # 强制刷新所有缓存
node scripts/self-update.js status # 检查更新状态
node scripts/self-update.js check # 检查 GitHub 上的更新
node scripts/self-update.js apply # 应用最新的技能更新
自动更新
- 源由
package.json.repository固定：primexiao/agent-skills，路径skills/model-radar。 - 已安装的副本会自动更新。除非设置了
MODEL_RADAR_AUTO_UPDATE_SOURCE=1，否则源检出会跳过自动更新。 - 技能目录下的本地未提交更改会导致自动更新跳过。
- 直接使用
scripts/main.js时，成功自更新后会重新启动当前命令，以确保结果由更新后的代码生成。 - 更新使用临时检出，验证所需文件，备份当前技能，替换非运行时文件，失败时回滚。
- 成功更新会清除
cache/raw.json、cache/models.json和cache/rankings.json，以便新代码不与旧缓存数据混合。 - 自更新状态和警告输出到 stderr。命令 JSON 保持在 stdout。
令牌语法
Tailwind 启发的定位 token:value 参数。顺序无关紧要。
| 令牌 | 含义 | 值格式 | 示例 |
|---|---|---|---|
sort | 排序维度 | 预设词（见下文） | sort:cheap sort:popular |
price | $/MTok 混合价格 | ..max / min.. / min..max / bare=max | price:..10 price:5..20 |
ctx | 上下文长度 | 同上，支持 k/m 后缀，bare=min | ctx:128k ctx:128k..1m |
out | 最大输出令牌 | 同上，bare=min | out:32k |
cap | 能力（AND 逻辑） | 逗号分隔 | cap:tool_use,reasoning |
in | 输入模态（AND 逻辑） | 逗号分隔 | in:image in:audio,image |
gen | 输出模态（AND 逻辑） | 逗号分隔 | gen:image gen:audio |
open | 开源过滤器 | true / false | open:true |
top | 结果数量限制 | 数字（默认：list=20，recommend=3） | top:5 |
preset | 评分预设（仅 recommend） | 预设名称 | preset:coding |
sort 值： cheap expensive new（默认） ctx popular throughput latency
能力： tool_use reasoning structured_output vision long_output prompt_caching web_search audio_input video_input file_input image_generation audio_output
输入模态： text image audio video file
输出模态： text image audio
推荐预设： coding batch chat vision（权重和所需能力见 config/presets.json）
意图 → 令牌
| 用户输入 | 令牌 |
|---|---|
| “预算 $X” / “低于 $X” | price:..X |
| “至少 $X” / “高级别” | price:X.. |
| “至少 Nk 上下文” | ctx:Nk |
| “需要工具调用 / 视觉 / 推理” | cap:tool_use / cap:vision / cap:reasoning |
| “结构化输出” / “JSON 模式” | cap:structured_output |
| “可以接收音频 / 图像输入” | in:audio / in:image |
| “可以生成图像 / 音频” | gen:image / gen:audio |
| “仅开源” | open:true |
| “最便宜” / “最实惠” | sort:cheap |
| “最流行” / “流行趋势” | sort:popular |
| “最新” / “最新发布” | sort:new |
| “最快” / “最低延迟” | sort:latency |
| “最高吞吐量” | sort:throughput |
| “编码代理” | recommend preset:coding |
| “批量 / 批量任务” | recommend preset:batch |
| “视觉代理” | recommend preset:vision |
模型匹配 (compare)
对于 compare 参数的每个参数，匹配优先级为：
- 精确 ID —
anthropic/claude-sonnet-4-5 - 后缀精确匹配 —
claude-sonnet-4→anthropic/claude-sonnet-4（从不匹配-fast变体） - ID/名称的部分子串匹配，最新版本优先 —
claude-sonnet→ 最新的 Sonnet
输出
始终将 JSON 输出渲染为 Markdown 表格 — 表格是主要的显示格式。
list
| # | 模型 | $/MTok (提示/补全/混合) | 上下文 | 输出 | 能力 | 排名# |
$/MTok：提示/补全/混合价格能力：简短标签（toolreasonvision…）排名#：如果排名缓存有效则为流行度排名，否则为—
recommend
| 排名 | 模型 | 得分 | 成本↑ | 上下文↑ | 输出↑ | 能力↑ | $/MTok | 能力标签 |
每个模型附带一行简短理由。得分和各个维度的得分范围在 [0, 1]。
compare
垂直表格 — 每列一个模型，每行一个维度：
| 维度 | 模型 A | 模型 B | 模型 C |
| ------------------ | ------ | ------ | ------ |
| 价格 (提示/补全/混合) | … | … | … |
| 上下文 | … | … | … |
| 最大输出 | … | … | … |
| 输入模态 | … | … | … |
| 输出模态 | … | … | … |
| 能力 | … | … | … |
| 流行度排名 | … | … | … |
| 每周请求数 | … | … | … |
始终以： 数据截至 {fetched_at} 结尾。如果数据早于 12 小时，建议用户运行 node scripts/main.js refresh。
缓存
cache/
raw.json — OpenRouter 前端卡片数据适配本地原始模式（TTL 6 小时）
models.json — 增强数据：标准化定价 + 能力标签（TTL 6 小时）
rankings.json — 流行度/吞吐量/延迟 + 使用分析（TTL 24 小时）
config/
presets.json
tier1-categories.json
- 缓存文件位于
cache/目录下，不提交 — 首次运行时会从网络获取 - TTL 过期后，CLI 会以 10 秒超时重新获取
- 任何获取失败时，会回退到过期缓存并在 stderr 输出
[warn]— 因此只读/离线沙箱仍能应答（可能数据过时） - 成功的技能更新会删除模型数据缓存文件。下次模型命令会重新填充缓存。
沙箱注意事项
- Codex CLI： 需要
-s workspace-write（CLI 写入cache/）以及到openrouter.ai的网络出站。在 TTL 内，无需网络调用。 - 在全新检出中的首次调用 是唯一严格需要网络的一次。
- 自动更新需要对此技能目录的文件系统写入权限以及对 GitHub 的网络访问。如果不可用，会发出警告或跳过，模型命令仍会使用当前本地副本运行。
已知问题
- OpenRouter 前端 API (
/api/frontend/v1/models/find?active=true&fmt=cards) 是非官方的；如果失败，CLI 会在可用时回退到过期缓存并输出[warn]。
数据源
- 模型：
https://openrouter.ai/api/frontend/v1/models/find?active=true&fmt=cards - 排名： 同一端点，加上
order=top-weekly、order=throughput-high-to-low和order=latency-low-to-high