模型雷達 (Model Radar) 是做什麼的？

OpenRouter 模型選擇命令列工具。將自然語言條件解析為 token:value 參數，查詢本地快取的模型元資料與排名，並輸出 JSON 供代理渲染為 Markdown 表格。

設定

執行環境：Node.js 18+（無需安裝步驟，無 npm 依賴）
無需 API 金鑰——使用 OpenRouter 公開端點
所有指令請從本技能目錄（包含此檔案的目錄）執行
首次執行會從網路取得資料填充快取；後續呼叫會使用本地快取（模型 TTL 6 小時，排名 TTL 24 小時）
自動更新預設啟用。每次 CLI 執行時，最多每 24 小時檢查一次固定的 GitHub 來源，並自動更新已安裝的副本。設定 MODEL_RADAR_AUTO_UPDATE=0 可停用。

工作流程

使用技能前，先執行 node scripts/self-update.js auto。若 stderr 印出 MODEL_RADAR_UPDATED，請重新讀取此 SKILL.md 後再繼續。
根據下方的「意圖 → Token」對應表，將使用者的請求解析為 token:value 參數。
選擇指令：list（篩選+排序）、recommend（對某預設進行加權評分）、compare（並排比較）。
從技能目錄執行。scripts/main.js 也會自動執行相同的自我更新前置檢查，因此直接使用 CLI 時會保持最新狀態。
將 JSON 輸出渲染為 Markdown 表格（參見輸出）。
結尾加上 數據擷取時間為 {fetched_at}；若超過 12 小時，建議執行 refresh。

指令

node scripts/main.js list      [tokens...]    # 篩選 + 排序
node scripts/main.js recommend [tokens...]    # 對某預設進行加權評分
node scripts/main.js compare   <id|name>...   # 並排比較
node scripts/main.js refresh                  # 強制重新整理兩個快取
node scripts/self-update.js status            # 檢視更新狀態
node scripts/self-update.js check             # 檢查 GitHub 上的更新
node scripts/self-update.js apply             # 套用最新的技能更新

自我更新

來源由 package.json.repository 固定：primexiao/agent-skills，路徑 skills/model-radar。
已安裝的副本會自動更新。來源檢出副本會跳過自動更新，除非設定 MODEL_RADAR_AUTO_UPDATE_SOURCE=1。
技能目錄下的本地未提交變更會導致自動更新跳過。
直接使用 scripts/main.js 時，若自我更新成功，會重新執行當前指令，確保結果由更新後的程式碼產生。
更新過程使用暫存檢出、驗證必要檔案、備份當前技能、替換非執行時期檔案，並在失敗時回滾。
成功更新會清除 cache/raw.json、cache/models.json 和 cache/rankings.json，避免新程式碼與舊資料快取混合。
自我更新狀態與警告會輸出到 stderr。指令 JSON 保持在 stdout。

Token 語法

受 Tailwind 啟發的定位式 token:value 參數。順序無關。

Token	意義	值格式	範例
`sort`	排序維度	預設詞彙（見下方）	`sort:cheap` `sort:popular`
`price`	混合 $/MTok	`..max` / `min..` / `min..max` / bare=max	`price:..10` `price:5..20`
`ctx`	上下文長度	同上，可加 `k`/`m` 後綴，bare=min	`ctx:128k` `ctx:128k..1m`
`out`	最大輸出 Token 數	同上，bare=min	`out:32k`
`cap`	能力（AND）	逗號分隔	`cap:tool_use,reasoning`
`in`	輸入模態（AND）	逗號分隔	`in:image` `in:audio,image`
`gen`	輸出模態（AND）	逗號分隔	`gen:image` `gen:audio`
`open`	開源過濾	`true` / `false`	`open:true`
`top`	結果數量限制	數字（預設：list=20, recommend=3）	`top:5`
`preset`	評分預設（僅 recommend 使用）	預設名稱	`preset:coding`

sort 值： cheap expensive new（預設） 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

輸入模態： text image audio video file 輸出模態： text image audio

推薦預設： coding batch chat vision（權重與必要能力請參閱 config/presets.json）

意圖 → Token

使用者說法	Token(s)
"預算 $X" / "低於 $X"	`price:..X`
"至少 $X" / "高階方案"	`price:X..`
"至少 Nk 上下文"	`ctx:Nk`
"需要工具使用 / 視覺 / 推理能力"	`cap:tool_use` / `cap:vision` / `cap:reasoning`
"結構化輸出" / "JSON 模式"	`cap:structured_output`
"可以接受音訊 / 圖片輸入"	`in:audio` / `in:image`
"可以產生圖片 / 音訊"	`gen:image` / `gen:audio`
"僅限開源"	`open:true`
"最便宜" / "最實惠"	`sort:cheap`
"最受歡迎" / "熱門"	`sort:popular`
"最新" / "最近推出"	`sort:new`
"最快" / "最低延遲"	`sort:latency`
"最高吞吐量"	`sort:throughput`
"編寫程式碼的代理"	`recommend preset:coding`
"批次 / 大量工作"	`recommend preset:batch`
"視覺代理"	`recommend preset:vision`

模型比對 (`compare`)

對 compare 的每個參數，比對優先順序如下：

完全符合 id — anthropic/claude-sonnet-4-5
後綴完全符合 — claude-sonnet-4 → anthropic/claude-sonnet-4（絕不會選到 -fast 變體）
部分子字串比對 id/name，取最新發布版本 — claude-sonnet → 最新的 Sonnet

輸出

請務必將 JSON 輸出渲染為 Markdown 表格——表格是主要的顯示格式。

`list`

| # | 模型 | $/MTok (提示/完成/混合) | 上下文 | 輸出 | 能力 | 人氣# |

$/MTok：提示 / 完成 / 混合價格
能力：短標籤（tool reason vision …）
人氣#：若排名快取為最新則顯示人氣排名，否則顯示 —

`recommend`

| 排名 | 模型 | 分數 | 成本↑ | 上下文↑ | 輸出↑ | 能力↑ | $/MTok | 能力標籤 |

每個模型加上一行簡短說明。分數及各維度分數範圍為 [0, 1]。

`compare`

垂直表格——每個模型一欄，每個維度一列：

| 維度              | 模型 A | 模型 B | 模型 C |
| ----------------- | ------ | ------ | ------ |
| 價格 (提示/完成/混合) |   …    |   …    |   …    |
| 上下文            |   …    |   …    |   …    |
| 最大輸出          |   …    |   …    |   …    |
| 輸入模態          |   …    |   …    |   …    |
| 輸出模態          |   …    |   …    |   …    |
| 能力              |   …    |   …    |   …    |
| 人氣排名          |   …    |   …    |   …    |
| 每週請求數        |   …    |   …    |   …    |

務必以 數據擷取時間為 {fetched_at} 結尾。若超過 12 小時，建議使用者執行 node scripts/main.js refresh。

快取

cache/
  raw.json       — 將 OpenRouter 前端卡片資料轉換為本地原始 schema（TTL 6 小時）
  models.json    — 增強版：正規化價格 + 能力標籤（TTL 6 小時）
  rankings.json  — 人氣 / 吞吐量 / 延遲 + 使用量分析（TTL 24 小時）
config/
  presets.json
  tier1-categories.json

快取檔案位於 cache/ 目錄下，不會被提交——首次執行會連線網路
TTL 到期後，CLI 會以 10 秒超時重新擷取
若擷取失敗，則回退到舊快取，並在 stderr 輸出 [warn]——因此唯讀 / 離線沙箱仍可回應（可能為舊資料）
成功的技能自我更新會刪除模型資料快取檔案。下次執行模型指令時會重新填充。

沙箱注意事項

Codex CLI： 需要 -s workspace-write（CLI 會寫入 cache/）以及對 openrouter.ai 的網路出站權限。在 TTL 內則無需網路呼叫。
全新檢出後的首次呼叫是唯一嚴格需要網路的時機。
自我更新需要對技能目錄的檔案系統寫入權限以及對 GitHub 的網路存取權限。若不可用，則會發出警告或跳過，模型指令仍會以當前本地副本執行。

已知問題

OpenRouter 前端 API（/api/frontend/v1/models/find?active=true&fmt=cards）非官方；若失敗，CLI 會在可用時回退到舊快取，並輸出 [warn]。

資料來源

模型： https://openrouter.ai/api/frontend/v1/models/find?active=true&fmt=cards
排名： 相同端點，加上 order=top-weekly、order=throughput-high-to-low 和 order=latency-low-to-high

模型雷達 (Model Radar)